言語

SEO予測

SEO予算を承認してもらうために、オーガニックトラフィックと収益を予測する方法 — 手法、データソース、壊れたCTR問題、保証ではなくシナリオ範囲。

初回公開：2026年6月25日 · 最終更新：2026年8月20日 · Advanced
言語
AI執筆者：AI v2

SEO予測は、過去のデータを使って将来のオーガニックトラフィック、コンバージョン、収益を予測するもので、主に予算承認を得るために使われます。まず、手法を選ぶ前に契約を明確にします（目標、範囲、期間、データの基準日、ベースラインと介入の区別、担当者）。手法は2つあります：統計的/トレンドベース（Prophet、SARIMA、またはGoogle SheetsのFORECASTを自社データに使用）とキーワードベース（検索ボリューム×CTR×コンバージョン率で新規ターゲットを予測）。最良の予測は両方を組み合わせます。自社サイトのCTRには自社のGSCデータを、競合や機会の規模にはサードパーティツール（Ahrefs、Semrush）を使用します。サイト固有のCTRカーブは自分で構築してください — AI Overviewsやゼロクリック検索がCTRを低下させた今、従来の「1位で30%」というベンチマークは使えません。感度分析を実行して、どの入力が意思決定を変えるかを見つけ、モデルを過去の基準日でバックテストしてから信頼してください。常に、名前付きの前提条件を持つ保守的/ベース/積極的なシナリオを提示し、モデル自身の予測区間とは別にラベル付けします。単一の数字や保証は決して提示しないでください。その後、レビュー頻度を設定し（月次が妥当なデフォルト）、データの変更、構造的な変化、バックテストのエラー閾値、または意思決定の変更など、カレンダーだけでなくトリガーに基づいて再構築します。

TL;DR — SEO予測は、ファーストパーティまたはサードパーティの履歴データ （トラフィック、トラフィック価値、CTR、検索ボリューム）を使用して、将来のオーガニック パフォーマンスを予測します。2つの方法があります：統計/トレンドベース（Prophet、SARIMA、または スプレッドシートのFORECASTを自社データに使用）とキーワードベース（新しいターゲットのボリューム×CTR× コンバージョン）。これらを組み合わせてください。自社サイトにはGSCのファーストパーティCTRを、 競合他社や機会の規模測定にはサードパーティツールを使用してください。 それらのボリュームは方向性を示すものであり、正確ではありません。サイト固有のCTRカーブを構築してください。 従来の「1位で30%」というベンチマークは、AI Overviewsやゼロクリック検索によって崩壊しています。 想定条件を明記した保守的/ベース/積極的なシナリオを提示してください。 単一の数値や保証は決して示さないでください。実績と予測を毎月追跡し、 想定条件が崩れたら再構築してください。

予測の本質

私の実務的な定義：SEO予測とは、履歴データを使用して企業の将来のSEO結果を予測するプロセスです。トラフィック、トラフィック価値、クリック率（CTR）、検索ボリュームなどのファーストパーティまたはサードパーティの履歴データに基づいて実行されます。出力は確率モデルであり、保証ではありません。GPSではなくコンパスです。明示された想定条件の下で、可能性のある方向性とおおよその規模を示し、その想定条件が変わった瞬間に機能しなくなります。

エンタープライズ規模でこれが不釣り合いに重要になる理由は予算です。「信じてください、順位は上がります」では資金は得られません。SEOは有料メディアや人員と同じ予算を争い、同じROIの言葉を話さなければなりません。この力学はよく文書化されています：マーケティングリーダーの多くが予算が目標に届いていないと述べており、そのギャップの多くは、リーダーシップがSEOのリターンを確信していないことに起因しています。自らの施策の財務的影響を信頼性をもって予測できるリーダーこそが予算増額を勝ち取る傾向があります。そのため、最初の予測は計画ツールであると同時に営業ツールであることが多いのです。

モデリングの前に予測の契約を明確にする

方法を選ぶ前に、予測が実際に何に答えなければならないかを書き留めてください。そうしないと、技術的には正しいが間違った質問に答えるものを作ってしまいます：

  • ターゲットと範囲 — 正確な指標（オーガニックセッション、ブランド以外のクリック、 パイプライン収益）、どのプロパティ、セクション、またはセグメントについてか。
  • 時間の粒度と期間 — 日次、週次、月次。どの程度先まで予測するか。
  • データのカットオフ — モデルが実際に参照した履歴の最終日。後で予測を再現できるように、 また「達成」または「未達」が何に対して測定されているかを正確に把握できるように、書き留めておいてください。
  • ベースラインと介入 — 何も変更しない場合の結果と、特定の施策から主張する追加の効果。 前方に延長したトレンドラインを、まだ開始していない作業の効果として偽装しないでください。
  • 除外事項 — 意図的に除外するもの（既知の移行、一時停止したキャンペーン、モデル化しようとしない季節外れの外れ値）。
  • 責任者と意思決定 — 数値に対して責任を負う者、そしてそれが実際にサポートする意思決定 （予算要求、人員計画、ゴー/ノーゴー）。

これを省略すると、実際の問題は誰もそれが何に答えるべきか合意していないことなのに、モデルのデバッグに終始することになります。

2つの主要な方法

統計/トレンドベースの予測は、履歴トラフィックに時系列モデルを実行し、その軌道を前方に投影します。観測された行動からトレンドと季節性を捉えます。私はこの目的でMetaのProphetモデルを使用してきました。年次、週次、日次の季節性と祝日効果を処理でき、PythonまたはRで利用できます。代替手段も多数あります：SARIMAはより統計的な厳密性を提供しますが学習曲線は急で、より単純なニーズにはGoogleスプレッドシートのFORECAST関数（線形回帰）、指数平滑法、または単純移動平均で十分です。この方法は、利用可能な履歴（理想的には18〜24か月）があり、サイト全体またはセクションの軌道を予測したい場合に使用してください。

キーワードベースの予測はボトムアップ方式です。ターゲットキーワードのリストから、search volume × expected CTR × conversion rate（検索ボリューム × 想定CTR × コンバージョン率）を見積もります。新しいコンテンツを計画していて、基準にできる過去のトラフィックがない場合（新規サイト、移行後のベースライン、まだ構築していないコンテンツクラスターなど）に使用します。観測された行動との結び付きは弱くなりますが、観測できる行動がまだない場合に適した手法です。

最も信頼性の高い予測は、両方を組み合わせたものです。既存のものに対する統計的トレンドと、これから構築するものに対するキーワードベースの機会規模の算定です。

ファーストパーティデータとサードパーティデータ

この区別は、入力データをどの程度信頼するかを決定します。

  • ファーストパーティデータ（GSC / GA4）は、あなたのサイトにとって信頼性が高いです。 自分のウェブサイトやページの正確な見積もりが必要な場合、これは間違いなく最適なデータです。GSCは、位置別の実際のサイト固有のCTRを提供し、業界平均の曲線よりも優れています。
  • サードパーティデータ（Ahrefs、Semrush）は、競合他社を予測する方法です。 競合他社のデータを取得する唯一の方法は、サードパーティのソースです。また、まだランクインしていないキーワードの規模も測定します。サードパーティデータはパターンと予測トレンドを提供しますが、自社のアナリティクスのような日次の粒度はなく、同じキーワードでもツールによって異なるボリュームが報告されます。ボリュームは相対的なものとして扱い、絶対的なものとして扱わないでください。機会の規模を測るための方向性を示す入力であり、正確な乗数ではありません。

私自身の競合他社の予測（将来のトラフィック、トラフィック価値、ページレベルのトラフィック、コアアップデート時のパフォーマンスを含む）は、Ahrefs Site Explorerのオーガニック検索CSVエクスポートをProphetモデルに入力して実行しています。

CTR問題 — 従来のベンチマークが予測を壊す理由

これは現在、予測を壊している最大の要因です。従来の前提（1位でクリックの約27〜34%を獲得）は、2020年以前はほぼ正しかったのですが、もはやそうではありません。

Ahrefsが30万件（300×千件）のキーワードを調査した研究では、2023年12月から2025年12月の間に、AI Overviewがあるクエリの1位のCTRが7,3%から約1,6%に低下しました。AI Overviewがない純粋な情報系クエリでも、同じ期間にCTRは7,6%から3,9%に低下しました。別の角度から同じ落ち込みを示したのが、順位別ではなく全順位の合計CTRを測定したSeer Interactiveの調査です。AIOが表示されたクエリのオーガニックCTRは約61%減少しており、これはエンタープライズSEO ROIの記事で使用している数値です。また、現在はGoogle検索の約60%がクリックなしで終了しています（Sparktoro／Datos）。2026年の予測に30%のCTRを当てはめると、情報系クエリの予測トラフィックを大幅に過大評価します。

修正方法：

  • 包括的な業界テーブルではなく、GSCからサイト固有のCTR曲線を構築します。 実際の曲線は、自社のパフォーマンスデータにあります。
  • AI Overviewが存在する場所では、情報意図のCTRを20〜40%下方調整します。 すべてのクエリタイプにわたるフラットなCTR曲線は、もはや有効な入力ではありません。
  • AI可視性を独自の指標として扱います。 AI応答でのシェア・オブ・ボイスは、オーガニッククリックとは別の項目としてますます重要になっており、その代替ではありません。

ステップバイステップ：私が予測を構築する方法

  1. 範囲を定義する — サイトレベル、クラスターレベル、またはページレベル。決定が1つのセクションにのみ関わる場合に「すべて」を予測しないこと。
  2. 履歴データを収集してクレンジングする — GSC + GA4、理想的には18〜24か月。競合分析にはサードパーティデータ。
  3. ブランドトラフィックを除外して、純粋にSEO駆動の非ブランドパフォーマンスを分離する — そうしないとブランド需要が予測を膨らませる。
  4. GSCからカスタムCTRカーブを構築する。業界平均ではなく。
  5. SERP機能を調整する — AI Overviews、注目スニペット、ファーストビューの広告はすべてクリックを抑制する。
  6. 季節性をモデル化する — Google Trendsと前年比パターン。小売/B2Cには明らかな季節変動があり、B2BはQ4の予算サイクルに従う傾向がある。
  7. コンバージョンと収益の乗数を適用する — コンバージョン率 × AOV（またはCLV）でトラフィックを金額に変換する。それが実際に予算化される数字である。
  8. 3つのシナリオを構築する — 保守的、ベース、積極的 — それぞれに名前付きの前提を添付する。
  9. バックテストする — 自社の履歴のいくつかの過去の時点でモデルを再適合させ、実際に使用する予定の同じ期間を予測し、提示しようとしている区間を信頼する前に、既に持っている実績と比較する。
  10. 範囲を3つの異なるものとして提示する — 点推定、モデル区間、名前付き前提シナリオ — 単一の数字で始めることは決してなく、3つのいずれにも、持っていない校正済みの確率を借用させないこと。
  11. レビュー頻度を設定し、再構築のトリガーを文書化する — 月次が妥当なデフォルトだが、再構築のトリガーはデータの変更、構造的変化、バックテストされた誤差の閾値、または決定の変更である — 単なるカレンダーではない。

実例 — 1つのクラスターを最初から最後まで

数字を当てはめるまで、これらのステップは抽象的です。B2B SaaSサイト向けに、新しい40ページの比較クラスターをボトムアップで予測するとします。

  • 機会規模: 対象キーワードは月間合計約50 000件の検索がある（サードパーティの推定値であり、方向性を示すもので、正確なものではない）。
  • CTR: ほとんどがAI Overviewsが表示される情報型であるため、従来の30%ではなく、自社のGSCカーブを引き出し、1年目に現実的に保持できると予想されるポジションで、ブレンドされた**約4%**に落ち着く。
  • トラフィック: 50 000 × 4% = 成熟時には月間2 000件のオーガニック訪問。
  • コンバージョン: 訪問→リード率2%、リード→機会率20%で、2 000 × 2% × 20% = 月間8件の機会。
  • 収益: 平均成約規模15 000ドル、成約率25%で、8 × 25% × 15 000ドル = 成熟時にはパイプライン由来の収益として月間30 000ドル。

そして、その30 000ドルを唯一の数字として提示してはいけません。シナリオで包み込みます。保守的はブレンドCTR 3%と緩やかな立ち上がり（12か月目までに月間約18 000ドル）を想定。ベースは上記の30 000ドル。積極的はCTR 5%とより速いランキング上昇（月間約40 000ドル）を想定。それぞれに名前付きの前提が付いています。トレンドモデルからの統計的信頼区間 — 例えばProphetの80%区間 — は、これら3つのシナリオが引き出される元であり、別の競合する数字ではありません。区間は広がりを与え、シナリオはリーダーシップが計画できるものを提供します。（これは、エンタープライズSEOメトリクス記事で使用している、信頼区間をシナリオに変換するのと同じものです。） これらは3つの異なるものであり、どれを表示しているかを正確にすることが重要です。点推定は単一の数字。予測区間は、独自の前提が組み込まれたモデル計算による範囲。シナリオは、手動で選択された名前付き前提の束です。3つのいずれも校正済みの確率ではありません — 「保守的/ベース/積極的」が10%/50%/90%の確率を意味するわけではありません（実際に検証しない限り）— したがって、シナリオ範囲に統計的に導出された区間の権威を借用させたり、その逆をさせたりしてはいけません。

決定を覆す可能性のある前提をストレステストする

シナリオレンジは、どの入力が実際に結果を動かして意思決定を変えるのかを知って初めて価値を持ちます。上記の実例を取り上げ、一度に1つの入力（CTR、リード→機会率、クローズ率）を、他の入力を固定したまま妥当な範囲で変化させ、12か月目の収益に何が起こるかを記録してください。

このクラスターでは、CTRが誤っている場合に最も大きなダメージを与えます。訪問数はクリック数に直接比例するため、CTRのズレは下流のすべてのステップ（リード、機会、収益）に、上記の保守的から積極的なスプレッドが示すのと同じように連鎖します。クローズ率とリードから機会への変換率も数値を動かしますが、これらは営業が所有する入力であり、通常はCRM履歴から、まだ構築されていないページの将来のCTRよりも高い信頼度で取得できます。

感度分析の出力は、より派手なチャートではなく、短いリストです。「Xが間違っていた場合、数値はおおよそこれだけ変化し、これを提示する前にそのリスクに対してこれを行っています。」これこそが、ステークホルダーに、推奨事項が実際にどの前提に依存しているかを伝えるものであり、すべてが同じように恣意的に見える3つの数値ではありません。

エンタープライズの賛同を得るための予測

財務部門や経営陣に特に響くフレーミングをいくつか紹介します。

  • すべてを金額に換算する。 経営陣はセッション数やランキングではなく、収益、パイプライン、CACで考えます。SEO指標を金額に換算してください。
  • TAMの枠組み。 カテゴリの検索需要全体をpotential market × competitive position（潜在市場 × 競争上のポジション）で見積もり、すべてのキーワードで1位になると主張するのではなく、TAMの10%、20%といった増分の獲得を示します。財務チームは、多くのSEO担当者が省略する市場規模の算定を期待しています。
  • トラフィック価値シェア（SoTV）。 私が経営層向けKPIとして好む指標です。トラフィックの比較を金額換算してシェア・オブ・ボイスを発展させ、取締役会が競争上のポジションを金額で把握できるようにします。
  • ゼロではなく軌道と比較する。 最も説得力のある予測は、競合が向かう先と比べた自社の位置、そして現在の軌道と組織が掲げる目標との差を示します。

限界 — 声に出して言う

私はすべての予測でこれを明確にしています。変化が絶えず起こっているため、予測には常に不確実性が伴います。あなたや競合他社がウェブサイトを変更したり、戦略を変更したり、追加投資を行ったりする可能性があり、モデルはそのようなことを予測できません。

また、過剰に作り込もうとする衝動を抑えてください。より複雑な予測は、より多くの時間と労力を要し、必ずしも優れているわけではありません。ほとんどの場合、複雑な予測を構築するROIはありません。18か月分のGSCデータに基づくクリーンなトレンドラインやProphetモデルは、不安定な前提に基づく精巧なスプレッドシートに勝ります。目標は、守れる方向性のある推定値であり、偽りの精度ではありません。

維持する

予測は一度きりの成果物ではなく、生きた文書です。ただし、すべてのプログラムに適合する単一の頻度はありません。サポートする意思決定が古くなる前に、ドリフトを検出するのに十分な頻度で見直してください。月次はほとんどのエンタープライズプログラムで妥当なデフォルトであり、期間が短い場合やリスクが高い場合はより頻繁に行います。実際に再構築（単なる再調整ではなく）を引き起こすのは、次のいずれかです。

  • データが変更された — トラッキングの破損、GSC/GA4プロパティの変更、コンバージョンと見なすものの再定義。
  • 構造的な何かが起こった — Googleコアアップデート、競合他社の大きな動き、主要クエリでのAI Overviewの展開、サイト移転。
  • モデル自身のエラーが事前に設定したしきい値を超えた — バックテストされたカバレッジまたはエラーが検証時よりも悪化した場合、提示している区間はもはや正直ではありません。または
  • サポートする意思決定が変更された — タイミング、範囲、ステークホルダーが異なる。

信頼できる期間はおよそ3〜12か月です。12か月を超える場合は、予測を月単位で正確な予測ではなく、方向性のある計画として扱ってください。

関連する分野が隣にあります。それは、これらの予測を、実際に報告する指標や目標、そしてそれに対して設定する目的に結び付けることです。

Search Consoleの標準パフォーマンスレポートでは、最大16か月分の履歴を表示できます。 Evidence for this claim Search Console's performance report provides up to 16 months of data. Scope: The standard Search Console performance-report window; retained bulk-export data can extend an organization's own history after export is configured. Confidence: high · Verified: Google Search Console Help: Performance report Bingは2024年10月に検索パフォーマンスの履歴を6か月から16か月に拡大し、より正確な予測をユースケースとして明示的に挙げました。 Evidence for this claim Bing expanded Webmaster Tools Search Performance history from six months to 16 months in October 2024 and explicitly described forecasting as a use case. Scope: Bing Webmaster Tools' Search Performance history; it does not validate a particular forecasting method or guarantee forecast accuracy. Confidence: high · Verified: Bing Webmaster Blog: Search Performance data extended to 16 months

Add an expert note

Pin an expert quote

New person? Create their unclaimed profile at /admin/experts/ → Pin a quote first.