SEO予測
Free, no signup. Most traffic forecasts treat an algorithm update like noise that will smooth itself out — it won't. Upload your Search Console, GA4, Ahrefs, Semrush, or Adobe export and get a forecast that treats updates as the permanent level shifts they are, backtested on your own history before you're asked to trust it.
ブラウザー内で実行され、アップロードは当サーバーに送信されません。現在のプロジェクトは置き換えるか、このサイトのブラウザーデータを消去するまでローカルストレージに自動保存されます。 Creating a share link is opt-in; it uploads the scenario you choose and retains it for 7 days. 匿名化した実行単位の結果件数を集計調査に使う場合があります。URL、ドメイン、IPアドレス、識別子は含めず、100回未満の実行から統計を公開しません。
Google algorithm-update data last synced .
Sample data. This is a generated demo series (with a planted algorithm-update hit and a fake migration) so you can see how the tool works. Upload your own export to replace it.
Detected events — tell the model what happened
Level shifts and outliers found in your data. Label them so the model treats them correctly; leave as "ignore" to keep the data untouched. Known Google updates are handled automatically and only kept when they measurably moved your series.
How wrong was each model on your own history?
Rolling-origin backtest: each model repeatedly forecast a held-out slice of your data it had never seen. MASE < 1 means it beat the seasonal-naive baseline. The chart overlays what the top models would have predicted for your most recent data.
Forecast every series you've loaded and compare them on one chart, or as share of voice. Mark which are you vs competitors — needed for calibration and the crossover callouts. Add competitors by uploading more files above (wide files with a column per site, or one file each).
Calibrate competitor estimates to your real data
Third-party traffic estimates (Ahrefs/Semrush) are directionally useful but wrong in absolute terms. If you upload your organic ground truth (GSC clicks or a GA4 organic segment) plus your series from the same third-party tool, we compute your correction factor and apply it to competitors.
Forecast the traffic from ranking changes — no time series needed. Enter keywords with their search volume, where you rank now, and where you're aiming. This is scenario math (volume × click-through rate by position), not curve-fitting.
Keywords (0) — edit any cell to update the forecast
Incremental clicks = the extra monthly clicks at the target position vs. today, probability-weighted.
Business case
Turns the forecast bands into a conversion, revenue, ROI, and paid-search-equivalent view. These are planning assumptions, not a revenue prediction.
Forecasts assume no future algorithm updates, content changes, or SERP-feature shifts — the intervals come from each model's real backtest errors on your data, not from optimistic formulas. Third-party traffic and traffic-value figures are estimates. Nothing you upload is sent anywhere: parsing, modeling, and charts all run locally in your browser.
このツールについて
GSC、GA4、Ahrefs、Semrush、Adobeの時系列をアップロードし、バックテスト済みモデルでSEO指標を予測します。Googleアルゴリズム更新をレベルシフトとして扱い、移行や異常を検出します。
自分の履歴に基づく予測区間、季節性の説明、ブラウザー内で完結する処理を備え、予測の不確実性を隠しません。
機能
- GSC／GA4／Ahrefs／Semrush／AdobeのCSV時系列
- アルゴリズム更新をレベルシフトとして扱うバックテスト予測
- 移行・異常検出と履歴由来の予測区間
- 季節性の説明とブラウザー内処理
仕組み
時系列の列、期間、単位を確認して欠損と異常を記録します。候補モデルをバックテストし、更新や移行によるレベルシフトを分離して、予測区間と季節性の説明を表示します。
制限事項
- 予測は入力した履歴とモデル仮定に基づく推定であり、Googleの更新、順位、トラフィック、収益を保証しません。
- 短い、欠落した、季節性のない、または定義が変わった時系列では不確実性が大きくなります。
よくある質問
SEO トラフィックを本当に正確に予測できますか？
完全に正確な予測はなく、このツールもその点を明示しています。確信度の高そうな 1 本の線を示すのではなく、複数のモデルを当てはめ、各モデルが見ていない自身の履歴区間でバックテストし、楽観的な式ではなく実際の誤差から予測区間を報告します。この予測は、期間中に将来のアルゴリズム更新、コンテンツ変更、SERP 機能の変化が起きないという仮定に左右されるため、先の期間ほど区間が広がります。中央線は計画上の中間値、80% 区間は現実的な範囲として扱ってください。
Google のアルゴリズム更新をどのように扱いますか？
同梱の日付一覧にある既知の Google 更新を、系列の候補となる水準変化、つまり一時的な落ち込みではなく基準値の恒久的な段階変化として検定します。コアアップデートがサイトに影響しなかった場合は薄く表示して計算から除外し、データを測定可能な形で動かした場合だけモデルに残します。また、ラベルのない水準変化（移行、再設計、計測変更）も検出し、平滑化で消すのではなく正しくモデル化できるよう、ラベル付けを求めます。
どの CSV 形式をアップロードできますか？
Search Console、GA4、Ahrefs（トラフィックとトラフィック価値）、Semrush、Adobe Analytics、Google Trends、一般的な日付と値のレイアウトを自動検出するため、形式を選ぶ必要はありません。認識可能な日付列と 1 つ以上の数値列があるファイルを読み取り、クリック数、セッション数、表示回数、平均掲載順位、推定トラフィック価値を予測できます。すべてブラウザー内で解析され、ファイルがサーバーへアップロードされることはありません。
データはサーバーにアップロードされますか？
いいえ。解析、モデルの当てはめ、バックテスト、グラフ描画はすべてブラウザー内でローカルに実行され、重い計算は Web Worker で処理するためページの応答性も保たれます。エクスポートしたデータが端末外へ出ることはありません。外部へ送信できるのは共有リンクだけで、「共有リンクを作成」を明示的にクリックした場合に限られます。
予測区間とは何で、なぜ広がるのですか？
予測区間は、指定した信頼度で真の値が入るとツールが見込む範囲です。80% 区間なら、実際の結果がおよそ 80% の確率でその中に収まる想定です。これは、履歴でバックテストした際に各モデルがどの程度外れたかから算出します。将来へ進むほど不確実性が累積するため区間は広がります。小さな週次誤差が何週間にもわたって積み重なり、モデル化していない事象が起きる可能性も期間が長いほど高くなります。
よくある問題と修正方法
- 警告 トラフィックに持続的な水準変化があります 修正: 変化が起きた日付のデプロイ、移行、アルゴリズムイベント、計測変更を特定してください。原因を修正したうえで、変化の前後を別々の期間としてモデル化します。
- エラー ラベル付きイベントの推定影響がマイナスです 修正: ラベル付きイベント前後の影響ページとクエリを分けて分析し、根拠がある場合は原因となった変更を元に戻すか修正してください。影響を受けていない比較セグメントを基準に効果を測定します。
- 警告 安定した予測に必要な履歴が不足しています 修正: 可能であれば、期間粒度が一貫したデータを少なくとも季節周期1回分用意してください。難しい場合は予測期間を短くし、推定値が不安定であることを明記します。
- 情報 予測に強い季節性があります 修正: 同じ季節の期間を前年同期と比較し、直近の一点だけでなく季節ベースラインを基準に計画してください。
- 警告 予測の不確実性区間が広すぎます 修正: 計画に中央値を使う前に、予測期間を短くするか、よりクリーンな履歴データを追加してください。
- 警告 バックテストの精度が低い状態です 修正: 予測区間を使用し、ベースラインモデルも検証してください。予測を判断材料にする前に、期間粒度が一貫した履歴データをさらに収集します。