Prognoza SEO

Żadna prognoza nie jest dokładna i narzędzie mówi o tym wprost. Zamiast jednej pewnej linii dopasowuje kilka modeli, testuje każdy z nich wstecznie na niewidzianych wcześniej fragmentach Twojej historii i podaje przedział predykcji utworzony na podstawie rzeczywistych błędów, a nie optymistycznego wzoru. Prognoza jest wiarygodna tylko przy założeniu, że w horyzoncie nie pojawi się aktualizacja algorytmu, zmiana treści ani zmiana funkcji SERP, dlatego przedziały rozszerzają się wraz z czasem. Traktuj linię środkową jako punkt odniesienia do planowania, a pasmo 80% jako realistyczny zakres.

Znane aktualizacje Google z dołączonej listy dat są testowane względem szeregu jako potencjalne zmiany poziomu, czyli trwałe przesunięcia wartości bazowej, a nie tymczasowe spadki. Aktualizacja zostaje w modelu tylko wtedy, gdy mierzalnie wpłynęła na Twoje dane; jeśli podstawowa aktualizacja nie wpłynęła na witrynę, jest pokazana dyskretnie i pomijana w obliczeniach. Narzędzie wykrywa też nieopisane zmiany poziomu, takie jak migracja, przeprojektowanie lub zmiana śledzenia, i prosi o ich nazwanie, aby zostały prawidłowo zamodelowane, a nie wygładzone.

Automatycznie wykrywane są formaty Search Console, GA4, Ahrefs (ruch i wartość ruchu), Semrush, Adobe Analytics, Google Trends oraz ogólny układ daty i wartości — nie trzeba wybierać formatu. Narzędzie odczytuje każdy plik z rozpoznawalną kolumną daty i co najmniej jedną kolumną liczbową, więc można prognozować kliknięcia, sesje, wyświetlenia, średnią pozycję albo szacowaną wartość ruchu. Cała analiza odbywa się w przeglądarce; plik nie jest wysyłany na serwer.

Nie. Analiza, dopasowanie modeli, testy wsteczne i renderowanie wykresów działają lokalnie w przeglądarce, a ciężkie obliczenia wykonuje Web Worker, dzięki czemu strona pozostaje responsywna. Eksport nie opuszcza urządzenia. Jedynym elementem, który może zostać gdziekolwiek wysłany, jest link do udostępniania i tylko po wyraźnym kliknięciu Utwórz link udostępniania.

Przedział predykcji to zakres, w którym narzędzie oczekuje rzeczywistej wartości przy określonym poziomie ufności — pasmo 80% powinno obejmować faktyczny wynik w przybliżeniu w 80% przypadków. Wynika on z błędów poszczególnych modeli w testach wstecznych na Twojej historii. Pasmo rozszerza się w dalszej przyszłości, ponieważ niepewność się kumuluje: mały błąd tygodniowy narasta przez wiele tygodni, a prawdopodobieństwo niezamodelowanego zdarzenia rośnie wraz z długością horyzontu.