Презентація Альбіни Головіної з SEO-конференції Collaborator, що відбулася 23 травня 2025 року. Тези доповіді: 1. На яких даних можна прогнозувати трафік? 2. Формули Google Sheets для прогнозування трафіку вручну на даних GA4 3. Python-код від Ahrefs для прогнозування на даних GSC 4. Прогнозування трафіку за допомогою безплатних плагінів 5. Як прикинути трафік для сторінок, що не існує Про спікерку: Альбіна займається SEO-просуванням сайтів вже понад 4 років. Має досвід просування медичних проєктів, великих онлайн-магазинів та запуску сайтів з нуля на ринках США, України, Канади. Улюблена сфера діяльності в SEO — автоматизація рутинних завдань за допомогою кодів в R/Python

1. Від сеошника до
ясновидця: методи
прогнозування трафіку
на різних даних

2. Будемо знайомі :)
Мене звати Альбіна, сеошниця в першому поколінні.
Працюю в агенції A11, де вигадую різні способи
виростити клієнтам трафік
● Займаюсь SEO з 2019 року
● Алергія на роботу руками, тому покладаюсь на
Google Sheets, R
● Ціную роботу в SEO за яскраві враження від
клієнтських сайтів

3. НАЩО В SEO ПРОГНОЗУВАННЯ
Клієнт почувається спокійніше та
впевненіше, простіше звітувати,
краще реагує на нові пропозиції
Зменшення
невизначеності в клієнта
Створення усвідомлених
очікувань у seo-шника
Спрощується планування, з’
являються строгі межі очікування і
розуміння того, що за них виходить

4. ЧИ МОЖЛИВО В SEO
ПРОГНОЗУВАННЯ?

5. СКЛАДОВІ ПРОГНОЗУ
❖ Обраний тип даних
❖ Проміжок часу
❖ Потенційні події в цей час
❖ Стан сайту клієнта
❖ Мета прогнозування

6. ПРОГНОЗУВАННЯ
ПО-СТОРІНКОВО
НА ДАНИХ GA4
01

7. РОБИМО В GOOGLE
SHEETS ЧЕРЕЗ FORECAST()
1
2
3
З GA4 вигружаємо дані
по-сторінково за два
періоди (окремо)
Виводимо список
співпадаючих сторінок за
два періоди
Рахуємо forescat() з
пошуком по значенню з
поправкою на здоровий
глузд

8. ЗАГАЛЬНЕ
ПРОГНОЗУВАННЯ
НА ДАНИХ GSC
02

9. РОБИМО ЧЕРЕЗ PYTHON
НА ДАНИХ GSC
1
2
3
З GSC вигружаємо дані
та беремо вкладку Dates.
Редагуємо, щоб
залишити стовпчики
Date, Clicks. Слідкуємо,
щоб формати були
відповідними.
Прибираємо викиди
(коли значення були
сильно менше чи більше
очікуваних). Зберігаємо
файл у форматі .csv
Запускаємо код. На
певному етапі
підвантажуємо файл

10. ❖ Можна робити прогноз для Impressions,
але окремо. Міняйте назву стовпчика
вашому у файлі та у коді де Re-making
the traffic chart
❖ Перший графік - ваші дані, другий -
прогнозовані
❖ Вам запропонують зберегти файл - то не
обов’язково
❖ Можете дописати дати останніх
оновлень, там зупинились на 2022 році
❖ Чорні точки - спостереження щодо
нашого поточного трафіку
❖ Синя лінія (темна) - прогнозований
трафік
❖ Блакитний простір навколо синьої лінії
(світле) – можливе відхилення від
прогнозу
❖ Значення менше 0 ігоруйте
❖ Прогноз продовжує/посилює існуючий
тренд, здатний побачити сезонність.
ПРИМІТКИ ДО КОДУ
ЗВЕРНІТЬ УВАГУ ЯК РОЗУМІТИ

11. ❖ Назва бібліотеки, пробуйте: from prophet import Prophet
❖ Назви стовпчиків мають співпадати з назвами в коді. Міняєте у файлі - міняйте у коді
❖ Правильний формат ячеєк важливий
❖ Формат, який завантажуєте - .csv
ПРИМІТКИ ДО КОДУ
ПОТЕНЦІЙНІ ПРОБЛЕМИ

12. ПРОГНОЗУВАННЯ
ДЛЯ КОНКУРЕНТІВ
НА ДАНИХ AHREFS
03

13. РОБИМО ЧЕРЕЗ PYTHON
НА ДАНИХ AHREFS
1
2
3
З Ahrefs вигружаємо дані
по кожному конкуренту
(до 5). Редагуємо, щоб
залишити стовпчики
Date, Organic traffic.
Слідкуємо, щоб формати
були відповідними
У вас може бути до 5
файлів у форматі csv.
Коли запускаєте код,
послідовно додайте
кожний файл
Процедура, труднощі та
рекомендації аналогічні
пункту №2

14. ЄДИНИЙ СПОСІБ,
ЯКИЙ ВАМ
СПОДОБАЄТЬСЯ
04

15. РОБИМО ЧЕРЕЗ ПЛАГІН
SIMPLE ML FOR SHEETS
1
2
3
Встановлюємо плагін у
Google Sheets через
Extensions - Get add-ons
Пропонуємо дані (будь-
яке джерело). Перший
стопвчик - дата,
відсортована від
найстарішого до
найновішого. Тягнемо
дату бо бажаного
дня/місяця.
Simple ML for Sheets -
Forecast future values -
галочка на потрібних
стовпчиках - Forecast

16. ❖ Не забувайте відсортувати дати від
найдавнішої (зверху) до актуальної
(зараз).
❖ Протягніть дати далі, на той період, на
який хочете передбачати.
❖ В якості “дат” можна брати дні, місяці,
роки, але тоді не забувайте групувати
дані
❖ З’являється дуже красивий графік - він
зрозумілий і капець який зручний
❖ Можете взяти отримане значення за
стандартне очікуване, і створити ще 2
сценарія: песимістичний та
оптимістичний. Так у вас будуть широкі
діапазони і ви завжди будете праві :)
ПРИМІТКИ ДО КОДУ
ЗВЕРНІТЬ УВАГУ ЯК РОЗУМІТИ

17. ❖ Слідкуйте за форматами: на текстовому форматі нічого не прогнозується
❖ Після завершення прогнозу поряд з’являться стовпчики з прогнозованою
інформацією. Вони починаються від дати, де ваші реальні дані завершуються - тому
табличку треба буде прогортати.
❖ Якщо графік виводиться без майбутніх значень - значить числа у прогнозі в
текстовому форматі, після заміни формату все відобразиться
❖ Файл має бути відкритим для всіх; якщо на акаунті подвійна аутентифікація -
перейдіть на той, що з простішою системою безпеки
ПРИМІТКИ ДО ПЛАГІНА
ПОТЕНЦІЙНІ ПРОБЛЕМИ

18. ПРОГНОЗУВАННЯ
ДЛЯ НЕІСНУЮЧИХ
СТОРІНОК
05

19. РОБИМО ЧЕРЕЗ ПЛАГІН
SIMPLE ML FOR SHEETS
1
2
3
Обираємо провідне
ключове слово. Фіксуємо
частотність, потенціал
трафіку, кількість пов’
язаних ключових слів
Припускаємо розподіл
по ТОП-50 та середній
CTR для проміжків.
Об’єднуємо дані у
суперформулу,
коректуємо по
здоровому глузду

20. КОРИСНІ ФАЙЛИ
● Шаблон на прогноз по-сторінково: Шаблон на Collaborator: прогноз по-сторінково
● На прогноз по GSC через Ahrefs: Блокнот "Ahrefs-Site-Traffic-Value-Forecast.ipynb" - дані GSC

21. КОРИСНІ ФАЙЛИ
● Simple ML for Sheets: https://simplemlforsheets.com/
● На прогноз по конкурентам через Ahrefs: Блокнот "Ahrefs-5-Site-Traffic-Forecast.ipynb" -
Ahrefs на 5 конкурентах
● Прогноз на неіснуючі сторінки: Прогноз трафіку на неіснуючі сторінки

22. CREDITS: This presentation template was created by Slidesgo,
including icons by Flaticon, and infographics & images by Freepik
Якщо є питання - задавайте
albinagolovina.seo@gmail.com
@Catowin
Або звертайтесь через A11 Agency
https:/
/a11.agency/
+380 96 706 58 29