SEO流量预测怎么做？给老板定增长目标的可信模型

先说结论：SEO流量预测不是算命，是把“我们大概能涨到多少、有多大把握”做成一个能被反驳、事后能复盘的模型。做不出可信预测，要预算、定KPI、跟老板对赌增长，全靠拍脑袋，吹高了背锅、报低了被砍。一个站得住的预测，由四块乘起来：你够得着的可触达需求池、把名次换成概率的排名达成率、随名次剧烈变化且不能套通用值的点击曲线、再叠上带形状的季节性，最后给出区间而不是一个数，还要把竞争对手的动作算进去。预测真正的价值不在那个数字，而在它逼你把每条假设白纸黑字写下来，事后能一块块算账、越用越准。它和“认季节规律别慌”的季节性预判、“多久见效”的见效周期、“拿这数字去算钱”的预算ROI，是四件不同的事，这篇会先把它们划开，再用一个强季节DTC和一个无季节B2B站两个对照例子，把方法走一遍。

每个做SEO的人迟早会被问到那个问题：“做这个，明年能带来多少流量？”大多数人的回答要么是含糊其辞的“得看情况”，要么是脱口而出一个让自己后半年不得安宁的数字。这两种都不行。第一种让你在预算桌上没有筹码，第二种让你在复盘会上没有退路。这篇讲的，是中间那条路——怎么给出一个有区间、有假设、能被人当面反驳、事后能一块块对账的流量预测。

先把边界划清，因为这块特别容易和保哥另外几篇混在一起。这篇讲的是“向前推一个能定目标的流量数字”。它不是SEO见效周期那篇——那篇回答“多久才见效”，是时间问题；这篇回答“能到多少、多有把握”，是量级和置信度问题，见效周期只是决定了预测曲线从哪个月开始爬、爬多陡。它也不是“认出每年都来的季节规律、别把规律当事故”那回事——季节性在这篇里只是预测模型的一块输入。它更不是把流量数字往后接成钱和回报的预算模型——预测是那套模型最上游的那个输入，输入错了，后面算得再漂亮都是错的。本文用两个对照案例贯穿：一个做滑雪与冬季户外装备的跨境DTC品牌（季节性极强），和一个B2B工业检测设备的官网内容站（几乎无季节、决策周期长）。同一套方法，在这两种站上长得完全不一样，正好说明预测不是套公式。

为什么“凭感觉定增长目标”迟早会出事？

先说清楚不做预测的代价，否则很容易觉得“反正预测也不准，何必费这劲”。

拍脑袋目标的两种死法：吹太高和报太低

没有模型支撑的目标，只有两个走向，都不好。吹太高：为了在预算会上拿到资源，报了一个漂亮数字，没人问你这个数字怎么来的，半年后兑现不了，SEO这条线在管理层心里就被钉上“讲故事不靠谱”的标签，下一轮预算第一个被砍。报太低：被上一次的教训吓到，这次报一个闭着眼都能完成的数字，目标轻松达成，但你主动把这条增长线的天花板压低了，资源、人、注意力都流向那些“看起来更有想象力”的渠道。这两种死法的根都一样：没有模型，你和老板之间就只能比谁的直觉更大声，而直觉这场仗SEO几乎永远是输的一方，因为它的反馈周期太长，等真相揭晓，赌注早就下完了。

预测最常被滥用的两种姿势：曲棍球杆和保命数

在不健康的组织里，预测会被异化成两种政治工具，认出来才不会被裹进去。第一种是“曲棍球杆”：前面几个月平平甚至下滑，全部增长都画在最后一个季度陡然拉起，凑出一个漂亮的年度数字。它几乎总是假的，因为SEO的真实增长是缓慢复利型的，不存在“前面不动、最后突然爆发”的内生机制；曲棍球杆通常是“先答应下来、增长以后再说”的财务故事，不是预测。第二种是“保命数”：报一个自己闭着眼都能完成的数，把目标当成自我保护，达成了邀功、没人问天花板在哪。这两种的共同点，是把预测从“尽力说真话的估计”偷换成了“对自己最有利的叙事”——一旦它服务的是报数人的处境而不是决策的需要，模型再精也已经烂在根上。识别它们的办法很简单：要求对方说出每一档背后“需要哪几个条件同时成立”，曲棍球杆和保命数都经不起这一问，因为它们的形状不是从假设推出来的，是从想要的结论倒画回去的。

预测不准也远比没有强：它真正的用途不是预言

很多人抗拒做预测，理由是“SEO变量太多，预测不可能准”。这话对了一半：预测确实很难精确，但这恰恰说明了它真正的用途——预测的价值不在最后那个数字，而在做预测的过程逼你把每一条隐含假设都摊开写下来。当你被迫写下“我假设这批词三个月内能进前五、点击曲线按这个行业的实测取值、转化率沿用历史中位数”，三件事发生了：一，这些假设从此可以被别人当面挑战，挑战假设比挑战一个光秃秃的数字有意义得多；二，等结果出来，你能精确地知道是哪一条假设错了、错了多少，而不是只会说“没达成”；三，下一次预测你带着上次的偏差证据回来，模型就真的在变准。一个做了、错了、但能逐块归因的预测，和一个永远没人做因此永远没人复盘的“反正不准”，差的不是准确率，是这条线有没有在积累判断力。两个团队，一个常年靠感觉报数、一个每次都做会错的预测但每次复盘，三年后前者还在原地比嗓门，后者的预测已经能进决策桌。

先划清楚：预测、季节性、见效周期、预算不是一回事

这四件事经常被揉成一锅，揉在一起就谁也讲不清。用一张表钉死它们的分工，后面就不会再混：

记住这条链的方向：见效周期和季节性是预测的输入，预测是预算ROI的输入。把这条链接反——比如直接拿一个没有置信区间的流量数字去算ROI——错误会沿着链一路放大，最后那个精确到小数点的回报率，是建立在一个拍脑袋的输入上的，越精确越危险。

一个能站得住的流量预测，由哪几块拼起来？

把预测拆成四块独立的输入，分别估、分别能被质疑、最后乘起来。拆开的好处是：错了能定位到是哪一块。

可触达需求池：不是把搜索量加总，是你够得着的那部分

第一块，也是最多人做错的一块。新手做预测，第一步就是把目标关键词的搜索量全加起来，得到一个很大的数，然后乘一个点击率，完事。这个数从一开始就是错的，因为它假设你能吃下全部需求。真实的可触达需求池要做三层收缩：先剔掉意图根本不匹配的词（搜这个词的人不是你的人，排上去也没用）；再剔掉结果页被实体结果、官方答案、强势品牌词彻底占满、自然位形同虚设的词；最后按你站点当前的权威度，给不同竞争档位的词打一个“现实可及”的折扣——一个新站和一个行业老站，面对同一批词，可触达池差一个数量级。预测里最大的系统性高估，几乎都发生在这一步：把“市场总需求”当成了“你够得着的需求”。那个滑雪装备DTC第一版预测之所以离谱地高，就是因为把一大批被大型综合电商和老牌品牌词牢牢占住的大词也算进了池子；把这些词按“自然位实际可见度近乎为零”剔掉之后，可触达池只剩原始估计的一小部分，预测才回到地面。

排名达成概率：把“我们能排第几”换成概率，而不是赌一个名次

第二块。错误做法是给每个目标词钉死一个未来名次（“这个词我们会到第3”），然后据此算流量。这是在赌，不是在预测，因为你根本不知道哪个词会到第几。正确做法是把它换成概率分布：基于这个词的竞争度、你站点的相对权威、内容当前的差距，估“它在预测期末落在第1、落在2-3、落在4-10、落在10名外”各自的概率，再用这个分布去算期望流量。这样做有两个好处：一，单个词押错不致命，因为你算的是一篇组合的期望，不是单点豪赌；二，把名次说成概率，会自动逼你诚实——你很难一边嘴上说“八成能进前三”，一边心里清楚这词竞争度高得离谱。怎么把当前名次和可见度的真实状况摸清楚，作为这块概率的起点，保哥在排名监测与可见度份额那篇里讲得很细，这里只强调一点：起点估错，整块概率全歪——你以为某批词现在排在第二页“离前几名不远”，实际它们卡在第五页，那么“三个月进前五”的概率就完全不是你拍的那个值。

点击曲线：同一个名次，点击天差地别，且不能套通用曲线

第三块，最容易被一个网上随手抄来的“第一名点击率百分之三十”毁掉。点击曲线——每个名次能分到多少比例的点击——根本不是一条固定曲线，它随查询类型、结果页形态、设备、品牌强弱剧烈变化。一个结果页第一屏全是实体结果、广告和AI概览的查询，自然第一名的实际点击率可能只有通用值的一小半；一个纯信息、结果页干净的查询，前几名的点击率又会显著高于通用值。套用通用点击曲线，是流量预测里仅次于“需求池没收缩”的第二大系统性错误来源。可靠的做法是用你自己站点搜索后台里的真实数据，按查询类型分桶，校准出属于你这个站、这类词的点击曲线，再用它去算。没有自有数据的新站，至少要按结果页形态分类去取不同的曲线，而不是一条曲线套到底。那个B2B检测设备站就吃过这个亏：它的词大量带强品牌或强实体结果，自然位点击被压得很低，第一版预测套了通用曲线，整体高估了近一倍。

季节性叠加：预测必须是一条带形状的曲线，不是一个年度总数

第四块。前三块乘出来的，是一个“去季节化”的需求基线。但流量从来不是均匀摊在十二个月里的，它有形状。滑雪装备那个DTC，全年六成以上的自然流量挤在四个月里；而那个B2B检测设备站，曲线几乎是平的，只在客户财年预算窗口前有两个不明显的小鼓包。把同一个年度总数平摊成月度目标，对季节性强的业务是灾难性的——它会让你在旺季前因为“没达标”而恐慌性瞎调整，又在旺季高点误以为是自己的功劳。所以预测的最终产物必须是一条带季节形状的月度曲线：拿去季节化的基线，乘上从历史数据里提出来的季节指数。怎么把季节指数干净地提出来、怎么不把品类趋势误当季节，那是另一篇季节性流量预判专门讲的事，这里只需要知道：它是预测的最后一道乘法，跳过它，你的月度目标从第一个月起就是错的。

把四块乘起来：一个最小可用的预测骨架

四块凑齐，预测骨架就出来了，本质是一连串可被审视的乘法：

这个骨架不复杂，难的不是算术，是每一步背后的判断诚不诚实。整个预测的可信度，由四块里最弱、最靠猜的那一块决定，不是由你算得最精细的那一块决定——这条“最弱环节定上限”的规律，比任何公式都重要：你把点击曲线校准到小数点后两位，却对需求池只拍了个脑袋，那这个预测的精度就只有“拍脑袋”那个量级。

同一套方法，在强季节DTC和无季节B2B站上长什么样？

把骨架落到那两个对照案例上，会看到同一套方法产出的两条完全不同的曲线，也会看到各自真正的命门在哪。

滑雪装备DTC：命门在需求池收缩和季节形状

这个站的目标词里混着大量高搜索量的品类大词，但这些词的结果页几乎被综合电商和老牌品牌占满，自然位的可见度极低。它的预测，决定成败的不是“能不能排上去”，而是第一步需求池收缩做得够不够狠——把那些“排上去也没人点”的大词剔干净之后，真正可触达的是一批中长尾的具体型号、场景、选购对比词。第二个命门是季节形状：这个品类全年六成以上流量压在雪季前后四个月，预测如果出成一个年度总数再平摊，前八个月每个月都会“严重未达标”，团队会在淡季里疯狂瞎调，把好不容易攒起来的页面权重折腾没了。它的正确预测产物，是一条前低后高、峰值集中在雪季前导期的月度曲线，淡季的“低”是模型预期之内的，不该触发任何动作。这个站的敏感度分析会显示：结果对需求池收缩比例和季节指数极敏感，对单个词排到第几反而钝感。

B2B检测设备站：命门在点击截留和竞争位移

这个站正好相反。它几乎没有季节性，季节那一块乘的基本是1，不是命门。它的词量不大但意图极精准，决策周期长达数月。它真正的命门有两个：一是点击曲线——它的词大量伴随强实体结果和强品牌位，自然第一名的实际点击率被压得很低，套通用曲线会让预测高估近一倍；二是这个细分市场就那么几家在抢同一批词，是个近乎零和的小池子，你的流量增长很大程度上要从某个具体对手嘴里夺，而不是凭空从“市场增长”里来。所以它的预测必须显式建模竞争位移：如果某个对手刚加大投入、内容明显在升级，你对那批词的达成概率就要相应调低。它的月度曲线几乎是平的、缓慢爬升的，没有任何尖峰，但每个数都更硬，因为意图纯、转化路径短。同一套四块方法，在它身上几乎不用季节那块，却要额外加重竞争位移那块——这就是“预测不是套公式”的具体含义。

把滑雪站的四块真的乘一遍：一个示意算例

抽象说四块容易，落成数字才看得清命门怎么放大。下面是个纯示意的算例，数字是为讲清结构编的，不是某个站的真实战绩，重点看的是误差怎么在乘法链里被放大。假设滑雪站初步圈了一批词，按原始搜索量加总是每月一百万次。第一步需求池收缩：剔掉意图不符、自然位被综合电商和品牌词占满、以及超出本站权威可及的部分，真正可触达的大约只剩十五万——注意，单这一步就把基数砍掉了八成五，后面所有乘法都站在这个十五万上，这一步拍错十个百分点，终值就跟着错十个百分点。第二步名次转概率：这十五万分散在很多词上，按各词的达成概率分布算期望覆盖，假设期望能拿到其中四成的“有效曝光”，得六万。第三步套自有点击曲线：这类带强电商竞争的词，自有数据校准出的实际点击率远低于通用值，假设综合点击率落在百分之十二，得约七千二的去季节化月均自然访问。第四步叠季节：把这个基线乘上季节指数，雪季前导月份指数可能到三百以上、深淡季不到三十，于是产物不是“每月七千二”，而是一条峰谷差十倍的曲线。这个算例真正想说明的不是那些数字，而是：四步里只要需求池和点击曲线两步各拍偏一点，终值就能差出两三倍，而它们恰恰是最常被随手拍的两步——这就是前面说的“最弱环节定上限”落到算术上的样子。

怎么不靠水晶球，给出一个有区间、能被反驳的预测？

有了骨架和案例感，接下来是让这个预测“站得住”——经得起对方追问、扛得住现实波动。

单点数字是骗局，预测必须是情景区间

任何一个只有一个数字的流量预测，都该被怀疑，因为它隐藏了不确定性，而不确定性恰恰是这件事最该被讨论的部分。正确的产物是三档情景：保守档（关键假设都往不利方向取合理下界——词排得比预期慢、点击被AI概览吃掉更多）、中性档（假设取最可能值）、乐观档（往有利方向取合理上界）。三档不是为了显得严谨而摆个样子，每一档背后都要写清“它成立需要哪几个条件同时为真”。跟管理层对话时，真正有用的不是中性档那个数，而是保守档——它回答的是“最坏情况下这条线还值不值得投”，这个问题的答案才决定要不要干。把三档一起端上去，你从“报数字的人”变成了“管理风险的人”，这是预测在沟通层面最大的杠杆。

区间多宽才算诚实：带宽本身就是一句信息

给区间不等于就诚实了，区间的宽窄本身在传递信息，得拿捏。一个窄到几乎是单点的区间，是假装确定，等于没给区间；一个宽到“从基本没涨到翻三倍”的区间，覆盖了所有可能，听起来很谨慎，其实同样没用——它等于在说“我不知道”，却包装成了一张专业的表。区间的合理宽度，应该恰好等于你对这件事真实的无知程度：你对这个站、这类词掌握的真实数据越多，区间就该越窄；越是新站、越是没自有数据，区间就该诚实地宽，并明确说出它会随数据每月收窄。判断带宽合不合理有个朴素办法：保守档和乐观档分别要写出“它成立需要哪几个条件同时为真”，如果保守档的条件是“一切几乎都不顺”、乐观档是“一切几乎都顺”，而这两组条件你都认为有现实可能，那这个宽度就是诚实的；如果你为了让数字好看，把乐观档的成立条件偷偷设成了“正常发挥”，那再宽的区间也是装出来的。带宽是用来沟通把握程度的，不是用来给自己留退路的。

每个假设都要能指着说“如果这条错了，结果偏多少”

区间还不够，要做敏感度分析：逐个假设问“如果只有这一条偏离，最终结果会变多少”。这件事的产出极有价值，因为它会告诉你整个预测的命脉押在哪一两条假设上。前面两个案例已经说明，滑雪站的命脉在需求池收缩和季节指数，B2B站的命脉在点击截留和竞争位移——同样四块，敏感点完全不同。知道命脉在哪，资源就该往那里投——与其把十条假设都粗估，不如把那一两条决定性假设用真实数据砸实，其余的容许粗略。一个对所有假设都用同样粗的精度去估的预测，是把力气平均浪费了。敏感度分析也是对付质疑的利器：对方说“你这个词凭什么能排上去”，你可以直接回“这条假设就算完全不成立，整体也只偏百分之几，真正决定成败的是另外那条，我们来谈那条”——把争论引到真正重要的地方。

新站和老站的预测，根本不是一套方法

这是个分水岭，套错方法预测必废。老站有自己的历史数据：自有点击曲线、各竞争档位词的真实达成率、季节指数，全都能从过去十几个月里提出来，预测是“基于自己的历史外推”。新站什么都没有，硬套老站方法只会得到一个看着精确实则全是脑补的数。新站的正确做法是“借外部曲线进场，同时用自有数据替换”：点击曲线先借同类站的公开实测、季节形状先借品类趋势数据、达成率先借“这个权威度的新站通常多久能进某竞争档”的行业经验值，给出一个明确标注“高度不确定”的宽区间；然后从第一个月起按真实数据逐块替换借来的假设，通常三到六个月后，预测就从“借来的”收敛成“自己的”。新站预测最该承诺的不是某个数字，而是“这个区间会随数据进来每月收窄”这件事本身——这才是诚实且专业的姿态。

AI概览和零点击正在把“排名第几→多少流量”这条链改写

传统预测链条里有一个默认前提：排到某个名次，就能按点击曲线拿到对应比例的点击。这个前提正在被结果页的变化系统性地侵蚀。越来越多查询的第一屏被AI概览、实体结果、各种富媒体模块占据，把答案直接前置，用户看完就走，自然结果即使排第一也只分到被压缩过的残余点击。这对预测意味着一件具体的事：点击曲线这一块，必须额外乘一个“点击截留系数”，而且这个系数在按查询类型分桶时差异极大——信息型、问答型查询被截留得最狠，交易型、导航型相对安全。一个不把这层算进去的预测，会系统性高估信息类内容的流量，而很多内容站的预测恰恰大量押在信息类词上，于是整体偏高且偏得不自知。怎么估这个系数没有现成公式，但至少要做到：在预测里把它作为一条显式假设列出来、按查询类型分别取值、并把它列进敏感度分析——因为它正在成为很多站预测偏差里最大的那一块。

你不是在真空里涨：把竞争位移算进预测

还有一个几乎所有人都漏的维度：搜索结果页前几名的位置是有限的，你涨的那部分流量，很多时候不是从“市场总量增长”里凭空来的，而是从某个具体对手的位置上夺来的。这意味着两件事。其一，在竞争充分的细分市场，预测必须显式问一句“我要从谁手里抢这批位置，他正在做什么”——如果对手刚融资、内容明显在系统性升级，你那批词的达成概率就得往下调，而不是按自己单方面的努力线性外推。其二，反过来也成立：你自己一个大的内容升级或站点改版，可能把流量从对手那里吸过来，竞品那边会掉，他们也会反应。把市场当成一个你单方面努力就能线性变好的真空，是乐观档之所以总是过度乐观的根本原因之一——零和位置里，对手不是不动的靶子。预测里至少要为“前几名竞争格局在预测期内的变化”留一条显式假设，哪怕只是定性地标注“假设主要对手维持现状”，也比默认它不存在强，因为一旦这条被破，偏差会很大且来得突然。

预测做完之后，怎么让它真的有用而不是存档吃灰？

大多数预测做完就进了某个文档夹再没人打开，那等于没做。让它持续有用，靠下面这几条纪律。

预测要落成一条月度曲线挂在看板上，不是一个年终目标

一个只有年终一个数的预测，全年都没法用——你要等到十二月才知道对不对，那时什么都晚了。预测必须落成一条月度的预期曲线（带季节形状的那条），挂在团队天天能看到的看板上，每个月把实际值打上去和预期带对比。这样做的意义不是为了考核，而是为了把一个长周期的赌注，拆成每个月都能拿到的早期信号——连续两三个月稳定地在保守档下沿之外，说明某条假设系统性错了，这时候离年终还远，还来得及查、来得及调。等到年底才发现差得远，连归因的机会都没有了。月度曲线把“事后算总账”变成了“事中能干预”，这是它最大的价值。

偏差复盘：差在哪一块假设，比“差了多少”重要得多

到了复盘，绝大多数团队只会记录一个结论：“预测X，实际Y，差了百分之多少。”这个数字本身几乎没有信息量。有信息量的是把偏差拆回那四块去：是需求池估高了，还是排名达成比预期慢，还是点击曲线被AI概览截留得比预估狠，还是季节性判断错了，又或者某个对手的动作没算进去？因为预测是几块乘起来的，偏差也能乘法式地拆回去，定位到具体是哪一块、偏了多少。一次能拆回到具体假设的偏差复盘，比十次只记“差了多少”的复盘更能让模型变准，因为它告诉你下次该把哪一块的估计方法换掉。这也是为什么前面反复强调“预测要把假设写下来”——没写下来的假设，事后根本无法归因，复盘就退化成了记一个没用的差额。

预测准确率本身要被追踪，模型才会越用越准

把每次预测的偏差，按上面那种拆解方式记成一个长期台账，你会得到一个新的、很有价值的指标：你这个团队在这类站、这类词上的预测准确率，以及——更重要的——你习惯性地在哪一块高估、哪一块低估。比如经过几轮你发现自己总是把需求池估高两成左右，那从下一次起就可以系统性地修正这个已知偏倚。预测会不会越来越准，不取决于你用了多复杂的模型，而取决于你有没有把自己的预测偏差当成一个要长期追踪的对象。不追踪准确率的预测，每一次都是从零开始的猜测，做十年也不会比第一次强；追踪了，三五次之后它就开始有复利。

别只预测总量：流量结构变了，总数不变也是出事了

几乎所有人只预测一个数：总自然流量。这会漏掉一类很危险的情况——总量看着达标，底下的结构已经烂了。常见的有几种：品牌词流量在涨、非品牌词在掉，加总后总量持平，但你真正该靠SEO拿下的增量需求其实在流失，品牌涨只是市场和广告的功劳被算到了SEO头上；又或者高商业意图词的流量在退、低意图泛信息流量在涨，总量甚至更好看，但这批流量的转化价值完全不是一回事。所以预测时至少要把流量拆成两到三类分别预测：品牌与非品牌、高意图与泛信息，旺季依赖型与常年型。复盘时也按这几类分别对账，而不是只看一条总线。一个只盯总量的预测，会让你在结构性恶化已经发生时浑然不觉，还以为一切照计划进行——等到转化和营收掉下来才反应过来，已经晚了一两个季度。预测的颗粒度，应当至少粗略匹配这些流量在商业价值上的差异，否则那个达标的总数是会骗人的。

预测多久该重做一次，触发条件是什么

预测不是年初做一次就锁死到年底的。它该是滚动的：每个月用最新实际值校正一次假设、收窄一次区间，这是常规节奏。除此之外有几个事件应当强制触发一次重做，而不是等下个周期——结果页形态发生明显变化（比如目标词大面积出现AI概览）、一次核心算法更新之后排名结构重排、一个体量很大的内容或技术改动上线、或主要竞争对手出现明显动作。把预测当成年初签完就不动的合同，是它失效的最常见方式——环境变了它没变，于是后面每个月的对比都建立在一个已经过时的预期上，看似在盯曲线，其实在拿旧地图找新路。重做不等于推翻，多数时候只是把某一两块假设换成新证据、区间重新收窄，半天的事，但这半天决定了后面几个月的对比有没有意义。

把预测翻译成老板听得懂、且能拿去对赌的语言

最后一步，也是最多技术型选手栽的地方：预测做得再扎实，用错了语言端上去，等于没做。管理层不关心你的点击曲线怎么校准的，他们关心三件事——保守情况下这条线值不值得投、要投多少和投多久、以及凭什么相信你这次的数字。对应地，端上去的不该是一张满是关键词和名次的表，而是：三档区间（重点讲保守档）、这个预测靠几条关键假设支撑（点出敏感度最高那一两条）、以及随数据进来这个区间多久会收窄。这条预测最终会成为SEO预算与ROI模型的输入，所以它必须用对方能直接接着算钱的方式给出，而不是一个还要他自己翻译的技术产物。一个没法被翻译成“最坏情况、需要多少投入、多久能验证”这三句话的流量预测，无论算得多精，在决策桌上都是没用的。

常见问题解答

问：SEO流量到底能不能预测，会不会就是算命？

能预测但不可能精确。它的价值不在那个数字，而在逼你把假设写下来、能被反驳、事后能逐块归因。给区间和假设而不是单点数字，就不是算命。

问：流量预测和季节性预判是一回事吗？

不是。季节性预判是认出每年都来的规律、别把规律当事故；它在预测里只是其中一块输入（曲线形状）。预测回答的是能涨到多少、多有把握。

问：做预测第一步最容易错在哪？

把市场总搜索量加总当成可触达需求。必须按意图、结果页占用、站点权威三层收缩，最大的系统性高估几乎都发生在这一步。

问：为什么不能给目标词钉死一个未来名次？

钉死名次是赌博不是预测。应换成概率分布，估它落在各名次区间的概率再算期望，单词押错才不致命，也逼自己对竞争度诚实。

问：网上的“第一名点击率百分之多少”能直接用吗？

不能。点击曲线随查询类型、结果页形态、设备剧烈变化，套通用值是第二大系统性误差源。要用自有后台数据按查询分桶校准。

问：新站没有历史数据，怎么做预测？

借外部曲线进场（同类站点击率、品类季节趋势、行业达成经验值），给一个标注高度不确定的宽区间，再按真实数据逐月替换，三到六个月收敛成自有模型。

问：AI概览会让流量预测彻底失效吗？

不会失效，但必须在点击曲线上加一个按查询类型分桶的点击截留系数，信息问答型被截最狠。不算这层会系统性高估信息类内容流量。

问：预测做完最该交给老板的是什么？

不是中性档那个数，是保守档加关键假设加收窄节奏：最坏情况值不值得投、靠哪几条假设支撑、区间多久会随数据收窄。这三句话才进得了决策桌。