同样，一些依据（例如“如果我们在 X 组的每个关键字中与竞争对手 A 交换位置，而他们目前排名高于我们，会怎么样？”）。 基于历史数据的统计预测，当您根据以前的趋势和季节性推断时，看看如果一切保持不变（您和竞争对手的营销活动水平相同等）会发生什么。 第二种类型有其优点，但如果您将 Ahrefs/SEMRush/Sistrix 数据与您自己的分析进行比较，您就会发现这很难概括。
顺便说一句，我认为第一种类型并不像看上去那么荒谬，但这不是我在这篇 加纳电话数据 文章中进一步探讨的内容。无论如何，这篇文章中的模板符合第三种类型。 是什么让这个成为 SEO 预测？ 为什么，什么都没有。你会注意到，我对上述第三种类型的描述没有提到任何与 SEO 相关的内容。例如，它同样适用于直接流量。话虽如此，我建议将其作为 SEO 预测有几个原因： 我们在 Moz 博客上，我是一名 SEO 顾问。 许多其他渠道还有更好的方法可用。
我在上面提到过，第二种类型非常具有挑战性，这是因为 SEO 具有高度的不确定性，而且 Search Console 和其他 SEO 专用平台的详细数据质量通常较差。此外，要准确了解季节性，您需要至少存储 Search Console 数据几年。 对于许多其他渠道，确实存在高质量、详细的历史数据，而且关系更加可预测，从而可以进行更精细的预测。例如，对于付费搜索，我上面提到的Forecast Forge工具会根据您的历史数据构建关键字级转化数据和每次点击费用等因素，而这对于 SEO 来说非常不切实际。