Перейти до змісту
SEO2026

Частина VII · ВИМІРЮВАННЯ

Прогнозування: як оцінювати трафік, результат і ресурс без магії

Глава 36 / 43 · 1 058 слів · ~6 хв читання

Матеріал опубліковано за книгою «SEO 2026: Пошук в еру AI» Михайла Оплаканця (Werter). Офіційна авторська публікація.

Read in English

SEO-прогноз — не обіцянка майбутнього. Це прозора модель припущень: попит × досяжна видимість × CTR × конверсія × цінність, плюс час, обмеження й діапазон невизначеності.

Стан даних і джерел: 14 вересня 2026 року

Найгірший SEO-прогноз — число з двома знаками після коми на 12 місяців: «очікуємо 1 284 732 кліки». Воно виглядає точним, але приховує невідомі: позиції, зміни SERP, дії конкурентів, відповіді ШІ, сезонність, індексацію та затримки впровадження.

Я прогнозую не одне число, а систему сценаріїв. Прогноз потрібен для порівняння рішень і планування ресурсів, а не для імітації контролю над Google.

Рис. 36.1. Прогноз як ланцюг припущень, а не одна магічна метрика.
Рис. 36.1. Прогноз як ланцюг припущень, а не одна магічна метрика.

36.1. Прогнозуйте економіку окремого рішення

Для контентного кластера я можу прогнозувати місячні кліки й конверсії. Для технічного виправлення — кількість сторінок, для яких відновлено можливість індексації, або відвернені втрати. Для міграції — діапазон ризику. Для посилальної кампанії — не «DR +10», а очікуваний внесок у результат цільових сторінок, але з великою невизначеністю.

Модель має відповідати типу рішення. Не треба змушувати кожне SEO-завдання давати «прогноз трафіку», якщо його цінність — надійність або зменшення ризику.

36.2. Базовий рівень попиту

Частотність пошуку зі стороннього інструмента — оцінка, а не повний облік. Я уточнюю її за власними даними GSC там, де сайт уже має покази. Для нового ринку використовую діапазони й враховую сезонність. Google Trends допомагає зрозуміти напрям зміни, але не дає абсолютного обсягу.

Для набору автоматично згенерованих сторінок я не додаю частотність тисяч ключових слів без усунення повторів наміру. Одна сторінка може ранжуватися за сотнями синонімів; сума їхньої частотності завищує обсяг попиту, який можна охопити.

36.3. Сценарії позицій і видимості

Замість «вийдемо в топ-3» я задаю розподіли: низький сценарій — сторінка 2 видачі й невелика частка в топ-10; базовий — частина кластерів у топ-5–10; високий — велика частка в топ-3. Для кожної групи використовую власний спостережуваний CTR, якщо є дані.

Загальна крива CTR із дослідження — початкова оцінка, а не істина. Брендові й небрендові запити, пристрій, розширені результати, AI Overviews і намір запиту різко змінюють CTR. Найкраща модель CTR — власні історичні дані GSC за схожими класами запитів.

36.4. Коригування прогнозу з урахуванням ШІ та пошуку без переходів

У 2026 видимість за інформаційними запитами може давати нижчий CTR переходів на зовнішні сайти через AI Overviews та інші відповіді в SERP. Я не застосовую один «штраф від ШІ = 40%» до всієї моделі. Сегментую запити за форматом видачі й наміром та використовую спостережувані дані або діапазон сценаріїв.

Використання пошуку може зростати, а віддача в кліках — падати. Тому зростання попиту й зростання трафіку — різні параметри прогнозу.

36.5. Динаміка індексації нових сторінок

Для 50 000 нових URL я не припускаю, що всі вони проіндексовані в день запуску. Модель має враховувати послідовність: створення → виявлення → сканування → індексація → покази. Коефіцієнти беру з пілотного запуску або історичних даних такого самого шаблону.

Якщо пілотний запуск показав 65% проіндексованих сторінок через 28 днів і 80% через 90 днів, прогноз має це відображати. Інакше дохід «з першого місяця» просто математично неможливий.

36.6. Конверсія й цінність

SEO-трафік неоднорідний. Комерційні сторінки й інформаційні статті мають різну конверсію. Я прогнозую на рівні типу сторінки та наміру. Для електронної комерції краще використовувати маржу, а не валовий дохід, якщо рішення стосується бюджету.

Для залучення потенційних клієнтів використовую частку якісних заявок і частку закритих продажів; для партнерського бізнесу — EPC або перехід від реєстрації до FTD, якщо є дані. Якщо даних про подальші дії немає, прямо показую, де модель обривається.

Таблиця 36.1. Приклад сценарної моделі.
ПараметрНизькийБазовийВисокий
URL, придатні до показу8 00010 00010 000
Частка проіндексованих через 90 днів55%75%85%
Покази на проіндексований URL120180240
CTR2.0%3.0%4.0%
Коефіцієнт конверсії1.5%2.0%2.5%
Цінність однієї конверсії€35€35€35

36.7. Прогнозуйте ресурси, а не лише результат

Проєкт може мати великий потенціал трафіку й бути поганим рішенням через витрати на розробку та контент. Я додаю потрібні ресурси: дні роботи розробників, редакторські години, інженерію даних, посилання, дизайн і підтримку.

Це дозволяє порівняти «10k автоматично згенерованих сторінок» із «виправленням помилки canonical» не за захопливістю ідеї, а за очікуваною цінністю, вартістю, впевненістю та часом до результату.

36.8. Час до результату

SEO-зміни діють із затримкою. Технічне виправлення може стати помітним після повторного сканування; контент — після індексації й переоцінки; вплив авторитетності ще менш передбачуваний. Прогноз із накопичувальною кривою реалістичніший за рівну лінію.

Я показую поступове нарощування в місяці 1–3, масштабування в 4–6 і стабільність або спад у 7–12, якщо це відповідає механіці. Якщо даних немає, діапазон має бути ширшим, а не «середня затримка 47 днів».

36.9. Оцінка впевненості

Впевненість — не відчуття на 8/10. Я оцінюю окремо докази попиту, визначеність реалізації, можливість індексації, історичний аналог, дані про конверсію та відставання від конкурентів. Потім пояснюю, чому діапазон сценаріїв такий широкий.

Прогноз із низькою впевненістю може бути корисним, якщо потенціал великий, а тест дешевий. Його просто не можна подавати фінансовому директору як гарантований дохід.

36.10. Перевірка попередніх прогнозів за фактичними результатами

Щокварталу я беру старі прогнози й порівнюю з фактом: де помилилися в попиті, частці індексації, CTR, конверсії та строках. Це найкращий спосіб удосконалювати модель.

Якщо прогнози ніколи не перевіряють за фактичними результатами, команда не прогнозує — вона пише документи для продажу ідеї.

36.11. Не перетворюйте прогноз на KPI

Коли прогноз стає обов’язковим планом, команда починає підганяти припущення або оптимізувати короткострокові показники, що лише справляють враження. KPI — система оцінки результативності, прогноз — модель прийняття рішень. Вони пов’язані, але не тотожні.

Я фіксую версію припущень і змінюю прогноз лише тоді, коли з’являються нові факти, а не щоб «повернути план у зелену зону».

36.12. Проста формула

Для групи сторінок базова модель може бути такою: `Eligible URLs × Index rate × Impressions per indexed URL × CTR × Conversion rate × Value`. Вона груба, зате прозора. Складніша модель має сенс лише тоді, коли допомагає прийняти краще рішення.

Після запуску кожний множник має бути замінним на фактичні дані. Тоді прогноз поступово перетворюється на робочу модель.

У цій формулі перемножуються кількість URL, придатних до показу, частка індексації, покази на проіндексований URL, CTR, коефіцієнт конверсії та цінність конверсії.

Джерела до Глави 36

1. Google Search Central. Debugging traffic drops. https://developers.google.com/search/docs/monitor-debug/debugging-search-traffic-drops — Сезонність, оновлення, технічні проблеми й попит.

2. Google Search Central. Search Console Performance data. https://developers.google.com/search/blog/2022/10/performance-data-deep-dive — Власні покази й кліки як дані для уточнення моделі.

3. Search Console Help. Generative AI performance report. https://support.google.com/webmasters/answer/16984139?hl=en — Видимість у системах ШІ як окремий рівень вимірювання.

4. Google Analytics Help. Traffic source dimensions. https://support.google.com/analytics/answer/15612152?hl=uk — Сегментація конверсій і цінності за джерелом та сесією.

Ілюстрації розміщено біля відповідних підписів. Оригінальні зображення зберігаються окремо від тексту.