发现与机会
预测你的自然流量走向
让 AI Assistant 预测整个域名、某个子目录、某个 URL 分组或一组关键词的点击量,它会基于你自己仓储的 Search Console 历史数据生成预测,并与实际表现绘制在同一张图上。
- 100% 数据隐私
- 99.99% 正常运行时间
- 无需任何配置
- 随时导出,没有限制
获领先企业信赖
问题所在
流量预测通常是在表格里编出来的,客户看得出来。要认真做一份,就得导出好几个月的数据、手动建模,而只要有人问起另一个细分,这一切又得重来一遍。
基础知识
点击预测到底是什么
点击预测就是把你的网站在搜索中已经取得的表现往前推演,让你大致知道半年、一年或三年后自然流量会在什么位置。它是 SEO 里最接近营收预测的东西,也是每个客户、财务总监和董事会最终都会问到的问题。
点击模型的做法是读取某个分段的历史数据,无论它是整个域名、某个子目录、一组 URL 还是一组关键词,并观察它的形态。增长率、季节性、趋势的稳定程度,以及数字的月度波动幅度,都会进入预测,而你的历史数据越长,可用的信息就越多。
这正是数据入仓在这里如此重要的原因。Google 会在 16 个月后丢弃你的 Search Console 表现数据,也就是说,只靠 Google 做出来的预测只有不到一年半的历史可用,无法完整看到两轮季节周期。SEO Stack 从你接入的那天起保留所有数据,因此预测背后是多年的真实表现,而不是片面的视图。
你可以预测什么
提出预测需求,它就会生成
预测通过 AI Assistant 完成,所以你不用配置模型,只要描述你想要什么,它就会读取你入仓的数据,算出预测并画成图。
任何你能描述出来的细分
预测整个域名、某一个子目录、某个 URL 分组,或者按关键词、设备和国家进一步收窄。只要你能用一句话描述这个细分,助手就能为它做出预测。
向前 12、24 或 36 个月以上
自己选要看多远。时间窗口短一些通常更稳,长一些则更适合做规划和预算,你也可以两个都跑一遍再做对比。
不只是点击
展示次数、CTR 和平均排名同样可以按时间预测,而且往往更有用,因为一份看不到展示次数的点击预测,几乎说明不了曲线为什么会动。
实际与预测在同一张图上
真实的历史表现用实线画出,预测部分以虚线延续,这样已经发生的和预测出来的之间的衔接点始终看得见,而不会混成一片。
工具内部
从整个域名的预测,下钻到单个目录
当着你的面生成的站点预测
- 助手会把过程摊开来做:确定你的日期范围,按时间取出指标,然后画出图表
- 实际表现是实线,预测以虚线延续
- 图表下方有控件,用来缩放、重置到 100%、全屏展开,以及把图表下载为图片
- 追问一个问题,它会围绕答案重新生成图表

把子目录放在一起对比
- 在同一张图上预测多个 URL 分组,每个分组都有自己的实际线和预测线
- 适合用来规划预算投向,因为增长最快的目录不一定是你以为的那些
- 分组可以是助手能匹配到的任何东西,比如所有包含 /seo/ 或 /blog/ 的 URL
- 下方的表格数据按月拆分,让你除了图之外还能拿到具体数字

真正能用起来的图表
- 悬停任意一个点,查看该日期下每条序列的明细
- 放大缩小、拖动图表,以及全屏展开
- 把图表导出为图片,直接放进演示稿或报告里
- 不完整的数据点会被标注为不完整,而不是当作完整月份呈现
一点如实标注,差别很大
把不完整的月份标出来,而不是画成一次真实的下跌,可以避免别人从曲线最后一个点得出错误结论——这是预测被误读最常见的方式之一。

图表、表格与导出
你真正需要什么图,就要什么图
你不受限于某一种图表类型或某一种布局。描述你想看到什么,助手就会做出来,然后你可以带走。
折线图
按时间展示时的默认选择,实际与预测分开绘制,衔接处始终清楚。
柱状图
当你是在对比月份、目录或细分,而不是看趋势时,柱状图更合适。
饼图
适合展示预测点击在站点各个板块之间的分布。
按月的表格数据
按子目录、按月往后排的点击数据,让你拿到的是底层数字,而不只是一张图。
自定义报告
围绕某个具体问题要一份报告,它会把报告组装好,随时可以导出。
把做出来的东西导出去
图表可以下载为图片,报告数据可以导出,你做出来的任何东西都能直接放进演示稿或客户文档。
每张图都可交互
- 放大和缩小
- 拖动图表
- 全屏展开
- 下载为图片
把推演过程摊开给你看
问它这个预测是怎么得出的
无法追问的预测,就不该拿到客户面前。你可以问助手它看了哪些数据、回溯到多久以前、依据什么做的外推,以及这条曲线为什么是这个走势,它会用大白话告诉你。
你还能看到它一边做一边展示的过程,它确定日期范围、拉取指标、绘制图表的每一步都会显示出来,而不是藏在一个加载动画后面。如果预测里有什么看起来不对,你可以看到它是从哪来的。
了解更多 AI Assistant
适合谁用
SEO 为什么要做预测
代理商与自由职业者
提案能不能拿下,差别通常就在有没有预测,因为用潜在客户自己的 Search Console 历史数据做出来的预测,比一条泛泛的增长曲线有说服力得多。而且这只要几分钟,而不是在表格里耗一个下午。
企业内部 SEO 团队
谈预算时带上具体数字会顺利得多。能展示当前趋势会带来什么结果,以及网站某个特定板块预计能贡献多少,争取资源就容易得多。
客户报告
客户想知道接下来会怎样,而不只是过去发生了什么。在月度报告里加上前瞻视角,话题就从复盘过去变成了规划接下来几个季度。
有必要说清楚的一点
点击量预测是基于历史表现做出的推算,它不是预言,也不是承诺。它告诉你,如果情况大体照旧,当前的走势会带来什么结果,这对做规划确实有用,但绝不应该把它当成客户可以直接兑现的数字来呈现。
会让预测偏离现实的因素
核心更新可能一夜之间改变一切
一次 Google 核心更新就可能让网站大幅上升或下滑,而任何基于你过往表现建立的模型都无法预见这一点。这是预测与实际出现偏差的最大原因。
预测的前提是一切大致照旧
它假设你保持相近的发布频率,竞争对手不会有大动作,网站技术状况保持健康,市场也不会发生重大变化。实际情况中,这几条至少有一条通常是不成立的。
搜索结果本身也在不断变化
AI Overviews、AI Mode,以及越来越多在 LLM 内部完成的调研,都在改变有多少人最终会点击进入网站。历史点击行为对未来点击行为的参考价值,已经不如从前。
历史数据越短,误差范围越大
较新的网站,或只有几个月数据的细分板块,得出的预测远不如拥有多年连续历史数据的可靠。对这两者要区别对待。
我们建议把它当作趋势方向而不是目标,用区间的形式呈现,并随着新数据的到来定期重新审视。这样使用的话,它是你能拿给客户看的最有用的东西之一,而且每个月重新跑一次几乎不花什么成本。
你能从中得到什么
看结果,而不是功能列表
给客户一份基于他们自身表现的预测,而不是一个猜测
几秒钟就能对任意细分建模,不必每次重建表格
展示可能结果的区间,而不是承诺一个数字
连接一个资源,看着数据开始累积。
连接 Search Console 资源的那一刻,入库就开始了:不用配置 Google Cloud 项目,不用 BigQuery,也不用设计表结构。你只要连接资源,SEO Stack 就会从那天起存下你的每一行数据。
- 需要信用卡
- 在试用期内取消不会扣款
- 无合约