Twoja strona ma zwykle około 400 odwiedzających tygodniowo. Ale w zeszłym tygodniu było 600. W następnym może być 300. Wzorzec nie jest losowy: jest sezonowy. Latem ruch jest mniejszy. Pod koniec miesiąca większy. W dni robocze większy niż w weekendy.
Prognozowanie szeregów czasowych wykorzystuje te wzorce do przewidywania przyszłego ruchu. Ten artykuł pokazuje, jak rozpoznawać wzorce w danych i używać ich do prognozowania tego, co nadchodzi.
Prognozowanie szeregów czasowych to analiza danych historycznych uporządkowanych w czasie i używanie wzorców do przewidywania przyszłych wartości. Patrzysz na ruch tydzień po tygodniu lub miesiąc po miesiącu przez rok. Rozpoznajesz wzorce (szczyty, doliny, cykle sezonowe). Potem rzutujesz te wzorce w przód.
W odróżnieniu od ogólnej analityki predykcyjnej, prognozowanie szeregów czasowych dotyczy właśnie sekwencji w czasie. Uznaje, że to, co działo się w zeszłym tygodniu, wpływa na to, co dzieje się w tym. Pogoda może wpływać na ruch. Pory roku wpływają na zakupy. Dni tygodnia wpływają na zachowanie.
Jakie wzorce występują w danych strony
Większość stron ma powtarzalne wzorce. Nauka ich dostrzegania to pierwszy krok do prognozowania.
Wzorce dobowe
W dni robocze strony B2B mają większy ruch niż w weekendy. W weekendy większy mają strony e-commerce i rozrywkowe. Rano jest więcej wizyt z biur niż po południu. Te wzorce są powtarzalne z tygodnia na tydzień.
Jeśli ruch wynosi 600 w poniedziałki i 400 w soboty, ten wzorzec zapewne się powtarza. Prognozowanie szeregów czasowych wykorzystuje tę regularność.
Wzorce tygodniowe
Jeśli publikujesz treści we wtorki, ruch rośnie we wtorek. Jeśli wysyłasz kampanie e-mailowe w czwartkowe poranki, ruch szczytuje w czwartek. Te wzorce powtarzają się co tydzień.
Śledź miesiąc danych, a zobaczysz rytm tygodniowy. Gdy go zobaczysz, możesz go przewidywać.
Wzorce sezonowe
Styczeń jest spokojniejszy niż grudzień. Lato jest spokojniejsze niż jesień. Czas rozliczeń podatkowych to większy ruch dla usług księgowych. Prognozowanie szeregów czasowych wychwytuje te cykle wielomiesięczne.
Potrzebujesz co najmniej roku danych, by rozpoznać wzorce sezonowe. Sześć miesięcy to minimum dla wzorców tygodniowych.
Wzorce trendu
Poza cyklami sezonowymi niektóre strony mają dłuższe trendy. Nowe strony rosną stabilnie (trend wzrostowy). Dojrzałe strony się stabilizują. Niektóre spadają. Prognozowanie szeregów czasowych oddziela długoterminowy trend od szumu sezonowego.
Jeśli Twój trend to wzrost o 10 procent rocznie, a wzorzec sezonowy pokazuje skoki w czwartym kwartale, możesz prognozować czwarty kwartał następnego roku: czwarty kwartał z zeszłego roku plus 10 procent wzrostu plus korekta sezonowa.
Matematyka za prognozowaniem szeregów czasowych
Nie musisz znać matematyki, by tego używać, ale zrozumienie idei pomaga.
Prognozowanie szeregów czasowych rozbija dane na składniki:
Trend: długoterminowy kierunek (wzrost, spadek, płasko)
Sezonowość: powtarzalne wzorce (dobowe, tygodniowe, miesięczne, roczne)
Zmienność losowa: szum, który nie podąża za wzorcem
Wzór: wartość rzeczywista = trend + sezonowość + losowość
Prognoza przewiduje trend i część sezonową. Część losowa pozostaje nieprzewidywalna.
Przykład: Twój ruch w tym tygodniu wyniósł 500.
Składnik trendu: +50 (wzrost o 50 tygodniowo)
Składnik sezonowy: +100 (ten tydzień to szczyt sezonu)
Składnik losowy: -50 (sam szum)
Rzeczywista: 50 + 100 - 50 = 100. Baza 400 + 100 = 500.
W następnym tygodniu bez specjalnego wydarzenia (bez losowego skoku):
Trend: +50
Sezonowość: -75 (następny tydzień to poza szczytem)
Losowość: 0
Prognoza: 400 + 50 - 75 = 375
To uproszczenie, ale idea jest taka, że prognoza oddziela sygnał (trend plus sezon) od szumu (losowość).
Proste metody prognozowania dla właścicieli stron
Nie potrzebujesz skomplikowanych algorytmów. Proste metody działają dobrze.
Metoda 1: Porównanie tego samego okresu
Ruch w ten poniedziałek wynosił średnio 600 w ciągu ostatniego roku. Następny poniedziałek będzie zapewne około 600.
To najprostsza prognoza: spójrz na ten sam dzień lub tydzień rok temu.
Metoda 2: Trend plus sezonowość
Ruch wzrósł o 10 procent rok do roku, a grudnie są o 50 procent wyższe od średniej.
Prognoza na grudzień następnego roku: (zeszły grudzień) razy 1,10 (dla 10 procent wzrostu) daje Twoją prognozę.
Metoda 3: Średnia ruchoma
Uśrednij ostatnie 4 tygodnie ruchu. To Twoja baza. Potem dodaj korektę sezonową.
Jeśli baza wynosi 500, a grudzień zwykle ma 550, Twoja prognoza na grudzień to 550.
Metoda 4: Wygładzanie wykładnicze
Daj większą wagę nowszym danym niż starym. Ostatnie tygodnie liczą się bardziej niż dane sprzed roku, bo sytuacja się zmienia.
Jeśli ostatnie 4 tygodnie dały średnio 480, a średnia sprzed roku wynosiła 450, ufaj bardziej nowszym danym. Prognozuj bliżej 480 niż 450.
Dekompozycja sezonowa: kluczowa technika
Dekompozycja sezonowa rozdziela dane na składniki trendu, sezonowości i losowości. To fundament większości trafnych prognoz.
Krok 1: Zbierz pełny rok danych (albo kilka lat, jeśli zależy Ci na trafności).
Krok 2: Oblicz średnią dla każdego okresu (każdy poniedziałek, każdy miesiąc itd.). To Twoje wskaźniki sezonowe.
Krok 3: Oblicz trend, dopasowując linię do danych. Rośnie? Spada? Płasko?
Krok 4: Usuń trend i sezonowość, by zobaczyć szum. Zmienność losowa to to, co zostaje.
Krok 5: Rzutuj w przód na podstawie składników trendu i sezonowości. Dodaj z powrotem wahania sezonowe do linii trendu.
Możesz to zrobić prostą matematyką w arkuszu albo użyć narzędzi prognostycznych, które robią to automatycznie.
Narzędzia, które ułatwiają prognozowanie szeregów czasowych
Nie potrzebujesz zaawansowanego oprogramowania. Wystarczą podstawowe narzędzia:
Google Sheets: wbudowana funkcja FORECAST
Inne arkusze kalkulacyjne: FORECAST lub FORECAST.LINEAR
Biblioteki Pythona: Prophet (stworzony przez Facebooka), ARIMA, LSTM
Platformy analityczne: wiele z nich śledzi prognozy automatycznie
Analityka WEMASY mogłaby zintegrować prognozowanie i pokazywać przewidywany ruch na następny miesiąc na podstawie wzorców historycznych.
Ograniczenia prognozowania szeregów czasowych
Prognozowanie szeregów czasowych zakłada, że przeszłość przewiduje przyszłość. Nie uwzględnia wyjątkowych zdarzeń.
Jeśli uruchomisz dużą kampanię, prognoza się rozsypie. Jeśli Google zmieni wyniki wyszukiwania, prognoza będzie błędna. Jeśli zmieni się gospodarka, wzorce się zmienią.
Prognozowanie szeregów czasowych działa, gdy warunki są stabilne. Zawodzi, gdy warunki się zmieniają.
Jak używać prognoz w praktyce
Prognozy nie są gwarancjami. To wskazówki do planowania.
Jeśli prognozujesz 600 odwiedzających w następnym tygodniu, planuj pod 600, ale zachowaj elastyczność. Jeśli wyjdzie 450, zbadaj, co się zmieniło. Jeśli wyjdzie 800, ciesz się, ale zrozum dlaczego.
Używaj prognoz do:
Planowania mocy: Czy potrzebujesz więcej serwerów? Więcej osób w obsłudze?
Planowania kampanii: Kiedy najlepiej wystartować?
Prognozowania przychodów: Jak będą wyglądać przychody w następnym kwartale?
Porównania z bazą: Czy ta zmiana coś przesunęła, czy to tylko sezonowość?
Najczęściej zadawane pytania
Ile danych historycznych potrzebuję, by prognozować trafnie?
Co najmniej 6 miesięcy dla wzorców tygodniowych. Co najmniej 2 lata dla wzorców sezonowych (by zobaczyć kilka cykli). Więcej danych oznacza trafniejsze prognozy. Gdy masz rok, możesz prognozować pewnie. Dzięki kreatorowi stron WEMASY możesz to ustawić bezpośrednio na swojej stronie.
A jeśli moje dane są chaotyczne i nie mają wyraźnego wzorca?
Niektóre strony mają nieprzewidywalny ruch (nowe strony, treści viralowe, wiadomości polityczne itd.). Prognozowanie szeregów czasowych wymaga wzorców. Jeśli Twoje dane to szum, prognozowanie nie pomoże. Skup się raczej na trendzie.
Czy mogę prognozować różne segmenty ruchu osobno?
Tak. Prognozuj osobno wyszukiwarkę organiczną, reklamy i e-mail. Każde źródło może mieć inne wzorce. Potem zsumuj je w prognozę łączną. To często działa lepiej niż prognozowanie ruchu całkowitego.
Czy korygować prognozę ręcznie?
Jeśli wiesz, że coś nadchodzi (kampania, premiera produktu, wydarzenie sezonowe), skoryguj prognozę, by to uwzględnić. Algorytm nie wie o wydarzeniach, Ty wiesz. Użyj swojej wiedzy, by dopracować prognozę.
Jak często aktualizować prognozę?
Co najmniej raz w miesiącu. Dodaj nowe dane, przelicz prognozę. Jeśli wzorce się zmieniają (nowa kampania, zmiana rynku), przelicz od razu. Nie zakładaj, że prognoza z zeszłego miesiąca nadal obowiązuje.
Czy prognozowanie szeregów czasowych to to samo co analityka predykcyjna?
Podobne, ale inne. Analityka predykcyjna używa wielu zmiennych (wydatki na reklamy, rodzaj treści, sezonowość itd.). Prognozowanie szeregów czasowych skupia się na jednej zmiennej uporządkowanej w czasie. Szeregi czasowe są prostsze, predykcja jest bardziej złożona.