Le « SEO Forecasting » : où comment (bien) utiliser l’IA pour prévoir son trafic et sa visibilité

Lorsqu’il s’agit de défendre un projet d’optimisation du SEO, il n’est pas rare d’entendre un contre argument : il est difficile de prédire l’impact du SEO.

Si on fait la comparaison avec d’autres canaux en digital marketing, c’est souvent un mauvais procès. Car ce qui gêne souvent les décideurs, c’est que les résultats peuvent s’inscrire dans une large fourchette, mais cela n’empêche pas réellement de faire des prévisions. Et encore moins de prendre des décisions : si le bas de la fourchette correspond à un ROI positif pour le chantier, alors on peut le lancer les yeux fermés.

Depuis quelques années, nous disposons d’outils statistiques à base de machine learning qui permettent d’affiner ces prévisions en tenant compte de tous les facteurs qui peuvent influencer les résultats. Ces outils existent aussi sous forme de solutions en SaaS.

Le SEO Forecasting est devenu depuis peu une nouvelle pratique chez les référenceurs américains. Nous allons voir en quoi c’est nouveau, quels outils peuvent être utilisés, et enfin les limites de l’exercice

En quoi le SEO Forecasting est nouveau ?

L’aspect nouveau dans le SEO Forecasting, ce sont les méthodes statistiques utilisées pour faire des prévisions. Jusqu’ici, je suppose que la plupart d’entre vous se contentaient de banales extrapolations à partir des tendances récentes du trafic pour prédire le nombre de clics générés dans les prochaines semaines ou prochains mois.

Mais le problème de ces analyses de tendance, c’est qu’elles ne tiennent souvent pas compte de phénomènes de long terme, en particulier la saisonnalité. Mais aussi des informations sur les tendances visibles à plusieurs échelles de temps.

Faire des prévisions sans tenir compte de tous ces facteurs conduit en général à de mauvaises conclusions. Cela a amené les financiers à utiliser d’autres outils depuis de nombreuses années pour prédire les évolutions du cours de la bourse.

Mais heureusement, vous avez maintenant accès à des outils faciles à utiliser permettant d’analyser des séries de données temporelles et d’en tirer des meilleures prévisions. Mais attention : prévision n’est pas prédiction. Ces outils ne savent pas prédire l’avenir. Ils sont juste capables de fournir des prévisions chiffrées en fonction d’un modèle, et d’hypothèses.

Les librairies gratuites pour faire du SEO Forecasting

L’un des outils les plus utilisés pour prédire l’évolution d’une série de données temporelle, c’est « Prophet » de Facebook (pardon Meta)

Prophet a été créé en 2017, et a connu un succès immédiat car il est simple à utiliser. Il existe depuis 2020 une version plus sophistiquée baptisée « Neural Prophet », qui utilise le Deep Learning. En fait les deux modèles continuent d’être utilisés, car Neural Prophet fonctionne mieux que son ancêtre sur de petits jeux de données, mais Prophet est équivalent sur de gros jeux de données.

Pour utiliser Prophet il faut connaître un peu les langages R ou Python.

Vous trouverez la librairie ici :

https://facebook.github.io/prophet/

Pour utiliser la librairie c’est simple :

• vous chargez votre série temporelle : par exemple le trafic seo quotidien sur les 16 derniers mois
• et vous lancez l’outil
• tout le reste est automatique

Notez que l’on peut utiliser aussi une librairie fournie par Linkedin : Greykite, ou TensorFlow de Google.

Les outils sur l’étagère

Si vous n’êtes pas à l’aise avec Python et R et si vous n’avez aucune base en statistiques, alors la solution c’est de passer par un outil spécialisé.

Vous pouvez par exemple utiliser l’extension payante pour Google Spreadsheet ForecastForge.

Le SEO Forecasting est intégré dans des outils SEO généralistes :

• aHrefs (sous forme de tutoriels pour réutiliser les données dans Google Colab)
• ou SEO Clarity.

Ces outils payants ont néanmoins deux défauts : ils ne vous informent pas sur le modèle statistique utilisé, or chaque modèle à ses biais et ses défauts. Et ils donnent des résultats sans forcément vous éclairer sur :

• la confiance que vous pouvez accorder à ces prévisions
• comment interpréter correctement les courbes

Les limites du SEO Forecasting

Ces nouveaux outils, bien utilisés, peuvent réellement améliorer la qualité des prévisions. Mais il faut bien connaître leurs limites.

Tout d’abord, ces outils aident à analyser finement les tendances et les cycles que l’on peut observer grâce aux données observées dans le passé. Déjà, la qualité de la prévision dépend de la quantité de données dont vous disposez : si votre série comporte des données quotidiennes, plus vous disposez de jours de données, meilleures seront les prévisions. A condition toutefois que les données les plus anciennes soient encore pertinentes, ce qui n’est pas toujours le cas.

Par ailleurs ces prévisions ont une utilité plutôt à court terme, voire à moyen terme. A long terme (plusieurs mois), votre environnement concurrentiel aura changé, et l’algorithme de Google aura également connu des changements. Et les prévisions du modèle ne seront plus valables, car le contexte ne sera plus le même. La solution, c’est de recalculer les modèles régulièrement, au moins tous les mois, pour disposer en permanence de prévisions réajustées.

On voit aussi qu’il faut une certaine expérience en analyse de données et des bases en statistiques pour ne pas produire des prévisions trompeuses ou sans intérêt pratique : ces outils donnent une impression de facilité et de simplicité, mais le danger c’est de mal les utiliser.

Enfin, le principal écueil c’est de savoir interpréter ces prévisions pour prendre des décisions. Et là, ces outils ne vous aideront pas.

Néanmoins, ils ont leur place dans la panoplie du SEO moderne, et il faut apprendre à les utiliser. C’est pour cela que nous allons publier un tutoriel pour vous apprendre à les utiliser sur un cas concret…

Dans deux semaines : la première étape de notre tutoriel pour apprendre à utiliser la librairie Prophet à des fins de SEO Forecasting