Czym jest przewidywanie, a czym nie jest

Ustalmy zakres, bo słowo „predykcja” bywa używane do sprzedawania rzeczy, które nią nie są.

Nie mówię o przewidywaniu decyzji Google. Nikt spoza Google nie przewidzi terminu ani zakresu aktualizacji algorytmu, a osoby, które twierdzą inaczej, opisują po fakcie to, co już się stało. Mówię o czymś węższym i wykonalnym: o rozpoznaniu, że dana grupa fraz weszła w stan, w którym spadek jest prawdopodobny, i o zrobieniu czegoś, zanim przełoży się on na zamówienia.

Ta różnica jest praktyczna. W pierwszym ujęciu czekamy na wyrocznię. W drugim pracujemy z sygnałami, które mamy u siebie: własnymi danymi z wyszukiwarki, danymi sklepu i informacjami o tym, co sami zmieniliśmy.

Warto też z góry przyjąć, że taki system generuje fałszywe alarmy. Jeśli nie generuje, jest ustawiony zbyt wysoko i odezwie się dopiero wtedy, gdy będzie po wszystkim. Sensowny próg to taki, przy którym raz w tygodniu sprawdzam kilka pozycji niepotrzebnie.

Dane, które trzeba zbierać wcześniej, niż będą potrzebne

Największym ograniczeniem nie jest metoda, a horyzont danych. Standardowy raport skuteczności trzyma szesnaście miesięcy, co w sklepie z wyraźną sezonowością nie wystarczy, żeby odróżnić spadek od cyklu.

Dlatego w projektach, w których ma to sens, uruchamiam eksport zbiorczy danych z Search Console do hurtowni. Od dnia włączenia dane odkładają się bez limitu czasowego i w rozdzielczości pojedynczych zapytań, adresów i krajów. Jest to jedna z niewielu decyzji analitycznych, których nie da się nadrobić później — historii nie zaimportujesz wstecz.

Do tego dokładam trzy zestawy, które w sklepach zwykle leżą osobno:

• Dane sprzedażowe i asortymentowe — dostępność, ceny, wycofania i zmiany kategorii. Połowa spadków „widoczności” ma źródło w tym, że produkt zniknął z magazynu albo zmienił adres.

• Dziennik zmian po naszej stronie — wdrożenia, migracje, zmiany szablonów, korekty treści kategorii. Bez tego każda analiza kończy się zdaniem „coś się stało w połowie marca”.

• Dane o ruchu z podziałem na kanały, w tym wydzielony ruch z asystentów. Domyślna grupa kanałów nie klasyfikuje go osobno, więc w GA4 zakładam własną grupę kanałów opartą na wyrażeniu regularnym i pilnuję, żeby lista rozpoznawanych źródeł była aktualizowana.

Wskaźniki, które reagują pierwsze

Przychód jest wskaźnikiem opóźnionym i to dlatego wszystkie raporty oparte na nim są raportami z sekcji zwłok. Obserwuję więc rzeczy, które zmieniają się wcześniej.

Pierwszy to rozjazd między pozycją a wyświetleniami. Fraza trzyma pozycję, a wyświetleń jest coraz mniej — to znaczy, że zmienia się popyt albo wygląd strony wyników, a nie nasza strona. Drugi to spadek liczby kliknięć przy stałych wyświetleniach i stałej pozycji, czyli sygnał, że coś przechwytuje uwagę wyżej albo że nasz opis przestał odpowiadać na zapytanie.

Trzeci wskaźnik to zwężanie się portfela zapytań dla danej podstrony. Kategoria, która rok temu zbierała kilkaset różnych fraz, a dziś zbiera sto, zwykle traci nie pozycję, lecz dopasowanie tematyczne — i to jest zapowiedź spadku, a nie jego skutek. Czwarty, najbardziej niedoceniany, to udział zapytań brandowych w ruchu na daną kategorię. Gdy rośnie, bo maleje ruch niebrandowy, ogólny wykres wygląda spokojnie i maskuje realny ubytek.

Do tego dochodzą sygnały spoza wyszukiwarki: rosnąca liczba wyszukiwań w samym sklepie bez wyników, wzrost odsetka niedostępnych produktów w kategorii, zmiany cen wyprzedzające sezon. W sklepach te trzy rzeczy wyprzedzają spadki ruchu wyraźniej niż cokolwiek, co pokazuje narzędzie do monitoringu pozycji.

Rozdzielenie przyczyn, zanim zapadnie decyzja

Alarm bez diagnozy prowadzi do najgorszej możliwej reakcji, czyli do przepisywania treści na wszelki wypadek.

Dlatego każdy sygnał przechodzi u mnie przez cztery pytania. Czy spadek dotyczy tylko nas, czy całej kategorii — to sprawdzam po zachowaniu grupy fraz, nie jednej. Czy zmienił się popyt sezonowo — porównuję z tym samym okresem rok wcześniej, a nie z poprzednim miesiącem. Czy zmieniliśmy coś sami — stąd dziennik zmian. I czy zmienił się wygląd wyników dla tego typu zapytań.

Rozstrzygnięcie ma bezpośrednie konsekwencje. Jeśli spada cała kategoria, robota polega na przygotowaniu się na mniejszy rynek, a nie na ratowaniu jednej podstrony. Jeśli spada tylko nasza witryna przy stabilnym rynku, szukam przyczyny u siebie i zwykle ją znajduję we wdrożeniu z ostatnich tygodni.

Prosty system alertów zamiast modelu

Zanim ktokolwiek zaproponuje uczenie maszynowe, warto sprawdzić, ile daje arytmetyka.

Buduję to zwykle tak: dla każdej istotnej grupy stron liczę tygodniowe wartości kilku wskaźników z poprzedniej sekcji, wyliczam odniesienie z ostatnich kilkunastu tygodni z uwzględnieniem tego samego okresu rok wcześniej i ustawiam progi odchylenia. Przekroczenie progu w dwóch kolejnych tygodniach trafia na listę do sprawdzenia przez człowieka.

Kluczowa jest agregacja. Alerty na poziomie pojedynczych fraz to szum — w sklepie z dużym asortymentem codziennie kilkaset fraz zachowa się dziwnie z przyczyn losowych. Alerty na poziomie grup stron i grup zapytań mają sens, bo pokazują zjawisko, a nie wahanie.

Model statystyczny wchodzi do gry dopiero wtedy, gdy taki system działa od kilku kwartałów i mamy z czego się uczyć. Wcześniej byłby przewidywaniem na podstawie danych, których nikt nie sprawdził.

Ograniczenia, o których trzeba mówić w raporcie

Jest jedna rzecz, którą w 2026 roku muszę powiedzieć każdemu klientowi sklepu, żeby raport był uczciwy.

Coraz większa część kontaktu z ofertą odbywa się w interfejsach, których nie widzimy w danych tak, jak widzieliśmy klasyczne wyniki. Wyświetlenia i kliknięcia z trybu AI są w raporcie skuteczności zliczone razem z pozostałymi i nie mamy dla nich osobnego raportu. Ruch z asystentów AI trafia do sklepu z referrerem, który da się rozpoznać, ale tylko wtedy, gdy referrer w ogóle przyjdzie — inaczej ląduje w ruchu bezpośrednim.

Praktyczny wniosek jest taki, że część spadku wykrytego wskaźnikami wyprzedzającymi będzie przesunięciem, a nie ubytkiem. Dlatego przy każdym alarmie sprawdzam, czy równolegle nie rośnie ruch z rozpoznanych asystentów i czy nie zmienia się struktura wejść bez referrera. Bez tego łatwo wyciągnąć wniosek, że kategoria umiera, w sytuacji gdy zmienia się tylko droga, którą ludzie do niej trafiają.

Nie mam na to eleganckiego rozwiązania i nie znam nikogo, kto ma. Mam natomiast zasadę: w raporcie zawsze jest osobny akapit o tym, czego dane nie pokazują. Trudniej się go pisze niż wykres, ale ratuje przed decyzjami podjętymi na podstawie połowy obrazu.