Ehrliche organische Prognosen

Die Standardmethode - Keyword-Volumen mal einer angenommenen CTR für Position eins - liefert Zahlen, die um eine Größenordnung danebenliegen, und zerstort Vertrauen, wenn das Jahr schließt. Organic hat eine lange, variable Verzögerung und hängt von Dingen außerhalb Ihrer Kontrolle ab. Eine belastbare Prognose baut auf der eigenen historischen Reaktion auf die eigene Arbeit auf, mit offengelegten Annahmen, über die man streiten kann.

Die Skill-Datei

---
name: honest-organic-forecast
description: Nutzen Sie dies, wenn Sie organischen Traffic oder Umsatz für eine Budgetrunde oder einen Business Case prognostizieren sollen.
---

# Ehrliche organische Prognosen

Die Standardmethode - Keyword-Volumen mal einer angenommenen CTR für Position eins - liefert Zahlen, die um eine Größenordnung danebenliegen, und zerstort Vertrauen, wenn das Jahr schließt. Organic hat eine lange, variable Verzögerung und hängt von Dingen außerhalb Ihrer Kontrolle ab. Eine belastbare Prognose baut auf der eigenen historischen Reaktion auf die eigene Arbeit auf, mit offengelegten Annahmen, über die man streiten kann.

## Was Sie vorher brauchen

- mindestens 13 Monate eigener organischer Historie
- die historische Verzögerung zwischen Veröffentlichen oder Beheben und messbarer Bewegung auf dieser Website
- die Lieferkapazität, zu der Sie sich tatsachlich verpflichten

## Methode

1. Legen Sie die Baseline als Trendlinie fest, nicht als Vorjahreszahl. Prognostizieren Sie den zusatzlichen Effekt oberhalb der Baseline und zeigen Sie beide Linien getrennt.
2. Leiten Sie die Verzögerung empirisch aus Ihrer eigenen Website ab: Nehmen Sie vergangene Chargen veröffentlichter oder optimierter Seiten und messen Sie die Wochen bis zum Hochpunkt. Verzögerungen bei neuen und bei etablierten Domains unterscheiden sich so stark, dass geliehene Benchmarks nutzlos sind.
3. Modellieren Sie drei Fälle und benennen Sie sie nach der Annahme, nicht nach dem Optimismus. Sagen Sie "setzt 8 ausgelieferte Seiten pro Monat und keine Template-Regression voraus", nicht "Best Case".
4. Koppeln Sie die Prognose an das Liefervolumen, damit sie sichtbar scheitert, wenn die Lieferung nachlässt. Eine Prognose, die auch dann stimmt, wenn nichts ausgeliefert wird, ist keine Prognose.
5. Wenden Sie eine Verfallsannahme auf bestehende Inhalte an. Gleichbleibende Leistung ist eine Entscheidung, die Aufwand kostet; die Baseline als flach und kostenlos zu prognostizieren ist die häufigste Aufblähung in solchen Modellen.
6. Schreiben Sie die drei Annahmen auf, die am ehesten brechen, samt dem Datum, ab dem jede überprüfbar wird, und tragen Sie diese Prüfdaten in den Kalender ein.

## Was dabei herauskommt

Eine Drei-Fall-Prognose mit offengelegten Annahmen, einer empirischen Verzögerungskurve und datierten Prüfpunkten zur Revision.

## Wo es schiefgeht

- Suchvolumen von Drittanbietern als Input zu verwenden - es ist geglättet, gerundet und liegt für alles unterhalb einiger tausend pro Monat oft um den Faktor zwei oder mehr daneben
- Eine gerade Linie aus einem Zeitraum fortzuschreiben, der einen einmaligen Ausschlag enthielt, etwa einen viralen Beitrag oder einen Ausfall beim Wettbewerber
- Auf Nachfrage jede Zahl zu verweigern, was nicht als Sorgfalt gelesen wird und die Prognose schlicht jemandem mit weniger Information überlässt

---

Aus der QuQi-Skill-Bibliothek - https://www.quqi.io/de/skills/honest-organic-forecast

Was Sie vorher brauchen

• mindestens 13 Monate eigener organischer Historie
• die historische Verzögerung zwischen Veröffentlichen oder Beheben und messbarer Bewegung auf dieser Website
• die Lieferkapazität, zu der Sie sich tatsachlich verpflichten

Methode

1. 01 Legen Sie die Baseline als Trendlinie fest, nicht als Vorjahreszahl. Prognostizieren Sie den zusatzlichen Effekt oberhalb der Baseline und zeigen Sie beide Linien getrennt.
2. 02 Leiten Sie die Verzögerung empirisch aus Ihrer eigenen Website ab: Nehmen Sie vergangene Chargen veröffentlichter oder optimierter Seiten und messen Sie die Wochen bis zum Hochpunkt. Verzögerungen bei neuen und bei etablierten Domains unterscheiden sich so stark, dass geliehene Benchmarks nutzlos sind.
3. 03 Modellieren Sie drei Fälle und benennen Sie sie nach der Annahme, nicht nach dem Optimismus. Sagen Sie "setzt 8 ausgelieferte Seiten pro Monat und keine Template-Regression voraus", nicht "Best Case".
4. 04 Koppeln Sie die Prognose an das Liefervolumen, damit sie sichtbar scheitert, wenn die Lieferung nachlässt. Eine Prognose, die auch dann stimmt, wenn nichts ausgeliefert wird, ist keine Prognose.
5. 05 Wenden Sie eine Verfallsannahme auf bestehende Inhalte an. Gleichbleibende Leistung ist eine Entscheidung, die Aufwand kostet; die Baseline als flach und kostenlos zu prognostizieren ist die häufigste Aufblähung in solchen Modellen.
6. 06 Schreiben Sie die drei Annahmen auf, die am ehesten brechen, samt dem Datum, ab dem jede überprüfbar wird, und tragen Sie diese Prüfdaten in den Kalender ein.

Was dabei herauskommt

Eine Drei-Fall-Prognose mit offengelegten Annahmen, einer empirischen Verzögerungskurve und datierten Prüfpunkten zur Revision.

Wo es schiefgeht

• Suchvolumen von Drittanbietern als Input zu verwenden - es ist geglättet, gerundet und liegt für alles unterhalb einiger tausend pro Monat oft um den Faktor zwei oder mehr daneben
• Eine gerade Linie aus einem Zeitraum fortzuschreiben, der einen einmaligen Ausschlag enthielt, etwa einen viralen Beitrag oder einen Ausfall beim Wettbewerber
• Auf Nachfrage jede Zahl zu verweigern, was nicht als Sorgfalt gelesen wird und die Prognose schlicht jemandem mit weniger Information überlässt

Diese Skill in Ihrer eigenen KI nutzen

Die Datei ist einfaches Markdown, mit Name und Auslöser im Frontmatter. Wo ein Assistent Skills selbst laden kann, liest er genau dieses Frontmatter, um zu entscheiden, dass diese hier passt.

Mehr in Analytics & Reporting