آنچه در زیر می آید مراحل ایجاد مدل های پیش بینی ترافیک در RStudio با استفاده از داده های کلیکی است.
مرحله 1: داده ها را آماده کنید
اولین قدم این است که داده های کنسول جستجوی گوگل خود را صادر کنید. می توانید این کار را از طریق رابط کاربری و صادر کردن داده ها به صورت CSV انجام دهید:

اکثر بازاریابان این مدل را دیده اند یا حداقل با آن آشنا هستند زیرا معمولاً در بسیاری از صنایع برای اهداف پیش بینی استفاده می شود.
و سپس اجزای مدل را رسم کنید:
همانطور که می بینید، محدوده بالا و پایین در پیش بینی یک ساله دارای دامنه ای از 50- تا 150+ بود، در حالی که پیش بینی دو ساله دارای محدوده 200- تا 600+ است.
و نموداری مانند این را برمی گردانید:

R یک زبان و محیطی برای محاسبات آماری و گرافیک است پروژه R برای محاسبات آماری.
# 1-year
pred1 <- predict(model1, horizon = 365)
plot(pred1, plot.original = 200)
به دنبال:
ss <- AddLocalLinearTrend(list(), ts_data$Clicks)
ss <- AddSeasonal(ss, ts_data$Clicks, nseasons = 52)
model1 <- bsts(ts_data$Clicks,
state.specification = ss,
niter = 500)
هرچه آینده را پیشبینی کنید، این محدوده بیشتر میشود و به نظر من، پیشبینی مفیدتر میشود.
اولین دستوری که باید اجرا کنیم این است که داده هایمان را با مدل BSTS مطابقت دهیم:
و سپس شما همچنین باید نصب کنید:
و همانطور که BSTS یک کران بالا و پایین را در نظر می گیرد، از یک نقطه خاص نیز بسیار بی معنی می شود.
اما اگر اصول اولیه را درک می کنید و می خواهید اصول تجسم داده ها را در R بیاموزید، من پروژه هدایت شده Coursera را توصیه می کنم. کاربرد تجزیه و تحلیل داده ها در کسب و کار با برنامه نویسی R.
اما اگر میخواهید زبان جدیدی برای تجزیه و تحلیل و تجسم دادههای جستجوی خود یاد بگیرید، به دنبال R باشید.
## Read data
mdat <- read_csv("example data csv.csv",
col_types = cols(Date = col_date(format = "%d/%m/%Y")))
R جدید نیست و از سال 1993 وجود داشته است. با این حال، یادگیری برخی از اصول R – از جمله نحوه تعامل با API های مختلف Google – می تواند برای SEO مفید باشد.
سپس دو دستور آخر در رسم دادههای شما این است که سری زمانی را به عنوان شیء تبدیل کنید، سپس خود نمودار را رسم کنید:
## Load packages
library("tidyverse")
library("tsibble")
library("fabletools")
library("bsts")
نظرات بیان شده در این مقاله نظرات نویسنده مهمان است و لزوماً سرزمین موتور جستجو نیست. نویسندگان کارکنان در اینجا فهرست شده اند.
اکنون باید داده های خود را وارد و رسم کنیم. برای این کار ابتدا باید چهار بسته را نصب و سپس بارگذاری کنیم.
دریافت خبرنامه جستجوی روزانه بازاریابان به آن تکیه می کنند.
مرحله 2: داده های سری زمانی را در RStudio رسم کنید
## Make time series object
ts_data <- mdat %>%
as_tsibble(index = "Date")
در حال حاضر شور و شوق زیادی در صنعت سئو برای پایتون وجود دارد.
## Install packages
install.packages("tidyverse")
install.packages("tsibble")
install.packages("fabletools")
install.packages("bsts")
جدید در زمین موتورهای جستجو