Deine Website hat in den meisten Wochen etwa 400 Besucher. Letzte Woche waren es 600. Nächste Woche sind es vielleicht 300. Das Muster ist nicht zufällig, es ist saisonal. Im Sommer gibt es weniger Traffic. Am Monatsende mehr. An Werktagen mehr als am Wochenende.
Die Zeitreihenprognose nutzt diese Muster, um künftigen Traffic vorherzusagen. Dieser Artikel zeigt, wie du Muster in deinen Daten erkennst und damit vorhersagst, was kommt.
Zeitreihenprognose bedeutet, historische Daten in zeitlicher Reihenfolge auszuwerten und mit Mustern künftige Werte vorherzusagen. Du betrachtest deinen Traffic über ein Jahr hinweg Woche für Woche oder Monat für Monat. Du erkennst Muster (Spitzen, Täler, saisonale Zyklen). Dann schreibst du diese Muster in die Zukunft fort.
Anders als die allgemeine prädiktive Analyse geht es bei der Zeitreihenprognose gezielt um Abfolgen über die Zeit. Sie berücksichtigt, dass das, was letzte Woche passiert ist, beeinflusst, was diese Woche passiert. Das Wetter kann den Traffic beeinflussen. Jahreszeiten beeinflussen das Einkaufen. Wochentage beeinflussen das Verhalten.
Welche Muster es in Website-Daten gibt
Die meisten Websites haben sich wiederholende Muster. Sie zu erkennen ist der erste Schritt zur Prognose.
Tagesmuster
B2B-Websites bekommen an Werktagen mehr Traffic als am Wochenende. Onlineshops und Unterhaltungsseiten bekommen am Wochenende mehr. Morgens gibt es mehr Besuche aus dem Büro als nachmittags. Diese Muster sind von Woche zu Woche beständig.
Hast du montags 600 und samstags 400 Besucher, wiederholt sich dieses Muster wahrscheinlich. Die Zeitreihenprognose nutzt diese Regelmäßigkeit.
Wochenmuster
Veröffentlichst du dienstags Inhalte, steigt der Traffic dienstags. Verschickst du E-Mail-Kampagnen donnerstagmorgens, erreicht der Traffic donnerstags seinen Höhepunkt. Diese Muster wiederholen sich wöchentlich.
Verfolge einen Monat lang deine Daten, dann siehst du den Wochenrhythmus. Hast du ihn erkannt, kannst du ihn vorhersagen.
Saisonale Muster
Der Januar ist ruhiger als der Dezember. Der Sommer ist ruhiger als der Herbst. Zur Steuerzeit ist bei Buchhaltungsdiensten mehr los. Die Zeitreihenprognose erfasst diese mehrmonatigen Zyklen.
Für saisonale Muster brauchst du mindestens ein Jahr Daten. Für Wochenmuster sind sechs Monate das Minimum.
Trendmuster
Neben saisonalen Zyklen haben manche Websites längere Trends. Neue Websites wachsen stetig (Aufwärtstrend). Etablierte Websites stagnieren. Manche schrumpfen. Die Zeitreihenprognose trennt den langfristigen Trend vom saisonalen Rauschen.
Wächst dein Trend um 10 Prozent jährlich und dein saisonales Muster zeigt Spitzen im vierten Quartal, kannst du das vierte Quartal des nächsten Jahres prognostizieren: das vierte Quartal des Vorjahres plus 10 Prozent Wachstum plus saisonale Anpassung.
Die Mathematik hinter der Zeitreihenprognose
Du musst die Mathematik nicht kennen, um sie zu nutzen, aber das Konzept zu verstehen hilft.
Die Zeitreihenprognose zerlegt deine Daten in Bestandteile:
Trend: langfristige Richtung (wachsend, sinkend, gleichbleibend)
Saison: sich wiederholende Muster (täglich, wöchentlich, monatlich, jährlich)
Zufällige Schwankung: Rauschen, das keinem Muster folgt
Formel: Tatsächlicher Wert = Trend + Saison + Zufall
Die Prognose sagt den Trend- und den Saisonanteil voraus. Der Zufallsanteil bleibt unvorhersehbar.
Beispiel: Dein Traffic diese Woche lag bei 500.
Trendanteil: +50 (50 mehr pro Woche)
Saisonanteil: +100 (diese Woche ist Hochsaison)
Zufallsanteil: -50 (nur Rauschen)
Tatsächlich: 50 + 100 - 50 = 100. Basis von 400 + 100 = 500.
Nächste Woche ohne das besondere Ereignis (kein zufälliger Ausschlag):
Trend: +50
Saison: -75 (nächste Woche ist Nebensaison)
Zufall: 0
Prognose: 400 + 50 - 75 = 375
Das ist vereinfacht, aber das Konzept ist, dass deine Prognose das Signal (Trend plus Saison) vom Rauschen (Zufall) trennt.
Einfache Prognosemethoden für Website-Betreiber
Du brauchst keine komplexen Algorithmen. Einfache Methoden funktionieren gut.
Methode 1: Vergleich mit demselben Zeitraum
Der Traffic an diesem Montag lag im letzten Jahr im Durchschnitt bei 600. Nächsten Montag liegt er wahrscheinlich bei etwa 600.
Das ist die einfachste Prognose: Schau auf denselben Tag oder dieselbe Woche im Vorjahr.
Methode 2: Trend plus Saison
Der Traffic ist im Jahresvergleich um 10 Prozent gewachsen und der Dezember liegt 50 Prozent über dem Durchschnitt.
Prognose für den Dezember im nächsten Jahr: (letzter Dezember) mal 1,10 (für 10 Prozent Wachstum) ergibt deine Prognose.
Methode 3: Gleitender Durchschnitt
Bilde den Durchschnitt des Traffics der letzten 4 Wochen. Das ist deine Basis. Dann addierst du die saisonale Anpassung.
Liegt die Basis bei 500 und der Dezember normalerweise bei 550, ist deine Prognose für den Dezember 550.
Methode 4: Exponentielle Glättung
Gewichte neuere Daten stärker als ältere. Die letzten Wochen zählen mehr als Daten von vor einem Jahr, weil sich Dinge ändern.
Lagen die letzten 4 Wochen im Schnitt bei 480 und der Durchschnitt vor einem Jahr bei 450, vertraue den neueren Daten mehr. Prognostiziere näher an 480 als an 450.
Saisonale Zerlegung: die Schlüsseltechnik
Die saisonale Zerlegung trennt deine Daten in Trend, Saison und Zufall. Sie ist die Grundlage der meisten genauen Prognosen.
Schritt 1: Sammle Daten eines ganzen Jahres (oder mehrerer Jahre, wenn du Genauigkeit willst).
Schritt 2: Berechne den Durchschnitt für jeden Zeitraum (jeden Montag, jeden Monat und so weiter). Das sind deine saisonalen Indizes.
Schritt 3: Berechne den Trend, indem du eine Linie durch die Daten legst. Wächst er? Sinkt er? Bleibt er gleich?
Schritt 4: Entferne Trend und Saison, um das Rauschen zu sehen. Was übrig bleibt, ist die zufällige Schwankung.
Schritt 5: Schreibe fort mit den Anteilen von Trend und Saison. Addiere die saisonale Schwankung wieder zur Trendlinie.
Das geht mit einfachen Rechnungen in einer Tabelle oder mit Prognose-Tools, die das automatisch erledigen.
Tools, die die Zeitreihenprognose leicht machen
Du brauchst keine fortgeschrittene Software. Einfache Tools reichen:
Tabellenkalkulation (online): eingebaute Funktion FORECAST
Tabellenkalkulation (Desktop): FORECAST oder FORECAST.LINEAR
Python-Bibliotheken: Prophet (von Facebook entwickelt), ARIMA, LSTM
Analyseplattformen: Viele erstellen Prognosen automatisch
Die Analysen von WEMASY könnten Prognosen integrieren und dir auf Basis historischer Muster den erwarteten Traffic für den nächsten Monat zeigen.
Grenzen der Zeitreihenprognose
Die Zeitreihenprognose nimmt an, dass die Vergangenheit die Zukunft vorhersagt. Einmalige Ereignisse berücksichtigt sie nicht.
Startest du eine große Kampagne, bricht die Prognose. Verändert Google die Suchergebnisse, liegt die Prognose falsch. Verschiebt sich die Wirtschaftslage, ändern sich die Muster.
Die Zeitreihenprognose funktioniert, wenn die Bedingungen stabil bleiben. Sie scheitert, wenn sich die Bedingungen ändern.
So nutzt du Prognosen praktisch
Prognosen sind keine Garantien. Sie sind Orientierung für die Planung.
Prognostizierst du 600 Besucher für nächste Woche, plane mit 600, aber bleibe flexibel. Kommst du auf 450, untersuche, was sich verändert hat. Kommst du auf 800, freu dich, aber verstehe, warum.
Nutze Prognosen für:
Kapazitätsplanung: Brauchst du mehr Server? Mehr Support-Personal?
Kampagnenplanung: Wann ist der beste Zeitpunkt für den Start?
Umsatzprognose: Wie sieht der Umsatz im nächsten Quartal aus?
Vergleich mit der Basis: Hat diese Änderung etwas bewegt oder war es nur saisonal?
Häufig gestellte Fragen
Wie viele historische Daten brauche ich für eine genaue Prognose?
Mindestens 6 Monate für Wochenmuster. Mindestens 2 Jahre für saisonale Muster (um mehrere Zyklen zu sehen). Mehr Daten bedeuten genauere Prognosen. Hast du ein Jahr, kannst du schon sicher prognostizieren. Mit dem Website-Builder von WEMASY kannst du das direkt auf deiner Website einrichten.
Was, wenn meine Daten unregelmäßig sind und kein klares Muster zeigen?
Manche Websites haben unvorhersehbaren Traffic (neue Websites, virale Inhalte, politische Nachrichten und so weiter). Die Zeitreihenprognose braucht Muster. Besteht deine Datenlage nur aus Rauschen, hilft die Prognose nicht. Konzentriere dich dann auf den Trend.
Kann ich verschiedene Segmente meines Traffics getrennt prognostizieren?
Ja. Prognostiziere die organische Suche, Anzeigen und E-Mail getrennt. Jedes Segment kann andere Muster haben. Addiere sie dann zur Gesamtprognose. Das funktioniert oft besser, als den Gesamt-Traffic zu prognostizieren.
Soll ich meine Prognose manuell anpassen?
Weißt du, dass etwas bevorsteht (eine Kampagne, ein Produktstart, ein saisonales Ereignis), passe die Prognose daran an. Der Algorithmus kennt Ereignisse nicht, du schon. Nutze dein Wissen, um die Prognose zu verfeinern.
Wie oft sollte ich meine Prognose aktualisieren?
Mindestens monatlich. Füge neue Daten hinzu und berechne die Prognose neu. Ändern sich die Muster (neue Kampagne, Marktverschiebung), berechne sofort neu. Gehe nicht davon aus, dass die Prognose vom letzten Monat noch gilt.
Ist die Zeitreihenprognose dasselbe wie prädiktive Analyse?
Ähnlich, aber nicht gleich. Die prädiktive Analyse nutzt viele Variablen (Werbeausgaben, Inhaltstyp, Saisonalität und so weiter). Die Zeitreihenprognose konzentriert sich auf eine Variable in zeitlicher Reihenfolge. Die Zeitreihe ist einfacher, die prädiktive Analyse komplexer.