Czym jest Query Fan-Out w AI Search?

Jedno zapytanie użytkownika rozkłada się na kilkanaście pytań pobocznych, które AI rozwiązuje w tle. Ten wymiar sprawdza, na ile z nich odpowiada Twoja treść, bo to na pytaniach pobocznych zdobywa się cytowanie.

Kontekst

Dlaczego pokrycie Fan-Out jest ważne dla modeli AI?

Użytkownik pyta „jak wybrać pompę ciepła”, a model nie szuka tej frazy. Rozkłada ją na pytania składowe: jaka moc do jakiego metrażu, ile kosztuje montaż, jaka jest sprawność przy mrozie, czy potrzebne jest pozwolenie. Każde z nich pobiera osobno i dopiero z odpowiedzi składa jedną wypowiedź.

Stąd bierze się różnica między SEO a GEO. W klasycznym wyszukiwaniu wystarczyło wygrać jedno zapytanie, żeby zdobyć kliknięcie. W AI Search wygrywasz tyle razy, na ile pytań pobocznych masz gotową odpowiedź - strona, która wyczerpuje temat tylko w głównym wątku, zostanie zacytowana raz albo wcale, mimo świetnej pozycji w SERP.

To działa też w drugą stronę: pytania poboczne są tańsze do zdobycia niż główna fraza. Konkurencja walczy o nagłówek, a luka najczęściej siedzi w pytaniu, którego nikt nie opisał.

W praktyce

Co zobaczysz w raporcie?

Dostajesz listę pytań pobocznych z oznaczeniem, które z nich Twoja treść pokrywa, a które nie - wraz z informacją, skąd pytanie pochodzi: czy jest potwierdzone przez SERP, czy przewidziane przez model.

Niepokryte pytania potwierdzone przez wyszukiwarkę trafiają na górę listy rekomendacji, bo to najtańsze do zamknięcia luki: wiadomo, że ktoś je zadaje, i wiadomo, że u Ciebie odpowiedzi nie ma.

Do tego pokrycie AI Overview dla Twojej frazy - czy synteza Google w ogóle się pojawia i jakie wątki porusza.

Przykładowe rekomendacje

Fragmenty raportu z audytu strony kategorii z myszkami gamingowymi w sklepie z elektroniką.

Problem: Pytanie „Jakie są najlepsze myszki gamingowe?” Google pokazuje w Podobnych pytaniach, a treść nie odpowiada na nie w żadnej sekcji.

Przed

Brak zestawienia albo rankingu polecanych modeli w całej treści.

Po

Dodaj sekcję H2 „Ranking myszek gamingowych - polecane modele” z pięcioma pozycjami i uzasadnieniem wyboru.

Problem: Wątek doboru sprzętu do budżetu jest potwierdzony w SERP, a strona nie porusza go ani zdaniem.

Przed

Brak sekcji o segmentacji cenowej: modele budżetowe kontra turniejowe.

Po

Opisz, na jakie parametry patrzeć w przedziałach do 150 zł, 150–350 zł i powyżej 350 zł.

Metoda

Jak liczymy pokrycie Fan-Out i AIO?

Na podstawie intencji strony model rozkłada zapytanie na kilkanaście podzapytań, a robi to w dwóch niezależnych przebiegach o różnej „śmiałości” i scala wyniki - jeden przebieg zbyt mocno zależy od losowości modelu. Do tego dokładamy prawdziwe pytania z SERP: sekcję „Podobne pytania” i powiązane wyszukiwania. Na koniec sprawdzamy, na które z tych pytań Twoja treść faktycznie odpowiada.

Zestaw jest oczyszczany z homonimów - jeśli fraza ma drugie znaczenie (klasyczny przypadek: „schody” jako konstrukcja i jako tytuł serialu), pytania z tej drugiej dziedziny są odrzucane, zamiast produkować rekomendacje o niczym.

Ocena idzie w górę za komplet odpowiedzi na pytania weryfikacyjne, a w dół za każde niepokryte pytanie, którego istnienie potwierdza SERP.

Trzy typy pytań pobocznych, na które rozkładamy intencję

TypCzego dotyczy
SemantyczneCechy i powiązania tematu - z czego się składa, czym się różni, do czego się odnosi
IntencyjneRealna potrzeba za zapytaniem - co użytkownik chce zrobić, na co się zdecydować
WeryfikacyjneFakty, które model musi potwierdzić, zanim poda je w odpowiedzi

Nie każde pytanie waży tyle samo - liczy się to, czy dane wyszukiwarki potwierdzają jego istnienie

Status pytaniaCo oznacza
Potwierdzone przez SERPGoogle sam pokazuje je w „Podobnych pytaniach”, więc wiadomo, że ktoś je faktycznie zadaje
Obecne w AI OverviewWątek pojawia się w syntezie AI dla tej frazy
Przewidziane przez modelWynika z intencji, ale nie ma potwierdzenia w danych SERP
Potwierdzona lukaPytanie jest w SERP, a Twoja treść go nie porusza - to obniża ocenę wymiaru
Czynniki

Co podnosi, a co obniża wynik?

Podnosi

  • Sekcje H2 odpowiadające na konkretne pytania poboczne, nie na warianty głównej frazy
  • Pokryte pytania z sekcji „Podobne pytania” w SERP
  • Odpowiedzi na pytania weryfikacyjne - liczby, daty, warunki, które model musi potwierdzić
  • FAQ zbudowane z realnych pytań, a nie z fraz pod wyszukiwarkę
  • Wyczerpanie wątków pobocznych, których konkurencja nie tknęła

Obniża

  • Cała treść krąży wokół głównego zapytania
  • Niepokryte pytania, które Google sam pokazuje w SERP
  • Wątki poruszone jednym zdaniem, bez odpowiedzi nadającej się do zacytowania
  • Rozbudowany wstęp i podsumowanie zamiast sekcji odpowiadających na osobne pytania
Pytania

Najczęstsze pytania

Czym pytania poboczne różnią się od fraz z długiego ogona?

Długi ogon to warianty tego samego zapytania, a pytania poboczne to osobne wątki, które model musi rozstrzygnąć, żeby zbudować odpowiedź. „Tania pompa ciepła” to długi ogon; „czy pompa ciepła działa przy minus 20 stopniach” to pytanie poboczne.

Czy muszę odpowiedzieć na wszystkie pytania poboczne?

Nie, priorytet mają te potwierdzone przez wyszukiwarkę. Pytanie, które Google sam pokazuje w „Podobnych pytaniach”, jest pewną luką; pytanie przewidziane przez model to hipoteza i waży mniej.

Czy sekcja FAQ załatwia sprawę?

Częściowo. FAQ dobrze domyka pytania krótkie i faktograficzne, ale wątek wymagający rozwinięcia lepiej działa jako pełna sekcja H2 z odpowiedzią, danymi i kontekstem.