Mi a query fan-out? Hogyan írja újra az AI-keresés a SEO szabályait
A query fan-out az a technika, amellyel az AI-k egy lekérdezést több részlekérdezésre bontanak. Megtudhatod, hogyan működik, miért fontos a SEO szempontjából, és hogyan optimalizálhatod rá a tartalmadat.
Összefoglalás: A lekérdezés-szétágaztatás (query fan-out) az a folyamat, amelynek során az AI-keresőrendszerek egyetlen felhasználói lekérdezést több részlekérdezésre bontanak, hogy szélesebb és pontosabb találatokat kapjanak. Alapjaiban változtatja meg, hogyan fedezik fel és idézik a tartalmakat.
Amikor valaki kérdést ír a Google AI Mode-ba, a ChatGPT-be vagy a Perplexitybe, a rendszer nem egyszerűen kulcsszavakat párosít weboldalakkal. Az egyetlen lekérdezést egy kapcsolódó részlekérdezések csoportjára bontja, mindegyiket egyszerre keresi, és az eredményeket egyetlen válaszba foglalja. Ezt a folyamatot query fan-outnak nevezik, és ez a keresési architektúra legjelentősebb váltása a mobil-első indexelés óta.
A SEO-szakemberek és marketingcsapatok számára a query fan-out megértése már nem opcionális. Egy kutatás, amelyet a(z) iPullRank készített, megerősíti, hogy az AI-keresési lekérdezések átlagos hossza ma 70-80 szó, szemben a hagyományos Google-keresés 3 vagy 4 szavával. A régi modell, amely egyetlen kulcsszóra optimalizál, már nem fedi le a teljes képet. Ez a cikk elmagyarázza, mi a query fan-out, hogyan működik a platformokon, és mit kell tenned ellene.
Mi a query fan-out?
A query fan-out egy információkeresési technika, amelynél az AI-keresőrendszerek egyetlen felhasználói lekérdezést több, egymástól eltérő részlekérdezéssé bővítenek. Ahelyett, hogy a keresést egyetlen elszigetelt kérésként kezelnék, az AI több kapcsolódó szempontra bontja, mindegyiket párhuzamosan futtatja, és a lekért információkat átfogó válaszban egyesíti.
Gondolj egy felhasználóra, aki ezt keresi: „legjobb CRM szoftver kisvállalkozásoknak”. Egy hagyományos keresőmotor a kifejezésnek megfelelő oldalak rangsorolt listáját adja vissza. Egy query fan-outot használó AI-rendszer olyan részlekérdezéseket generál, mint „ingyenes CRM-eszközök legjobbjai”, „CRM e-mail-automatizálással”, „HubSpot vs Zoho kisebb csapatoknak” és „CRM árösszehasonlítás 2026”. Minden részlekérdezés más forrásokat hoz felszínre, és az AI a legrelevánsabb részleteket egyetlen válaszba szintetizálja.
A Google hivatalosan is leírta ezt a mechanizmust a 2025-ös Google I/O konferencián, ahol elmagyarázta, hogy az AI Mode a Gemini egyedi változatát használja arra, hogy a kérdéseket részproblémákra bontsa, és a felhasználó nevében egyszerre több lekérdezést indítson. A technika a Google tematikus keresési szabadalmában is dokumentált, amelyet 2024 decemberében nyújtottak be, és amely a fan-out lekérdezéseket „témákként” említi.
Hogyan működik a query fan-out a motorháztető alatt
A query fan-out mechanikája egy strukturált sorrendet követ, amely teljesen a háttérben zajlik, a felhasználó számára láthatatlanul.
1. lépés: lekérdezés-elemzés. Az AI-modell megkapja a felhasználó bemenetét, és eldönti, hogy szükséges-e bontani. Az egyszerű tényszerű lekérdezések („Mennyi az idő Tokióban?”) nem váltanak ki fan-outot. Az összetett, több szempontú kérdések szinte mindig igen.
2. lépés: részlekérdezések generálása. Az LLM több részlekérdezést állít elő, amelyek az eredeti kérdés különböző oldalait fedik le. A Google szabadalma nyolc különböző lekérdezéstípust azonosít, amelyeket a rendszer előállíthat, az összehasonlító lekérdezésektől az implicit kiegészítő kérdésekig.
3. lépés: párhuzamos adatgyűjtés. Az összes részlekérdezés párhuzamosan fut több adatforrásban. A Google AI Mode esetében ez a Google saját infrastruktúráján, a Knowledge Graphon és a Shopping Graphon történik. A ChatGPT esetében a keresés a Bingen keresztül fut. A párhuzamos végrehajtás kulcsfontosságú, mert 15 lekérdezés egyidejű futtatása nagyjából ugyanannyi időbe telik, mint egyetlen lekérdezésé.
4. lépés: részletek kinyerése és rangsorolása. Az AI-rendszerek ahelyett, hogy egész weboldalakat értékelnének, azonosítják és kinyerik azokat a konkrét részleteket, amelyek a legjobban válaszolnak minden részlekérdezésre. Ezt részletalapú keresésnek (passage-based retrieval) hívják, és ez azt jelenti, hogy a tartalmadban mélyen rejtőző egyetlen bekezdés is előtérbe kerülhet és idézhető lehet.
5. lépés: összefoglalás és válaszgenerálás. Az AI a legrelevánsabb részleteket koherens, strukturált válaszba foglalja, soron belüli hivatkozásokkal, amelyek vissza mutatnak a forrásanyagra.
Mely platformok használják a query fan-outot?
A query fan-out nem kizárólag a Google sajátja. A főbb AI-keresőplatformok szabványos lekérdezési architektúrájává vált, bár mindegyik másképp valósítja meg.
A Google AI Mode egyedi, a lekérdezések bontására tervezett Gemini-modellt használ. A szokásos lekérdezések 8-12 részlekérdezést generálnak, a Deep Search helyzetekben pedig akár több százat is indíthatnak. A Google ezt a 2025-ös I/O konferencián tette nyilvánossá, azóta pedig a rendszer a következőre frissült: Gemini 3, amely még több keresést végez, és pontosabban érti a szándékot.
ChatGPT a Bing keresőinfrastruktúráján keresztül futtatja a fan-outot. Böngészés engedélyezése esetén a modell több keresési lekérdezést generál, amelyek láthatók a felületen. Ezt a felhasználók közvetlenül megfigyelhetik olyan böngészőbővítményekkel, amelyek felfedik a ChatGPT háttérben indított részlekérdezéseit.
Perplexity átláthatóan megjeleníti a fan-out folyamatát, és megmutatja a felhasználóknak a generált részlekérdezéseket és a felhasznált forrásokat. Ezért különösen hasznos annak megértéséhez, hogyan bontja a keresési szándékot az AI-keresés.
Google AI Overviews is használja a fan-outot, bár a teljes AI Mode-nál korlátozottabb mértékben. A rendszer tematikus csoportokat alkot, és több forrásból gyűjt részletinformációkat az áttekintő panel összeállításához.
Miért fontos a query fan-out a SEO szempontjából
A query fan-out alapjaiban töri meg a hagyományos SEO-modellt. A változás egyetlen összehasonlítással foglalható össze:
Régi modell: Egy lekérdezés egy SERP-et eredményez. Az 1-10. helyen rangsoroló oldalak kapják a forgalmat.
Új modell: Egy lekérdezés 10-20 részlekérdezést generál. Több száz oldalt kérdeznek le. Az AI kiválasztja a legjobb részleteket, és 3-8 forrásra hivatkozik.
Ennek több konkrét következménye van a tartalomstratégiára nézve.
Először, a tematikus tekintély ma már felülmúlja az egyetlen kulcsszóra épülő helyezéseket. Egy kutatás, amelyet Surfer SEO készített, több mint 173000 URL-t elemzett, és azt találta, hogy azok az oldalak, amelyek több fan-out lekérdezésre is rangsorolnak, 161%-kal nagyobb eséllyel idézik őket a Google AI-áttekintéseiben. A témaklaszteren belüli lefedettség fontosabb egy fő kifejezés első helyezésénél.
Másodszor, a részletszintű optimalizálás alapvetővé válik. Az AI-rendszerek nem egész oldalakat értékelnek. Konkrét részleteket emelnek ki, amelyek közvetlenül válaszolnak a részlekérdezésekre. Ez azt jelenti, hogy a tartalmad minden szakaszának önállóan kell értéket közvetítenie, világos definíciókkal, konkrét adatpontokkal és olyan strukturált formázással, amely megkönnyíti a kinyerést.
Harmadszor, a fan-out lekérdezések eredendően instabilak. Csak a fan-out lekérdezések körülbelül 27%-a marad következetes, ha ugyanarra a promptra többször keresnek. Az egyes részlekérdezések üldözése nem skálázható stratégia. Az átfogó tematikus lefedettség kiépítése a járható út.
Hogyan optimalizáld a tartalmadat a query fan-outra
A query fan-outhoz való alkalmazkodás szemléletváltást igényel: a kulcsszóközpontú tartalomstratégiáról a témaközpontúra kell áttérni. Íme a főbb elvek.
Építs témaklasztereket, ne elszigetelt oldalakat. Rendezd a tartalmadat átfogó témák köré, úgy, hogy minden oldal egy konkrét altémát fedjen le. A klaszteroldalak közötti belső linkelés egyaránt jelzi a Google-nek és az AI-rendszereknek az átfogó lefedettséget. A 80%+ témalefedettséggel rendelkező oldalak a WordLift kutatása szerint a fan-out lekérdezések instabilitása ellenére is megőrzik AI-láthatóságuk 85.4%-át.
Strukturáld a tartalmat a részletek kinyeréséhez. Használj világos címsorokat, tömör definíciókat a szakaszok elején, és önálló bekezdéseket, amelyek konkrét kérdésekre válaszolnak. Az AI-rendszerek részleteket emelnek ki, nem oldalakat. Minden szakasznak önállóan is értékesnek kell lennie.
Válaszolj proaktívan a szomszédos kérdésekre. Ha a „legjobb CRM kisvállalkozásoknak” témáról írsz, ugyanabban a cikkben vagy a kapcsolódó oldalakon foglalkozz az árösszehasonlításokkal, a funkciók bontásával, az integrációs lehetőségekkel és az átállás szempontjaival is. Ezek azok a részlekérdezések, amelyeket az AI generálni fog.
Használj strukturált adatjelölést. A sématípusok, mint a FAQPage, a HowTo és az Article, segítenek az AI-rendszereknek megérteni a tartalmad szerkezetét, és hatékonyabban kinyerni a releváns részleteket. Ez növeli az idézés valószínűségét a fan-out részlekérdezésekben.
Kövesd az AI-láthatóságodat, ne csak a Google-helyezéseidet. A hagyományos helyezéskövetés csak részben mutatja meg a képet. Azt is követned kell, milyen gyakran idézik az AI-rendszerek a tartalmadat, milyen pozícióban, és mely promptokra. A Sorank kulcsszavas lekérdezés-szétágaztatási eszköz kifejezetten erre a célra készült: elemzi azokat a pontos kulcsszavakat, amelyeket az AI-modellek a válaszok generálásakor használnak a te piacodon, és olyan lehetőségeket tár fel, amelyeket a hagyományos SEO-eszközök nem képesek észlelni.
Query fan-out vs hagyományos keresés: a fő különbségek
A hagyományos keresés és a fan-out alapú AI-keresés közötti különbségek megértése segít tisztázni, miért kell frissíteni a meglévő stratégiákat.
A hagyományos keresésben egy lekérdezés egy rangsorolt eredményhalmazt hoz. A keresőmotor egész weboldalakat értékel, egyezteti őket a kulcsszavakkal, és relevancia- és tekintélyjelzések, például visszamutató linkek alapján rangsorolja őket. A felhasználók az oldalakra kattintva találják meg az információt.
Fan-out alapú AI-keresésnél egy lekérdezés 10-20 szintetikus részlekérdezést eredményez, amelyek párhuzamosan futnak. A rendszer részleteket, nem oldalakat gyűjt, potenciálisan több száz forrásból. Egy LLM ezután egyetlen válaszba foglalja ezeket a részleteket, közvetlenül 3-8 forrásra hivatkozva. A felhasználó akár egyik idézett weboldalt sem látogatja meg.
Ennek az elmozdulásnak kritikus üzleti következménye van. Ahogy a Digiday jelentése szerint az AI Mode úgy van kialakítva, hogy a külső kattintásokat nehéz legyen elérni. Az összes részkeresés a felhasználó tudta nélkül zajlik, és az összefoglalt válasz gyakran teljesen kielégíti a lekérdezést. A marketingesek számára ez azt jelenti, hogy a(z) márka láthatósága az AI-válaszokban, az idézéseken és említéseken keresztül, stratégiailag ugyanolyan fontossá válik, mint az organikus átkattintási forgalom.
A tematikus tekintély szerepe a fan-out világában
A tematikus tekintély mindig fontos volt a SEO-ban. A query fan-out korában ez lesz az AI-láthatóság elsődleges mozgatórugója.
Amikor egy AI-rendszer szétágaztat egy lekérdezést, egyszerre keres információt több altémában. Ha az oldalad lefedi a téma teljes szemantikai körét, pillérlapokon, támogató cikkeken és átfogó forrásanyagokon keresztül, egyetlen felhasználói promptból több részlekérdezésre is idézésre kerülhetsz.
Ezért témaklaszter-generátorok lettek nélkülözhetetlen eszközök. Feltérképezik a szakmád szemantikai tájképét, azonosítják a tartalmi hiányokat, és strukturált közzétételi útitervet adnak, amely rendszeresen, nem véletlenszerűen építi a tekintélyt.
Az adatok támogatják ezt a megközelítést. Azok az oldalak, amelyek több fan-out lekérdezésre is rangsorolnak, drámaian növelik az idézési valószínűségüket az AI-platformokon. Mivel a fan-out lekérdezések sztochasztikusak, vagyis felhasználónként és munkamenetenként változnak, a széles körű témalefedettség olyan rugalmasságot biztosít, amelyet az egyetlen kulcsszóra épülő optimalizálás nem képes elérni.
A sikeresség mérése a query fan-out korában
A hagyományos SEO-mutatók továbbra is fontosak, de már nem mondják el a teljes történetet. A query fan-out optimalizálás további mérési megközelítéseket igényel.
AI-idézések száma. Kövesd nyomon, milyen gyakran idézik a tartalmadat az AI-rendszerek a különböző platformokon, köztük a ChatGPT-ben, a Perplexityben, a Google AI-áttekintéseiben és a Gemini-ban. Ez a fan-out láthatóság legközvetlenebb mutatója.
Idézési pozíció. Figyeld, hogy az AI-válaszokban az első, a második vagy hátrébb idéznek-e. Az első említések aránytalanul nagy súlyt képviselnek a felhasználói figyelemben és bizalomban.
AI-hangrészesedés. Hasonlítsd össze az AI-láthatóságodat a versenytársakéval a kulcsfontosságú témákban. Annak megértése, hogy ki uralja az AI-válaszokat a piacodon, feltárja mind a fenyegetéseket, mind a lehetőségeket. A Sorank GEO-ranglista pontosan ezt a versenyelemzést nyújtja: márkákat rangsorol aszerint, hogy az AI-modellek milyen gyakran említik őket adott promptokra.
Témaszintű helyezések. Kövesd a helyezéseket ne egyes kulcsszavakra, hanem témaklaszterekre és kapcsolódó fan-out lekérdezésekre. Egy oldal rosszul rangsorolhat egy fő kifejezésre, mégis erősen idézhető lehet, mert átfogóan lefedi az altémákat.
Márkaemlítések hangulata. Elemezd, hogyan ábrázolják az AI-rendszerek a márkádat. A semleges idézések, a pozitív ajánlások vagy a negatív kontextusba kerülés mind alakítják a vásárlói véleményt az AI által generált válaszokon keresztül.
Következtetés
A query fan-out nem átmeneti trend. Ez az AI-keresőrendszerek információkeresésének és -szintézisének alapvető architektúrája. Minden jelentős platform, a Google AI Mode-tól a ChatGPT-ig és a Perplexityig, ezt a technikát használja, hogy egyetlen felhasználói promptból átfogó válaszokat adjon.
A SEO-szakemberek számára a stratégiai válasz egyértelmű: hagyj fel az elszigetelt kulcsszavakra való optimalizálással, és kezdj el átfogó tematikus tekintélyt építeni. Strukturáld a tartalmat a részletszintű kinyerésre. Kövesd az AI-láthatóságodat a hagyományos helyezések mellett. És használj olyan eszközöket, amelyek kifejezetten erre az új paradigmára készültek.
A Sorank kulcsszavas lekérdezés-szétágaztatási funkció elemzi azokat a pontos szemantikai mintázatokat, amelyekre az AI-modellek támaszkodnak a piacodon, és feltárja azokat a részlekérdezéseket és kulcsszavakat, amelyek az idézéseket hajtják. Ha szeretnéd megérteni, hogyan látja az AI-keresés a szakmádat, és hol vannak a hiányosságok, indítsd el az ingyenes próbaidődat és nézd meg az adatokat magad.
Gyakran ismételt kérdések
Mi a különbség a query fan-out és az AI-áttekintések között?
+
Az AI Overviews a kimenet: az összefoglalt válasz, amelyet a felhasználó a Google-találatok tetején lát. A query fan-out az a folyamat, amely ezt működteti. Amikor a Google AI-áttekintést készít, a fan-out segítségével több részlekérdezésre bontja a lekérdezést, releváns részleteket gyűjt több forrásból, és ezeket összefoglalja az áttekintő panelben. Az AI Mode agresszívebben használja a fan-outot: több részlekérdezést generál, és hosszabb, részletesebb válaszokat ad.
Láthatom, milyen fan-out lekérdezéseket generál az AI a kulcsszavaimhoz?
+
Igen, részben. Az olyan eszközök, mint a Perplexity, átláthatóan megjelenítik az általuk generált részlekérdezéseket. A ChatGPT esetében a Keyword Surfer hasonló böngészőbővítmények felfedhetik a háttérben indított keresési lekérdezéseket. A Sorank kulcsszavas lekérdezés-szétágaztatási eszköze más megközelítést választ: azt elemzi, mely kulcsszavakat használják újra és újra az AI-modellek a válaszok generálásakor a te szakmádban, és így térképet ad az idézéseket meghajtó szemantikai mintázatokról.
A query fan-out helyettesíti a hagyományos SEO-t?
+
Nem. A query fan-out optimalizálás a hagyományos SEO-t erősíti, nem helyettesíti. Az AI-idézések többsége továbbra is olyan oldalaktól származik, amelyek jól szerepelnek a hagyományos keresési találatokban. Az erős technikai SEO, a minőségi visszamutató linkek és a jól felépített tartalom alapvető marad. Az változik, hogy a stratégiai réteg ráépül: egyes kulcsszavak helyett átfogó témalefedettséget építesz, amely lehetővé teszi, hogy a tartalmad egyszerre több fan-out részlekérdezésben is idézhető legyen.
Essential
10 kérdés, amelyet a vásárlóid az AI-knak tesznek fel, követve a ChatGPT-ben, a Claude-ban és a Gemini-ben, hogy lásd, említik-e és hivatkoznak-e a weboldaladra.
Pro
Business
Claude Code
Cursor
