Què és el query fan-out? La tècnica de cerca amb IA que canvia com es troba el contingut
El query fan-out és la tècnica de cerca amb IA que converteix un sol prompt en desenes (i de vegades centenars) de subconsultes paral·leles, cadascuna de les quals recupera una faceta diferent d'una resposta abans que un LLM les sintetitzi en una sola resposta.
Aquest mètode impulsa l'AI Mode de Google, ChatGPT i Perplexity, i determina quin contingut es mostra i se cita. Entendre com funciona el fan-out és ara un requisit per a qualsevol estratègia de SEO o de contingut dissenyada per a l'era de la cerca amb IA.
Què és el query fan-out?
Quan fas una pregunta a un model, el sistema de cerca amb IA la recull i l'expandeix en múltiples subconsultes paral·leles. Cadascuna d'aquestes preguntes surt llavors a recuperar informació específica, i la resposta final que veus és una síntesi de tot allò que torna.
El terme va guanyar força el 2024–2025, quan Google va començar a desplegar l'AI Mode. Enginyers i SEO van començar a fer enginyeria inversa de com funcionava, i el que van trobar no era del tot nou. La query expansion tradicional existeix des de fa dècades (afegir sinònims o termes relacionats a una sola cerca), però el query fan-out és categòricament diferent. No modifica una consulta: la substitueix per moltes consultes independents que s'executen simultàniament.
Com funciona: pas a pas
El pipeline darrere del query fan-out té quatre etapes diferenciades. Cadascuna importa perquè cadascuna és un punt potencial on el teu contingut o bé s'inclou o bé s'omet completament.
Pas 1: Deconstrucció
La IA analitza el prompt de l'usuari i identifica totes les necessitats explícites i implícites que hi ha incrustades.
Un prompt com «millor eina de gestió de projectes per a equips remots» no demana només una recomanació de producte. També pregunta implícitament per funcions de col·laboració, preus, integracions, ressenyes d'usuaris i comparacions amb alternatives. El sistema extreu tot això com a objectius de recuperació independents.
Pas 2: Recuperació paral·lela
Cada subconsulta surt simultàniament a recuperar fonts rellevants. Aquest és el moment «fan-out»: en lloc d'una cerca lineal, el sistema executa moltes cerques en paral·lel. Això passa en mil·lisegons.
Pas 3: Agregació de fonts
Els resultats de cada subconsulta tornen i s'agrupen. El sistema avalua quines fonts són autoritzades, quines són redundants i quines cobreixen angles que les altres han passat per alt.
Pas 4: Síntesi
El LLM pren el conjunt agregat de fonts i compon una resposta final. Aquí el teu contingut o bé se cita o bé desapareix. Quedar fora no vol dir que el teu contingut hagi posicionat malament: vol dir que no ha satisfet prou del ventall de subconsultes per sobreviure a l'agregació.
El fan-out a través de les plataformes
No totes les plataformes implementen el query fan-out de la mateixa manera. L'abast, la velocitat i els tipus de subconsulta difereixen de manera significativa entre Google, ChatGPT i Perplexity.
| Plataforma | Abast del fan-out | Comportament |
|---|---|---|
| Google AI Mode | El més agressiu: s'informa de desenes a centenars de subconsultes | Descompon en profunditat en angles relacionats, implícits i comparatius, i després sintetitza amb enllaços |
| ChatGPT (cerca) | Moderat | Reformula i expandeix el prompt, fa recuperació web i cita un conjunt enfocat de fonts |
| Perplexity | Enfocat | Divideix el prompt en un conjunt més reduït de subconsultes dirigides, optimitzades per a respostes ràpides i amb moltes citacions |
La conclusió no és el nombre exacte en una plataforma concreta: aquestes xifres es mouen. És que totes descomponen el teu prompt abans de respondre, de manera que una pàgina que només tracta la pregunta literal lluita en desavantatge.
Tipus de subconsultes generades
Entendre quins tipus de subconsulta cobreix el teu contingut (i quins no) és el punt de partida de qualsevol estratègia d'optimització per al fan-out.
| Tipus de subconsulta | Què recupera | Exemple (de «millor CRM per a startups») |
|---|---|---|
| Reformulacions | La mateixa intenció, reescrita amb sinònims | «millor programari CRM per a empreses en fase inicial» |
| Relacionades | Temes adjacents que probablement interessen l'usuari | «preus de CRM per a equips petits» |
| Comparatives | Comparacions directes i angles d'alternatives | «HubSpot vs. Pipedrive per a startups» |
| Implícites | Necessitats no expressades incrustades al prompt | «CRM amb pla gratuït i onboarding senzill» |
| Recència | Informació fresca o sensible al temps | «millors CRM per a startups el 2026» |
| Expansió d'entitats | Productes, funcions o noms específics | «integracions de CRM amb Slack i Gmail» |
Les dues que més sovint es passen per alt són les subconsultes comparatives i implícites: la majoria d'equips de contingut optimitzen per a la pregunta formulada i ignoren la no expressada.
Per què el query fan-out importa per al SEO
El query fan-out no afecta directament els rànquings tradicionals de Google. La teva posició d'enllaç blau la determinen els mateixos senyals de sempre. El que el fan-out canvia és si se't cita dins d'una resposta generada per IA.
- El problema de la citació. Una pàgina pot posicionar-se al núm. 1 per a una paraula clau i tot i així no aparèixer mai en una resposta d'IA si només satisfà un tipus de subconsulta.
- Invisibilitat als LLM. És el fenomen pel qual una pàgina posiciona a la cerca tradicional però mai no és citada a les respostes d'IA. El fan-out n'augmenta el risc: com més subconsultes genera un prompt, més angles ha de cobrir el teu contingut.
- L'impacte en el trànsit. Les respostes d'AI Overviews i d'AI Mode redueixen el CTR de les consultes on apareixen. Si el teu contingut no se cita dins d'aquestes respostes, perds visibilitat als dos nivells: invisible a la resposta d'IA i menys clics des de la SERP de sota.
Com fer-ne el seguiment
Els rastrejadors de posicions estàndard no capturen gens l'exposició al fan-out. Poden mesurar la teva posició en una SERP, però se'ls escapen les inclusions a les respostes sintetitzades per IA.
Les eines creades específicament per al monitoratge de la cerca amb IA —com l'AI Tracker i el Prompt Tracking de SEOcrawl— mesuren les mencions de marca, la taxa de citació i la quota de veu a ChatGPT, Claude, Gemini i Perplexity. Aquestes són les mètriques que et diuen si el teu contingut sobreviu a l'agregació del fan-out.
Com optimitzar el teu contingut per al query fan-out (7 consells)
El SEO tradicional optimitza una pàgina per a una paraula clau. L'optimització per al fan-out vol dir cobrir tot el ventall de subconsultes que un prompt probablement generarà.
- Mapeja el contingut a tot el ventall de subconsultes. Abans d'escriure o actualitzar una peça, pregunta't: quines són totes les preguntes implícites, relacionades, comparatives i d'alta intenció que podria tenir algú que faci aquest prompt? Aquestes són les seccions que hauries de construir.
- Construeix profunditat temàtica, no només amplitud. Una IA que agrega resultats prefereix una font que aprofundeix en un angle de subconsulta abans que una que toca tots els angles superficialment.
- Estructura el contingut perquè la IA pugui extreure respostes discretes. Cada secció hauria de funcionar per si sola com a resposta a una pregunta específica. Encapçalaments H2 i H3 clars, frases d'obertura concises per secció i format tipus FAQ ajuden els sistemes d'IA a extreure fragments nets durant l'agregació.
- Reforça els senyals E-E-A-T. Durant l'agregació, la IA avalua l'autoritat. Les credencials de l'autor, les dades pròpies, les fonts primàries i uns estàndards editorials clars contribueixen tots a si el teu contingut sobreviu.
- Aprofita el marcatge de FAQ i de dades estructurades. L'esquema de FAQ és un dels senyals més clars que una peça de contingut està dissenyada per respondre consultes específiques: exactament el que busca la recuperació del fan-out.
- Anticipa les subconsultes comparatives i implícites. Són les que més sovint es passen per alt. Construeix seccions de comparació fins i tot en pàgines que no tracten explícitament de comparacions, i aborda objeccions, alternatives i casos límit.
- Aplica-ho també als teus propis prompts. Si construeixes agents d'IA o fluxos de treball agèntics, entendre el fan-out canvia com escrius els prompts mestres. Un prompt que anticipa la seva pròpia descomposició (dividir una tasca en subtasques per endavant) recupera millors resultats que un que deixa tota la descomposició al model.
Si vols el marc més ampli al voltant de tot això, la nostra guia sobre optimització per a motors generatius explica com encaixa el fan-out en el canvi més ampli del SEO al GEO.
FAQs
Què és el query fan-out en la cerca amb IA?
El query fan-out és el procés pel qual un sistema d'IA expandeix un sol prompt en múltiples subconsultes paral·leles per recuperar informació completa. L'utilitzen Google AI Mode, ChatGPT i Perplexity.
Quantes subconsultes genera el query fan-out?
Varia segons la plataforma i la complexitat de la consulta, des d'un grapat fins a desenes o centenars que s'executen simultàniament. De Google AI Mode se'n diu àmpliament que genera el fan-out més agressiu dels grans sistemes d'IA.
El query fan-out afecta els rànquings de SEO tradicionals?
No directament. El fan-out afecta la inclusió i la citació dins de les respostes d'IA, no els rànquings clàssics d'enllaços blaus. Però la reducció del CTR de les respostes d'IA sí que impacta en el trànsit orgànic de les consultes afectades.
Com puc optimitzar el meu contingut per al query fan-out?
Construeix una cobertura temàtica completa, anticipa subconsultes implícites i comparatives, fes servir dades estructurades i reforça els senyals E-E-A-T perquè el teu contingut sigui citat en múltiples tipus de subconsulta.
Què és la invisibilitat als LLM?
El fenomen pel qual una pàgina té bon posicionament a la cerca tradicional però mai no és citada a les respostes generades per IA. El fan-out n'augmenta el risc perquè el contingut ha de satisfer un ventall més ampli de subconsultes per ser inclòs a la resposta sintetitzada.
El query fan-out és el mateix que la query expansion?
No. La query expansion tradicional afegeix sinònims o termes relacionats a una sola cerca. El query fan-out genera subconsultes paral·leles completament independents que es recuperen i sintetitzen cadascuna de manera independent.
El query fan-out s'aplica fora de la cerca?
Sí. En els fluxos de treball d'IA agèntica, un prompt mestre es descompon de manera similar en subtasques. Entendre el fan-out és rellevant per a desenvolupadors i equips de producte d'IA, no només per als SEO.
Автор: David Kaufmann
He passat els últims 10+ anys completament obsessionat amb el SEO — i sincerament, no ho canviaria per res.
La meva carrera va fer un salt qualitatiu quan vaig treballar com a especialista SEO sènior a Chess.com — un dels 100 webs més visitats de tot Internet. Operar a aquesta escala em va ensenyar coses que cap curs ni certificació podrien transmetre.
D'aquella experiència vaig fundar SEO Alive — una agència per a marques que es prenen seriosament el creixement orgànic. I com que no trobava cap eina que gestionés bé tant el SEO clàssic com el món de la IA, vaig construir SEOcrawl. Si busques un partner SEO sènior que s'estimi aquest sector de debò — m'encantarà parlar amb tu!
Дізнайтесь більше контенту цього автора
