Query fan-out
Query fan-out er praksis med at besvare et spørgsmål ved at køre flere søgninger bag det og derefter sammensætte et enkelt svar fra de kombinerede resultater. Googles dokumentation navngiver teknikken og bekræfter, at både AI Overviews og AI Mode kan bruge den[1]. Skalaen varierer skarpt efter motor: Google beskriver AI Mode som at køre omkring et dusin søgninger i den tid, en almindelig søgning returnerer et resultat[2], mens en undersøgelse af ChatGPT målte et gennemsnit på 2,17 søgninger på de prompter, hvor den overhovedet søgte[3].
Hvordan Google bruger det
Google Search Central er den primære erklæring: både AI Overviews og AI Mode kan udsende flere relaterede søgninger på tværs af underemner og datakilder for at udvikle et svar[1]. Dounia Berrada, en senior ingeniørdirektør for Search, satte den daglige skala til omkring et dusin søgninger pr. spørgsmål[2]. Deep Search-tilstanden i AI Mode går meget længere: Search Engine Journal, der rapporterer Robby Stein, VP for produkt for Search, beskrev dusinvis eller hundredvis af baggrundsforespørgsler for et spørgsmål[4].
Google har et patent, der beskriver en relateret mekanisme, Thematic search, US12158907B1, indleveret 16. maj 2023 og tildelt 3. december 2024. Det beskriver generering af et sæt temaer og derefter snævrere undertemaer fra de dokumenter, en indledende forespørgsel returnerer[5].
Operationerne bag en fan-out
En undersøgelse fra 2024 af forespørgselsoptimering for LLM-hentningspipelines navngiver fire atomare operationer, en forespørgsel gennemgår, før hentning kører: forespørgselsudvidelse, forespørgselsdekomponering, forespørgselsdisambiguering og forespørgselsabstraktion[6]. Dekomponering er den operation, en fan-out eksponerer, da Googles egen beskrivelse er af flere relaterede søgninger, der udsendes på tværs af underemner[1]. De søgninger, en side hentes for, er derfor ikke de ord, brugeren tastede.
Andre motorer
Fan-out er ikke specifikt for Google, men viften er snævrere andre steder. En undersøgelse af mere end 8.500 ChatGPT-prompter på tværs af ni brancher viste, at 31 % udløste mindst én live websøgning[7], med et gennemsnit på 2,17 søgninger på disse prompter med et maksimum på fire[3]. Perplexity dokumenterer en klassificering, der scorer forespørgselskompleksitet og dirigerer sværere spørgsmål til en flertrins Pro Search i stedet for en enkelt gennemgang[8]. Pro Search adskiller planlægning fra udførelse: modellen skriver en plan og genererer og kører derefter søgningerne for hvert trin efter tur, så senere underforespørgsler kan afhænge af tidligere resultater[9].
Hvad det indebærer for indhold
Leverandørvejledning behandler fan-out som en grund til at dække et emnes underordnede spørgsmål på tværs af en side eller en klynge, med argumentet om, at en side, der besvarer en snæver vinkel, er mindre modstandsdygtig, når underforespørgsler multipliceres[10]. Googles egen holdning modsiger den stærkere version af dette råd: ingen yderligere krav for at vises i AI Overviews eller AI Mode, og ingen særlig optimering nødvendig[11].
Referencer (11)
- AI-funktioner og dit websted - Google Search Central Arkiv
- Sådan fungerer Googles visuelle AI-søgning - The Keyword Arkiv
- ChatGPT udfører en søgning i 31 % af prompterne, nye data afslører Arkiv
- Query Fan-Out-teknik i AI-tilstand: Nye detaljer fra Google Arkiv
- US12158907B1 - Tematisk søgning - Google Patents Arkiv
- En undersøgelse af forespørgselsoptimering i store sprogmodeller
- ChatGPT udfører en søgning i 31 % af prompterne, nye data afslører Arkiv
- Pro Search Classifier - Perplexity Arkiv
- AI Answer Engine Case Study: Perplexity Pro Search Arkiv
- Optimering af forespørgselsfan-out: Sådan optimeres indhold til AI-søgning Arkiv
- AI-funktioner og dit websted - Google Search Central Arkiv
Sidst opdateret 2026-09-04. Skrevet og vedligeholdt af Baseline Labs.