Analizza i risultati
Query fan-out
Le sotto-query che un motore AI esegue dietro un prompt prima di scrivere la risposta. Da dove le ricava AmICited, come vengono classificate e come trasformarle in contenuti.
Definizione
Query fan-out
Perché il fan-out conta#
Quando qualcuno chiede a ChatGPT “miglior software di helpdesk per ecommerce”, il motore non cerca quell’esatta frase una sola volta. Si dirama in diverse ricerche (“software helpdesk integrazione Shopify”, “Zendesk vs Gorgias prezzi”, “helpdesk per piccolo negozio online”), legge i risultati e scrive una risposta a partire dalle pagine trovate.
Questo significa che le pagine citate sono quelle che si posizionano per le sotto-query, o che vi rispondono da vicino, e non solo per il prompt. Se ottimizzi una pagina solo sulla formulazione del prompt, puoi perdere le domande che decidono davvero quali fonti vengono usate.
Da dove provengono le query#
Ogni prompt ha un solo insieme fan-out, ottenuto unendo due input:
- Riportate dal motore. ChatGPT e Gemini riportano le sotto-query che hanno realmente eseguito. Vengono raccolte insieme a ogni risposta, mai dedotte, e non costano nulla in più.
- Previste. Per gli altri motori (Perplexity, Claude, Grok e gli altri), che non riportano il fan-out, un modello prevede le sotto-query a partire dalle risposte e dalle fonti raccolte per il prompt.
Le due liste vengono deduplicate, e la formulazione del motore prevale quando entrambe hanno prodotto la stessa query. L’insieme viene ricostruito automaticamente dopo le esecuzioni pianificate e puoi Generate o Regenerate su richiesta dalla pagina di dettaglio del prompt.
Categorie#
Ogni sotto-query viene classificata in base a come trasforma il prompt originale, in una di 19 categorie:
| Categoria | Esempio di trasformazione |
|---|---|
| Reformulation, Generalization, Specification | La stessa domanda con altre parole, più ampia o più ristretta |
| Decomposition, Implicit | Divide la domanda o chiede ciò che essa presuppone |
| Comparison, Entity, Attribute | “X vs Y”, un prodotto nominato, una sua singola proprietà |
| Use case, Compatibility, Pricing | “per piccoli team”, “funziona con Shopify”, “costo” |
| Procedural, Definitional | “come fare…”, “che cos’è…” |
| Freshness, Geographic | “2026”, “in Germania” |
| Sentiment, Authority | Recensioni e opinioni, fonti esperte o ufficiali |
| Related, Multimodal, Other | Argomenti adiacenti, immagini o video, tutto il resto |
Ogni sotto-query porta anche un Intent di ricerca (informativo, commerciale, transazionale e così via) con un livello di confidenza, più volume di ricerca, CPC e concorrenza dove esistono dati di parola chiave.
Leggere la tabella Fan-out queries#
Nella pagina di dettaglio del prompt, Fan-out queries elenca “le sotto-query che i motori generativi ricavano da questo prompt”. Filtra per categoria o intento, oppure aggiungi le sotto-query come prompt a sé stanti:
- Track aggiunge una sotto-query come prompt monitorato.
- Track all prompts (N) aggiunge ogni sotto-query mostrata.
Quando è disponibile un’analisi delle citazioni, la tabella si arricchisce di una heatmap: ogni dominio citato diventa una colonna, ordinata per posizione media di citazione (la migliore per prima), e ogni cella mostra quanto la migliore pagina di quel dominio sia vicina alla sotto-query. Una riga ★ in alto fa lo stesso per il prompt principale. Le righe sono ordinate in modo che le sotto-query più legate alle pagine citate vengano per prime: sono quelle che la tua pagina deve coprire di più. Celle più scure significano maggiore vicinanza.
Leggi la heatmap colonna per colonna
Trova la colonna del dominio citato per primo. Le righe in cui è scura e la tua colonna (contrassegnata you) è chiara sono le sotto-domande a cui il vincitore risponde e tu no. È lo schema per la tua prossima modifica.
Fan-out history#
Fan-out history mostra “quali sotto-query i motori hanno iniziato e smesso di eseguire” nell’intervallo di date selezionato, raggruppate in New, Stable e Dropped, con il numero di giorni in cui ciascuna è stata vista (ad esempio “12/30 days”) e un grafico delle sotto-query al giorno. Legge solo ciò che i motori hanno effettivamente riportato, quindi copre ChatGPT e Gemini.
Usalo per individuare un cambiamento nel modo in cui un motore interpreta la domanda. Se una sotto-query sui “prezzi” compare e resta, i contenuti sui prezzi sono appena diventati rilevanti per questo prompt anche se la tua visibilità non si è ancora mossa.
Come agire sul fan-out#
- Apri un prompt su cui non sei posizionato e leggi la sua lista fan-out. Raggruppa le sotto-query per categoria.
- Controlla la copertura dei prompt per vedere a quali sotto-query le tue pagine rispondono già (Covered, Partial, Uncovered).
- Aggiungi sezioni, non parole chiave. Una sotto-query come “Zendesk vs Gorgias prezzi” richiede un confronto breve e diretto con dei numeri, non la ripetizione della frase.
- Monitora le sotto-query con volume. Le sotto-query ad alto volume sono spesso prompt che vale la pena monitorare a sé.
- Genera un articolo per un gruppo di domande non coperte. Vedi articoli AI.
Il fan-out compare anche nella ricerca organica. I report AI searches e Site operators in Reports leggono le query di Search Console che contengono un operatore site:, ed è così che il fan-out di un assistente arriva a Google. Vedi report di ricerca e traffico.