結果を分析する

クエリファンアウト

AIエンジンが回答を書く前に、プロンプトの背後で実行するサブクエリです。AmICitedがそれをどこから取得するか、どう分類するか、どうコンテンツに変えるかを解説します。

定義

ファンアウトクエリ

AIエンジンがプロンプトに答える際に自ら実行する検索です。質問をより絞り込んだもの、比較したもの、言い換えたものなどが含まれます。

確認場所: プロンプト詳細 → Fan-out queries

ファンアウトが重要な理由#

誰かがChatGPTに「best helpdesk software for ecommerce」と尋ねたとき、エンジンはそのフレーズをそのまま1回だけ検索するわけではありません。複数の検索（「helpdesk software Shopify integration」「Zendesk vs Gorgias pricing」「helpdesk for small online store」）に枝分かれし、結果を読み、見つけたページから回答を書きます。

つまり、引用されるのは、プロンプトだけでなくサブクエリで上位表示されるページ、またはそれに近い答えを出すページです。プロンプトの文言だけでページを最適化すると、実際にどのソースが使われるかを左右する質問を見逃す可能性があります。

クエリの出どころ#

各プロンプトには1つのファンアウトセットがあり、次の2つの入力を統合したものです。

エンジン報告。 ChatGPTとGeminiは、実際に実行したサブクエリを報告します。これらは各回答とともに収集されるもので、推測ではなく、追加費用もかかりません。
予測。 ファンアウトを報告しない他のエンジン（Perplexity、Claude、Grokなど）については、プロンプトに対して収集された回答とソースから、モデルがサブクエリを予測します。

2つのリストは重複が除かれ、同じクエリが両方で生成された場合はエンジン自身の表現が優先されます。セットは予定された実行の後に自動で再構築され、プロンプト詳細ページからいつでもGenerateまたはRegenerateできます。

カテゴリー#

各サブクエリは、元のプロンプトをどう変換したかによって、19のカテゴリーのいずれかに分類されます。

カテゴリー	変換の例
Reformulation、Generalization、Specification	同じ質問を言い換えたもの、広げたもの、絞ったもの
Decomposition、Implicit	質問を分割したもの、前提としていることを尋ねるもの
Comparison、Entity、Attribute	「XとYの比較」、名前の付いた製品、その1つの特性
Use case、Compatibility、Pricing	「小規模チーム向け」「Shopifyと連携」「費用」
Procedural、Definitional	「〜の方法」「〜とは」
Freshness、Geographic	「2026年」「ドイツで」
Sentiment、Authority	レビューや意見、専門家や公的なソース
Related、Multimodal、Other	隣接するトピック、画像や動画、その他すべて

各サブクエリには、検索Intent（情報収集、商用、取引など）とその信頼度も付いており、キーワードデータがある場合は、検索ボリューム、CPC、競合性も表示されます。

Fan-out queriesテーブルの読み方#

プロンプト詳細ページのFan-out queriesには、「生成エンジンがこのプロンプトから導き出すサブクエリ」が一覧表示されます。カテゴリーや意図で絞り込んだり、サブクエリを独立したプロンプトとして追加したりできます。

Trackは、1つのサブクエリをトラッキング対象のプロンプトとして追加します。
**Track all prompts (N)**は、表示されているすべてのサブクエリを追加します。

引用分析が利用できる場合、テーブルにはヒートマップが追加されます。引用された各ドメインが列となり、平均引用位置（良い順）で並び、各セルは、そのドメインの最良のページがサブクエリにどれだけ近いかを示します。最上部の★の行は、メインのプロンプトについて同じことを示します。行は、引用されたページに最も関連するサブクエリが先頭に来るように並べ替えられます。これらは、自社のページが最もカバーする必要のあるサブクエリです。セルの色が濃いほど近いことを意味します。

ヒートマップは列ごとに読む

最初に引用されているドメインの列を探してください。その列が濃く、自社の列（youのマーク）が薄い行が、勝っているドメインは答えていて、自社は答えていないサブ質問です。それが次の編集のアウトラインになります。

ファンアウト履歴#

Fan-out historyは、選択した期間に「エンジンがどのサブクエリの実行を開始し、停止したか」を、New、Stable、Droppedに分けて表示します。各サブクエリが確認された日数（例:「12/30 days」）と、1日あたりのサブクエリ数のチャートも表示されます。エンジンが実際に報告した内容だけを読み取るため、対象はChatGPTとGeminiです。

エンジンによる質問の解釈の変化を見つけるために使ってください。たとえば「pricing」のサブクエリが現れて定着したなら、可視性がまだ動いていなくても、料金に関するコンテンツがこのプロンプトに関連するようになったということです。

ファンアウトの活用方法#

未ランクのプロンプトを開き、ファンアウトのリストを読みます。サブクエリをカテゴリーごとにまとめます。
プロンプトカバレッジを確認し、自社のページがすでにどのサブクエリに答えているか（Covered、Partial、Uncovered）を見ます。
キーワードではなく、セクションを追加する。「Zendesk vs Gorgias pricing」のようなサブクエリが求めているのは、フレーズの繰り返しではなく、数字を使った短く直接的な比較です。
ボリュームのあるサブクエリをトラッキングする。 ボリュームの大きいサブクエリは、それ自体が監視する価値のあるプロンプトであることがよくあります。
Uncoveredの質問のクラスターに対して記事を生成する。 AI記事を参照してください。

ファンアウトはオーガニック検索にも現れます。ReportsのAI searchesとSite operatorsレポートは、site:演算子を含むSearch Consoleのクエリを読み取ります。これが、アシスタントのファンアウトがGoogleに届く形です。検索とトラフィックのレポートを参照してください。