Hoe u alle fan-out queries tegelijk kunt volgen in AmICited

De fan-out query’s die AmICited voor een prompt ontdekt, zijn echte vragen die AI-engines onderzoeken — dus het is de moeite waard om ze ook op zichzelf te volgen. Met de knop Alle prompts volgen zet u in één klik de hele fan-out-set om in bewaakte prompts.

Wat is query fan-out?

Wanneer u een vraag typt in ChatGPT, Perplexity, Gemini of een Google AI Overview, beantwoordt de engine die zelden op basis van die ene zin alleen. In plaats daarvan herschrijft de engine uw prompt stilzwijgend tot een reeks gerelateerde sub-query’s, voert voor elk daarvan onderzoek uit en voegt de resultaten samen tot het antwoord dat u te zien krijgt. Dat ontledingsproces heet query fanout — één gebruikersprompt “waaiert uit” naar overal tussen een handvol en enkele tientallen specifiekere vragen, die elk een ander aspect belichten: een definitie, een vergelijking, een prijspunt, een gebruikssituatie, een concurrentnaam.

Dit is belangrijk voor AI-zoekzichtbaarheid omdat citaties niet alleen plaatsvinden op het niveau van de oorspronkelijke prompt — ze vinden plaats op het niveau van elke sub-query die de engine onderweg genereert. Een merk dat onzichtbaar is in het antwoord op “beste projectmanagementsoftware” kan alsnog worden geciteerd in een van de fan-out-sub-query’s die dat antwoord voeden, zoals “projectmanagementsoftware voor remote teams” of “prijsvergelijking projectmanagementsoftware”. Omgekeerd garandeert een goede positie op de bovenliggende prompt niet dat u ook goed scoort op de sub-query’s die een engine daaronder verkent. Als u alleen de prompts volgt die u zelf oorspronkelijk bedacht, mist u het feitelijke onderzoekstraject dat het AI-model volgde om zijn antwoord op te bouwen.

Dit is ook waarom generative engine optimization promptsets anders behandelt dan traditionele zoekwoordenlijsten. Een zoekwoordenlijst is statisch en wordt door een marketeer gekozen; een fan-out-set is dynamisch en wordt door de AI-engine zelf gekozen, wat betekent dat deze weerspiegelt hoe het model op dit moment daadwerkelijk over een onderwerp redeneert. Door die sub-query’s te volgen krijgt u een eerlijker beeld van waar uw AI-zichtbaarheid daadwerkelijk hiaten vertoont, omdat u meet tegen de vragen die engines echt stellen, niet alleen de vragen waarvan u aannam dat ze gesteld zouden worden.

AmICited brengt deze fan-out-set automatisch in beeld voor elke prompt die u volgt, en biedt vervolgens een directe manier om willekeurige of alle sub-query’s om te zetten in uw eigen prompts — wat de rest van deze gids behandelt.

Waar vindt u het

Op het Fan-out-query’s-paneel van een promptdetailpagina. Open een willekeurige gevolgde prompt en dit paneel toont de sub-query’s die AmICited heeft geïdentificeerd als onderdeel van het onderzoekstraject van die prompt. U heeft twee opties om ze om te zetten in gevolgde prompts:

• Alle prompts volgen (N) — de knop in de paneelkop voegt in één keer elke fan-out-query toe als een gevolgde prompt (het getal toont hoeveel).
• + Volgen — de knop aan het einde van elke rij voegt alleen die ene sub-query toe.

Na toevoeging tonen rijen de status ✓ Gevolgd, zodat u in één oogopslag ziet wat al wordt bewaakt en wat nog slechts een ontdekte-maar-ongevolgde query is. Hierdoor fungeert het paneel ook als een doorlopende audit van uw promptdekking voor dat onderwerp: alles zonder vinkje is een vraag die engines onderzoeken maar die u nog niet in de gaten houdt.

Wat het meet

Elke fan-out-query wordt, zodra deze wordt gevolgd, een volwaardige prompt in uw AmICited-account — met een eigen run-geschiedenis, eigen citatieresultaten per engine en een eigen bijdrage aan uw totale share of voice . In plaats van uw positie op een sub-query indirect af te leiden uit het resultaat van de bovenliggende prompt, krijgt u een direct, engine-per-engine beeld van of uw merk voor dat specifieke aspect wordt geciteerd.

Hier betaalt fan-out-tracking zich op de lange termijn uit. Eén bovenliggende prompt kan uitwaaieren naar sub-query’s over prijzen, integraties, alternatieven en geschiktheid voor gebruikssituaties. Als uw merk consequent naar voren komt bij de aspecten “alternatieven” en “integraties”, maar wegvalt bij “prijzen” en “geschiktheid voor gebruikssituaties”, is dat een concreet, bruikbaar patroon — u weet precies welk type content of pagina AI-engines onvoldoende bedient, in plaats van alleen te weten dat uw zichtbaarheid op het onderwerp als geheel middelmatig is. Op schaal gevolgd over veel prompts fungeren fan-out-sub-query’s als een AI rank tracker voor de long tail van vragen onder uw kernonderwerpen — de laag van specificiteit die meestal onzichtbaar blijft als u alleen de prompts monitort die u zelf heeft bedacht.

Hoe u het gebruikt

1. Bekijk eerst de lijst. Loop de fan-out-query’s en hun type-tags door — de meeste zullen relevant zijn, maar u kunt ze selectief toevoegen met de + Volgen per rij als u er slechts enkele wilt. Het loont om dit bewust te doen in plaats van klakkeloos alles te volgen: een sub-query die slechts zijdelings aan uw bedrijf raakt, verwatert uw promptset met ruis in plaats van signaal.
2. Volg alles voor volledige dekking. Als de prompt belangrijk is — een kernproductcategorie, een concurrerende term, een koopvraag met hoge intentie — geeft het toevoegen van de hele set u zicht op elk aspect dat engines eromheen verkennen, niet alleen het aspect dat u toevallig zelf schreef. Dit is de snelste manier om van één handmatig gekozen prompt naar een werkelijk uitgebreide AI prompt tracking -set voor dat onderwerp te gaan.
3. Stel daarna hun schema en engines in via de Prompts-tabel. De nieuwe prompts erven verstandige standaardinstellingen, maar u kunt ze gezamenlijk aanpassen met bulkacties — bijvoorbeeld door de runfrequentie van een cluster hoogwaardige sub-query’s te verhogen of door af te stemmen welke engines ze controleren ten opzichte van de rest van uw set.
4. Let op uw quotum. Het toevoegen van veel prompts verhoogt het aantal runs dat u gebruikt, dus volg eerst de fan-out-sets voor uw meest waardevolle prompts, en gebruik de + Volgen-optie per rij als filter voor minder prioritaire onderwerpen waarbij volledige dekking het runbudget niet waard is.

Waarom dit een reële leemte in AI-zichtbaarheidsmonitoring opvult

De meeste teams die beginnen met het monitoren van AI-zoekzichtbaarheid starten met een promptlijst die op giswerk is gebaseerd — een handvol vragen waarvan iemand in het team aanneemt dat klanten of AI-engines die zouden stellen. Die lijst is een redelijk startpunt, maar wordt inherent begrensd door wat een mens bedacht heeft om op te schrijven. Query fan-out tracking vervangt giswerk door waargenomen gedrag: in plaats van te bedenken wat een engine zou kunnen onderzoeken, kijkt u rechtstreeks naar wat de engine daadwerkelijk onderzocht toen deze de laatste keer een prompt beantwoordde die u belangrijk vindt.

Dit consequent doen verandert ook hoe u uw citatiegegevens leest. Eén gevolgde prompt levert u één datapunt per engine per run op. Een volledig gevolgd fan-out-cluster levert u een klein dataset op — soms een tiental of meer gerelateerde query’s — dat u als een patroon kunt lezen. Dat patroon is veel nuttiger om te achterhalen waarom AI Overviews of ChatGPT een concurrent citeert in plaats van u: het vertelt u of de kloof inhoudelijk is (u mist content over één specifiek aspect) of structureel (uw content bestaat wel, maar wordt in het algemeen niet als bron geselecteerd).

Wat u vervolgens kunt doen

Zodra u een fan-out-set heeft gevolgd, behandelt u deze op dezelfde manier als elk ander promptcluster in AmICited: bekijk hoe citatietracking zich de daaropvolgende weken ontwikkelt over de sub-query’s, en gebruik het patroon van successen en hiaten om te bepalen welke content u als volgende moet aanpassen of publiceren. Als u deze workflow prompt voor prompt opbouwt voor een grote site of een portfolio met meerdere merken, loont het om fan-out-tracking te combineren met een bredere blik op welke prompts ervoor zorgen dat AI uw merk noemt , zodat uw kernpromptlijst en de fan-out-uitbreidingen ervan afgestemd blijven op wat daadwerkelijk citaties oplevert, in plaats van op wat u had aangenomen.