Resultaten analyseren
Query fan-out
De deelqueries die een AI-engine achter een prompt uitvoert voordat hij het antwoord schrijft. Waar AmICited ze vandaan haalt, hoe ze worden geclassificeerd en hoe je ze omzet in content.
Definitie
Fan-outquery
Waarom fan-out ertoe doet#
Wanneer iemand ChatGPT vraagt “best helpdesk software for ecommerce”, zoekt de engine niet één keer op precies die zin. Hij waaiert uit in meerdere zoekopdrachten (“helpdesk software Shopify integration”, “Zendesk vs Gorgias pricing”, “helpdesk for small online store”), leest de resultaten en schrijft een antwoord op basis van de pagina’s die hij vond.
Dat betekent dat de pagina’s die worden aangehaald degene zijn die ranken voor, of nauw aansluiten op, de deelqueries, niet alleen op de prompt. Als je een pagina alleen optimaliseert voor de formulering van de prompt, kun je de vragen missen die feitelijk bepalen welke bronnen worden gebruikt.
Waar de queries vandaan komen#
Elke prompt heeft één fan-outset, samengevoegd uit twee bronnen:
- Engine-reported. ChatGPT en Gemini rapporteren de deelqueries die ze daadwerkelijk hebben uitgevoerd. Deze worden bij elk antwoord verzameld, nooit afgeleid, en kosten niets extra.
- Predicted. Voor de andere engines (Perplexity, Claude, Grok en de rest), die fan-out niet rapporteren, voorspelt een model de deelqueries uit de antwoorden en bronnen die voor de prompt zijn verzameld.
De twee lijsten worden ontdubbeld, waarbij de eigen formulering van de engine wint als beide dezelfde query opleverden. De set wordt automatisch opnieuw opgebouwd na geplande runs en je kunt hem op verzoek Generate of Regenerate vanaf de pagina met promptdetails.
Categorieën#
Elke deelquery wordt geclassificeerd op hoe ze de oorspronkelijke prompt transformeert, in een van 19 categorieën:
| Categorie | Voorbeeldtransformatie |
|---|---|
| Reformulation, Generalization, Specification | Dezelfde vraag in andere woorden, breder of specifieker |
| Decomposition, Implicit | Splitst de vraag, of vraagt wat ze aanneemt |
| Comparison, Entity, Attribute | “X vs Y”, een genoemd product, één eigenschap ervan |
| Use case, Compatibility, Pricing | “for small teams”, “works with Shopify”, “cost” |
| Procedural, Definitional | “how to…”, “what is…” |
| Freshness, Geographic | “2026”, “in Germany” |
| Sentiment, Authority | Reviews en meningen, deskundige of officiële bronnen |
| Related, Multimodal, Other | Aanverwante onderwerpen, beeld of video, al het andere |
Elke deelquery heeft ook een zoek-Intent (informatief, commercieel, transactioneel enzovoort) met een betrouwbaarheid, plus zoekvolume, CPC en concurrentie waar zoekwoorddata bestaat.
De tabel Fan-out queries lezen#
Op de pagina promptdetails toont Fan-out queries “de deelqueries die generatieve engines van deze prompt afleiden”. Filter op categorie of intent, of voeg deelqueries toe als eigen prompts:
- Track voegt één deelquery toe als gevolgde prompt.
- Track all prompts (N) voegt elke getoonde deelquery toe.
Wanneer een bronvermeldingsanalyse beschikbaar is, krijgt de tabel een heatmap: elk aangehaald domein wordt een kolom, gesorteerd op zijn gemiddelde bronvermeldingspositie (beste eerst), en elke cel toont hoe dicht de beste pagina van dat domein bij de deelquery ligt. Een ★-rij bovenaan doet hetzelfde voor de hoofdprompt. Rijen zijn zo gesorteerd dat de deelqueries die het sterkst verwant zijn aan de aangehaalde pagina’s vooraan staan: dat zijn degene die je pagina het meest moet dekken. Donkerdere cellen betekenen dichterbij.
Lees de heatmap kolom voor kolom
Zoek de kolom van het domein dat als eerste wordt aangehaald. De rijen waar die donker is en jouw kolom (gemarkeerd als you) bleek, zijn de deelvragen die de winnaar beantwoordt en jij niet. Dat is je outline voor de volgende aanpassing.
Fan-out history#
Fan-out history toont “welke deelqueries de engines zijn gaan uitvoeren en ermee zijn gestopt” over het geselecteerde datumbereik, gegroepeerd als New, Stable en Dropped, met hoeveel dagen elk werd gezien (bijvoorbeeld “12/30 days”) en een grafiek van deelqueries per dag. Het leest alleen wat engines daadwerkelijk rapporteerden, dus het dekt ChatGPT en Gemini.
Gebruik het om een verandering te zien in hoe een engine de vraag interpreteert. Als een deelquery over “pricing” verschijnt en blijft, is prijscontent net relevant geworden voor deze prompt, ook als je zichtbaarheid nog niet is verschoven.
Hoe je op fan-out handelt#
- Open een prompt waarop je niet rankt en lees de fan-outlijst. Groepeer de deelqueries op categorie.
- Controleer promptdekking om te zien welke deelqueries je pagina’s al beantwoorden (Covered, Partial, Uncovered).
- Voeg secties toe, geen zoekwoorden. Een deelquery als “Zendesk vs Gorgias pricing” wil een korte, directe vergelijking met cijfers, niet de herhaalde zin.
- Volg de deelqueries met volume. Deelqueries met veel volume zijn vaak prompts die het waard zijn om op zichzelf te monitoren.
- Genereer een artikel voor een cluster van niet-gedekte vragen. Zie AI-artikelen.
Fan-out zie je ook terug in organische zoekresultaten. De rapporten AI searches en Site operators onder Reports lezen Search Console-queries die een site:-operator bevatten, en zo bereikt de fan-out van een assistent Google. Zie zoek- en verkeersrapporten.