如何一次性追踪所有扇出查询

AmICited 为某个提示发现的扇出查询是 AI 引擎真正会研究的问题——因此它们本身也值得追踪。Track all prompts（追踪所有提示） 按钮可一键将整个扇出集合转化为受监控的提示。

什么是查询扇出？

当你在 ChatGPT、Perplexity、Gemini 或 Google AI 摘要中输入一个问题时，引擎很少只根据这一句话来作答。相反，它会在后台把你的提示悄悄改写成一批相关的子查询，针对每一个子查询进行研究，再将结果拼接成你最终看到的答案。这一分解过程被称为查询扇出 ——一个用户提示会"扇出"为少则几个、多则数十个更细化的问题，每一个都在探究不同的角度：一个定义、一项对比、一个价格点、一个使用场景、一个竞品名称。

这一点之所以对 AI 搜索可见性至关重要，是因为引用并不只发生在原始提示这一层级——它们发生在引擎沿途生成的每一条子查询的层级上。一个在"最佳项目管理软件"这一答案中完全"隐形"的品牌，仍可能在支撑该答案的某条扇出子查询中被引用，比如"适合远程团队的项目管理软件"或"项目管理软件价格对比"。反过来，在父提示上排名靠前，也不能保证在引擎于其之下探索的各个子查询中都能获得覆盖。如果你只追踪自己最初想到要写的提示，你就会错过 AI 模型构建答案时实际遵循的那条研究路径。

这也是为什么生成式引擎优化会以不同于传统关键词列表的方式来看待提示集。关键词列表是静态的，由营销人员选定；而扇出集合是动态的，由 AI 引擎自己选定，这意味着它反映的是模型当下真实的推理方式。追踪这些子查询能让你更真实地看清AI 可见性 的差距究竟在哪里，因为你衡量的是引擎实际在问的问题，而不仅仅是你以为它们会问的问题。

AmICited 会为你追踪的每一个提示自动呈现这一扇出集合，并为你提供一条直接的路径，将其中任意一条或全部子查询转化为你自己的追踪提示——这正是本指南接下来要介绍的内容。

在哪里找到它

在**提示详情（prompt detail）**页面的 **Fan-out queries（扇出查询）**面板上。打开任意一个已追踪的提示，该面板会列出 AmICited 识别为该提示研究路径一部分的子查询。你有两个选项可以将它们转化为追踪提示：

• Track all prompts (N)（追踪所有提示）——面板顶部的按钮可将每条扇出查询一次性添加为追踪提示（数字显示数量）。
• + Track（+ 追踪）——每行末尾的按钮仅添加单条子查询。

添加后，行会显示 ✓ Tracked（已追踪） 状态，便于你一眼看出哪些查询已在监控中、哪些还只是被发现但尚未追踪。这使得该面板同时也成为你该主题提示覆盖情况的一份实时审计：任何没有打勾的条目，都是引擎正在研究、而你尚未关注的问题。

它衡量什么

每条扇出查询一旦被追踪，就会成为你 AmICited 账户中一个完整的提示——拥有自己的运行历史、跨引擎的引用结果，以及对你整体声量份额（share of voice） 的独立贡献。你不再需要通过父提示的结果间接推断自己在某条子查询上的表现，而是能够按引擎逐一获得直接的判断：你的品牌是否在这个具体角度上被引用。

这正是扇出追踪长期发挥价值的地方。一个父提示可能会扩展出关于价格、集成、替代方案和使用场景匹配度等多条子查询。如果你的品牌在"替代方案"和"集成"这些角度上稳定出现，却在"价格"和"使用场景匹配度"这些角度上掉队，那就是一个具体的、可执行的模式——你能确切地知道哪一类内容或页面在 AI 引擎眼中表现不足，而不只是笼统地知道自己在该主题上的整体可见性一般。在大量提示上规模化追踪时，扇出子查询就相当于为你核心主题之下的长尾问题提供了一个 AI 排名追踪工具 ——如果你只监控自己想到的那些提示，这一层细分通常是看不见的。

如何使用

1. 先浏览列表。 快速查看扇出查询及其类型标签——大多数都是相关的，但如果你只想添加部分内容，可以使用每行的 **+ Track（+ 追踪）**按钮进行选择性添加。这一步值得刻意为之，而不是不假思索地全部追踪：一条只是与你的业务沾边的子查询，只会给你的提示集带来噪音而非信号。
2. 全部追踪以获得完整覆盖。 如果这个提示很重要——一个核心产品类别、一个竞争性词汇、一个高购买意图的问题——添加整个集合能让你全面了解引擎围绕它探索的每一个角度，而不只是你恰好写下的那一个。这是从一个手动挑选的单一提示，快速扩展为该主题真正全面的 AI 提示追踪 集合的最快方式。
3. 之后在 Prompts（提示）表中设置调度和引擎。 新提示会继承合理的默认值，但你可以使用批量操作 统一调整它们——例如，为一组高价值子查询提高运行频率，或让它们检查的引擎与你其余的提示集保持一致。
4. 注意你的配额。 添加大量提示会增加你使用的运行次数，因此请优先为你最有价值的提示追踪扇出集合，并将每行的 **+ Track（+ 追踪）**选项作为筛选工具，用于那些完整覆盖并不值得投入运行预算的低优先级主题。

为什么这弥补了 AI 可见性监控中的一个真实缺口

大多数开始监控 AI 搜索可见性 的团队，都是从一份靠猜测拼凑出的提示列表开始的——团队中有人假设客户或 AI 引擎会问的几个问题。这份列表是一个合理的起点，但它天然受限于人类想到要写下的内容。查询扇出追踪用观察到的实际行为取代了猜测：你不再是想象引擎可能会研究什么，而是直接查看它上一次回答你关心的提示时，实际研究了什么。

持续这样做，也会改变你解读引用数据的方式。单一的追踪提示每次运行、每个引擎只能给你一个数据点。而一个被完整追踪的扇出集群则会给你一个小型数据集——有时是十几条甚至更多的相关查询——你可以把它当作一种模式来解读。在诊断为什么 AI 摘要或 ChatGPT 引用了竞品而不是你时，这种模式要有用得多：它能告诉你这个差距是主题性的（你在某个具体角度上缺少内容），还是结构性的（你的内容存在，但整体上没有被选为信息来源）。

接下来该做什么

一旦你追踪了一个扇出集合，就应该像对待 AmICited 中任何其他提示集群一样对待它：在接下来的几周里观察引用追踪 在各条子查询上的走势，并利用胜出与差距的模式，来决定接下来应优先修复或发布哪些内容。如果你正在为一个大型网站或多品牌矩阵逐个提示地搭建这套工作流，值得将扇出追踪与更宏观地审视哪些提示会触发 AI 提及你的品牌 结合起来，让你的核心提示列表及其扇出扩展始终与真正驱动引用的因素保持一致，而不是与你所假设的因素一致。