query fan-outは具体的に何をしているのか？
ユーザーが「中小企業向けのCRMで、導入が簡単で安いものは？」と聞いたとします。従来の検索ならこの文字列に近いページを1回探すだけですが、fan-outが働くAI検索はこれを複数の子クエリに分解します：「中小企業 CRM 比較」「CRM 価格」「CRM 導入手順」「CRM おすすめ」といった具合です。各子クエリで並列に検索し、得られた候補を突合・統合して1つの回答を合成します。この機構はGoogleのAI Mode／AI Overviewsで使われており、Gemini 3がデフォルト化された2026年以降、その粒度はさらに細かくなっています。背景はAI Mode解析を参照。
なぜ「1位のページ」が引用されないことがあるのか？
fan-outは「メインの質問」ではなく「子クエリ」で候補を拾います。「CRM おすすめ」で1位でも、「CRM 導入手順」「CRM 価格比較」の子クエリに対応する内容がなければ、合成される回答の材料から漏れます。逆に、個別の子クエリで明確な回答を持つページ群は、メインクエリで上位でなくても引用に辿り着きます。ランキングは入口の1つであって、引用の保証ではない——これがGEOとSEOの決定的な違いです。詳しくはGEOとSEOの違いを参照。
実行チェックリスト
- カテゴリのバイヤー質問を50〜100問集め、意図ごとにクラスタ化する（比較・価格・手順・定義・選び方）
- 各クラスタに「即答できるページまたはブロック」を割り当て、空白クラスタを可視化する
- 各回答ブロックを独立して引用可能な形（定義文・番号手順・比較表）に整える——回答エンジニアリング
- 空白クラスタから順にコンテンツを補強し、セマンティックカバレッジを広げる
- カバレッジの改善を4次元標準の第3次元（0〜100点）で月次計測する——公開GEO標準
よくある落とし穴
「全部入りの超大作ページ」を作る対応は半分だけ正解です。fan-outの子クエリは切り出し可能な部品を探すため、巨大ページの中の曖昧な記述は拾われません。クラスタごとの明快なセクション構成が必要です。もう1つはキーワード発想の継続で、「この語を何回入れるか」を議論している限り、fan-out時代の評価軸（クラスタ網羅率）を外し続けます。測定可能な形で進めるには計測SOPの規律を使ってください。
よくある質問
fan-outされる子クエリは確認できる？
UI上で一部が観察できる場合がありますが、全貌は公開されていません。実務では、バイヤー質問50〜100問のクラスタ化で「想定子クエリ群」を自前で設計し、それに対するカバレッジを測るのが確実な代替手段です。
fan-outはGoogleだけの機構？
Googleが用語として公開した機構ですが、質問を分解して複数検索する考え方はAI検索全般に共通する設計思想です。クラスタ単位のコンテンツ設計は、ChatGPT・Perplexity対策にもそのまま有効です。
セマンティックカバレッジはどう採点する？
固定質問セットをクラスタに分け、各クラスタでAI回答に自社が登場するかを記録し、網羅率を0〜100点で算出します。月次・同条件・スクリーンショット証跡の規律は計測SOPの通りです。