Google documenta il fan-out con parole sue
Il modello mentale che la maggior parte dei team si porta ancora dietro è l’elenco ordinato. Hai una parola chiave, il motore ha un indice, e da qualche parte nel mezzo c’è una posizione che puoi spostare. Ogni prodotto di ricerca con IA rilasciato negli ultimi due anni ha rotto quel modello, e Google ha scritto esattamente come.
Le linee guida di Google per i proprietari di siti dicono che AI Overviews e AI Mode possono usare una tecnica di query fan-out, eseguendo più ricerche correlate su sottotemi e fonti di dati per sviluppare una risposta. L’annuncio all’I/O di Elizabeth Reid, VP e responsabile della Ricerca di Google, è più specifico su AI Mode: scompone la tua domanda in sottotemi ed esegue una moltitudine di query contemporaneamente per tuo conto. La ragione dichiarata da Google è la portata. Il fan-out permette alla Ricerca di andare più a fondo nel web di quanto faccia una singola query tradizionale.
Quindi ciò a cui si risponde non è ciò che è stato digitato. Quando una risposta si assembla, il motore ha già eseguito un insieme di domande scritte da sé, e la tua pagina è comparsa in alcune di esse oppure no.
Una dozzina su una domanda normale, centinaia su una difficile
Google ci ha messo un numero due volte. A marzo 2026 la sua serie di interviste ha chiesto a Dounia Berrada, Senior Engineering Director della Ricerca, di spiegare il metodo. La sua sintesi: AI Mode in sostanza fa una dozzina di ricerche per te nel tempo che ne serve per farne una. Il suo esempio è la foto di un giardino, in cui un solo caricamento contiene diverse domande reali su ombra, clima e manutenzione, e il modello esegue una ricerca per ciascuna.
All’altro capo della gamma, Deep Search in AI Mode usa la stessa tecnica spinta oltre. Google dice che può eseguire centinaia di ricerche, ragionare su informazioni disparate e produrre un report completamente citato. Il fan-out è diventato anche multimodale. Circle to Search e Lens ora scompongono una singola immagine nei suoi oggetti e li cercano in parallelo, così una foto di una stanza diventa ricerche per la lampada, il tappeto e la sedia.
Una dozzina è il numero da tenere a mente, perché descrive il caso normale e non la vetrina.
Ogni motore scompone, e nessuno concorda su quanto
Non è un’abitudine solo di Google, e i budget sono tutt’altro che uguali. Perplexity pubblica le istruzioni predefinite con cui lavora l’assistente della sua Agent API, e dicono di scomporre le query complesse degli utenti in chiamate a strumenti separate per accuratezza e parallelizzazione. Lo stesso default pubblicato pone poi un limite: fare al massimo tre chiamate a strumenti prima di concludere.
Tre, una dozzina e centinaia sono macchine diverse. La documentazione di Google aggiunge che AI Overviews e AI Mode possono usare modelli e tecniche diversi, quindi le risposte e i link che mostrano varieranno tra due superfici della stessa azienda.
Quella variazione è il problema pratico. Un brand può tenere la rosa ristretta su un motore che si dirama in dodici direzioni e mancarla su uno che si dirama in tre, per la stessa domanda, nello stesso giorno, con lo stesso sito e senza che nulla sia cambiato.
La sottoquery su cui perdi non è mai quella che hai monitorato
Ecco il fallimento che costa di più. Un team sceglie il termine principale che corrisponde alla sua pagina prodotto e guarda quello. Il brand compare. La dashboard è verde.
Nel frattempo il fan-out ha scritto altre undici domande. Il prezzo rispetto a due concorrenti nominati. Se funziona per un team di cinque persone. Dove sono passati quelli che lo hanno lasciato. L’integrazione con uno strumento a cui nessuno nel marketing pensa. Ciascuna ha i propri risultati, le proprie fonti citate e i propri vincitori, e vengono assemblate nella risposta che un acquirente legge davvero.
Niente di tutto questo ti viene riportato. Google conta AI Overviews e AI Mode all’interno del normale traffico della ricerca web in Search Console, quindi le sottoquery non compaiono mai come righe a sé. L’unico modo per vederle è porre ai motori le domande che farebbe un acquirente, ripetutamente, e registrare ciò che torna.
È la misurazione per cui abbiamo costruito Proofsource: campionare ogni motore su un insieme di prompt, mappare il fan-out, monitorare quali fonti vengono citate accanto a quali, e mettere un intervallo di Wilson su ogni numero, così uno spostamento deve superare il rumore prima di contare come spostamento.
Quattro modi per misurare una domanda che non hai mai posto
Niente di tutto questo richiede il nostro prodotto. Richiede che tu smetta di trattare un prompt come un solo prompt.
- Scrivi tu il fan-out prima di misurare qualsiasi cosa. Prendi il tuo termine principale ed elenca le dieci o dodici domande a cui un acquirente deve trovare risposta sotto di esso: prezzo, alternative, a chi è adatto, a cosa si collega, perché le persone lo abbandonano. Quell’elenco è il tuo vero insieme di prompt.
- Interroga ogni motore separatamente e conserva le risposte. AI Mode, AI Overviews, ChatGPT, Perplexity e Gemini non concorderanno tra loro, e il disaccordo è il risultato, non un difetto del tuo metodo.
- Campiona ripetutamente prima di concludere qualsiasi cosa. Un’esecuzione ti dice cosa è successo una volta. Nelle categorie che campioniamo vediamo un ricambio da un giorno all’altro dal 9% al 27% nei nomi che compaiono, a seconda del motore. Una singola lettura su questa base non è una misurazione.
- Leggi le fonti citate, non solo le menzioni. Nella categoria che abbiamo campionato, i listicle erano il 44% di ciò che ChatGPT citava per una domanda sui migliori. Se sono rassegne di terzi a rispondere alle tue sottoquery, avere un sito perfetto non chiude la questione.
Dove potremmo sbagliare
Il meccanismo descritto sopra è Google e Perplexity che descrivono i propri sistemi, e nessuna delle due aziende pubblica le sottoquery reali dietro una risposta. Una dozzina è la sintesi arrotondata di una direttrice di ingegneria in un’intervista, non una distribuzione misurata, e varierà per domanda, per superficie e per mese. Consideralo un ordine di grandezza e niente di più preciso.
Il limite di tre chiamate a strumenti è il default pubblicato nella documentazione dell’Agent API di Perplexity. Descrive quel default documentato e non dice nulla su cosa faccia il prodotto per i consumatori su una domanda specifica.
I nostri dati sono nostri. Il ricambio dal 9% al 27% e la quota del 44% dei listicle sono misurazioni singole sui campioni che abbiamo preso, nelle categorie in cui li abbiamo presi, e non difenderemmo nessuno dei due come legge generale. La pagina di Google per i proprietari di siti è stata aggiornata l’ultima volta a dicembre 2025, e questi prodotti cambiano più in fretta della loro documentazione.
Ciò che difenderemmo è la forma dell’errore. Monitorare una sola stringa contro un sistema che scrive le proprie domande misura l’unico input che controlli e nessuno di quelli che decidono la risposta.
