Google は自らの言葉でファンアウトを文書化している
多くのチームがいまだに抱いているイメージは、順位付きのリストです。キーワードがあり、エンジンにはインデックスがあり、その間のどこかに動かせる順位がある。過去2年に出たすべてのAI検索製品はそのイメージを壊し、Google はその壊し方を正確に書き記しています。
サイト所有者向けの Google のガイダンスによると、AI Overviews と AI Mode はクエリのファンアウトという手法を使い、サブトピックやデータソースにまたがる複数の関連検索を発行して、1つの回答を組み立てることがあります。Google の VP 兼検索部門責任者である Elizabeth Reid による I/O での発表は、AI Mode についてもっと具体的です。質問をサブトピックに分け、ユーザーに代わって多数のクエリを同時に発行する、というのです。Google が挙げる理由は到達範囲です。ファンアウトによって、検索は従来の1件のクエリよりもウェブの奥深くまで届くのです。
つまり、答えられているのは入力されたものではありません。回答が組み立てられる時点で、エンジンは自分で書いた一連の質問を実行しており、あなたのページはそのいくつかに現れたか、現れなかったかのどちらかです。
普通の質問で十数件、難しい質問で数百件
Google はそれに数値を2度示しています。2026年3月、同社自身のインタビューシリーズで、検索部門のシニア・エンジニアリング・ディレクターである Dounia Berrada に、この手法の説明を求めました。彼女のまとめはこうです。AI Mode は基本的に、1件の検索にかかる時間で十数件の検索をしてくれている。彼女の例は庭の写真で、1回のアップロードに日陰、気候、手入れについての本物の質問がいくつも同時に含まれており、モデルはそれぞれについて検索を発行します。
その範囲のもう一方の端では、AI Mode の Deep Search が同じ手法をさらに推し進めています。Google によると、数百件の検索を発行し、ばらばらの情報を横断して推論し、出典がすべて付いたレポートを作成できます。ファンアウトはマルチモーダルにもなりました。かこって検索と Lens は、今や1枚の画像を個々の物体に分けて並行して検索するので、部屋の写真1枚が、ランプ、ラグ、椅子の検索になります。
覚えておく価値があるのは十数件という数です。見せ場ではなく、普通のケースを表しているからです。
どのエンジンも分解し、どこまで分解するかは一致しない
これは Google だけの習慣ではなく、その予算は決して同じではありません。Perplexity は Agent API のアシスタントが従うデフォルトの指示を公開しており、そこには、正確さと並列化のために、複雑なユーザーのクエリを個別のツール呼び出しに分解せよと書かれています。そして同じ公開されたデフォルトは、それに上限を設けています。結論を出す前のツール呼び出しは最大3回、というのです。
3件と十数件と数百件は、別々の機械です。Google のドキュメントはさらに、AI Overviews と AI Mode は異なるモデルや手法を使うことがあるため、示される回答やリンクは、同じ会社の2つの画面の間でも異なると付け加えています。
そのばらつきこそが実務上の問題です。ブランドは、12通りにファンアウトするエンジンでは候補リストに入り、3通りにファンアウトするエンジンでは外れることがあります。同じ質問、同じ日、同じサイトで、何も変えていなくても、です。
負けているサブクエリは、追跡しているものでは決してない
最も高くつく失敗はこうです。チームは自社の製品ページに合う主要キーワードを選び、それを見守ります。ブランドは現れ、ダッシュボードは緑です。
その間に、ファンアウトはほかに11の質問を書いています。名前の挙がった2社の競合に対する価格。5人のチームで使えるか。やめた人は何に乗り換えたか。マーケティングの誰も考えていないツールとの連携。それぞれに独自の結果、独自の引用元、独自の勝者があり、それらが組み立てられて、購買者が実際に読む回答になります。
そのどれも、あなたには報告されません。Google は Search Console で AI Overviews と AI Mode を通常のウェブ検索のトラフィックに含めて数えているので、サブクエリが独立した行として現れることはありません。それを見る唯一の方法は、購買者が尋ねるであろう質問をエンジンに繰り返し尋ね、返ってきたものを記録することです。
それが、Proofsource が実行するために作られた測定です。Prompt のセットにわたって各エンジンを抽出し、ファンアウトを把握し、どの情報源がどれと一緒に引用されるかを追跡し、すべての数値にウィルソン区間を付けて、動きがノイズを超えて初めて動きとして数えられるようにしています。
尋ねたことのない質問を測る4つの方法
このどれにも私たちの製品は必要ありません。必要なのは、1つの Prompt を1つの Prompt として扱うのをやめることです。
- 何かを測る前に、ファンアウトを自分で書きましょう。主要キーワードを取り、その下で購買者が答えを得なければならない10〜12の質問を挙げます。価格、代替案、誰に向いているか、何と連携するか、なぜ人がやめるのか。そのリストが本当の Prompt のセットです。
- エンジンごとに別々に尋ね、回答を保存しましょう。AI Mode、AI Overviews、ChatGPT、Perplexity、Gemini は互いに一致しません。その不一致は方法の欠陥ではなく、それ自体が発見です。
- 何かを結論づける前に、繰り返し抽出しましょう。1回の実行で分かるのは、一度何が起きたかです。私たちが抽出しているカテゴリでは、エンジンによって、登場する名前の日ごとの入れ替わりが9%〜27%あります。その土台の上での1回の読み取りは測定ではありません。
- 言及だけでなく、引用された情報源を読みましょう。私たちが抽出したカテゴリでは、「おすすめ」の質問で ChatGPT が引用したものの44%がランキング記事でした。第三者のまとめ記事がサブクエリに答えているなら、自社サイトが完璧でも決着は付きません。
この分析が誤っている可能性がある点
上の仕組みは Google と Perplexity が自社のシステムについて説明したもので、どちらの会社も、特定の回答の背後にある実際のサブクエリは公開していません。十数件というのは、インタビューでのエンジニアリング・ディレクターの大まかなまとめであって、測定された分布ではなく、質問、画面、月によって変わります。桁の目安として扱い、それ以上細かくは扱わないでください。
ツール呼び出し3回という上限は、Perplexity の Agent API のドキュメントで公開されているデフォルトです。それは文書化されたそのデフォルトを表すもので、一般向けの製品が特定の質問で何をするかについては何も言っていません。
私たち自身の数値は私たちのものです。9%〜27%の入れ替わりと44%のランキング記事の割合は、私たちが取ったサンプル、取ったカテゴリでの1回の測定で、どちらも一般的な法則として擁護するつもりはありません。Google 自身のサイト所有者向けページの最終更新は2025年12月で、これらの製品はドキュメントよりも速く変わります。
私たちが擁護するのは、誤りの形です。自分で質問を書くシステムに対して1つの文字列を追跡することは、自分が操作できる1つの入力を測るだけで、回答を決める入力は何も測っていません。
