Google은 팬아웃을 자기 말로 문서화합니다
대부분의 팀이 여전히 품고 있는 사고 모델은 순위 목록입니다. 키워드가 있고, 엔진에는 색인이 있으며, 그 사이 어딘가에 움직일 수 있는 순위가 있습니다. 지난 2년간 출시된 모든 AI 검색 제품이 그 모델을 깼고, Google은 정확히 어떻게 깼는지 적어 두었습니다.
사이트 소유자를 위한 Google 안내는 AI Overviews와 AI Mode가 쿼리 팬아웃 기법을 쓸 수 있으며, 응답 하나를 만들기 위해 하위 주제와 데이터 소스에 걸쳐 관련 검색 여러 개를 실행한다고 말합니다. Google 검색 총괄 VP Elizabeth Reid의 I/O 발표는 AI Mode에 대해 더 구체적입니다. 질문을 하위 주제로 나누고 사용자를 대신해 수많은 질의를 동시에 실행한다는 것입니다. Google이 밝힌 이유는 도달 범위입니다. 팬아웃은 Search가 기존 단일 질의보다 웹 깊숙이 들어가게 해 줍니다.
그러니 답해지는 것은 입력된 것이 아닙니다. 응답이 조립될 무렵 엔진은 직접 쓴 질문 묶음을 실행했고, 회원님 페이지는 그중 몇몇에 나왔거나 나오지 않았습니다.
평범한 질문에는 십여 개, 어려운 질문에는 수백 개
Google은 이에 두 번 숫자를 붙였습니다. 2026년 3월 자체 인터뷰 시리즈에서 Search의 수석 엔지니어링 디렉터 Dounia Berrada에게 방법을 설명해 달라고 했습니다. 그의 요약은 AI Mode가 기본적으로 검색 하나 할 시간에 검색 십여 개를 대신 해 준다는 것입니다. 예시는 정원 사진입니다. 업로드 하나에 그늘, 기후, 관리에 관한 실제 질문 여러 개가 함께 실려 있고, 모델은 각각에 대해 검색을 실행합니다.
범위의 반대쪽 끝에서 AI Mode의 Deep Search는 같은 기법을 더 밀어붙입니다. Google은 그것이 검색 수백 개를 실행하고, 흩어진 정보를 가로질러 추론하며, 출처가 모두 달린 리포트를 만들 수 있다고 말합니다. 팬아웃은 멀티모달이 되기도 했습니다. Circle to Search와 Lens는 이제 이미지 하나를 개별 사물로 나눠 병렬로 검색하므로, 방 사진 하나가 램프, 러그, 의자 검색이 됩니다.
기억해 둘 숫자는 십여 개입니다. 전시용 사례가 아니라 평범한 경우를 설명하기 때문입니다.
모든 엔진이 분해하며, 얼마나 멀리 하는지는 아무도 합의하지 않습니다
이것은 Google만의 습관이 아니며, 예산은 전혀 같지 않습니다. Perplexity는 Agent API 어시스턴트가 쓰는 기본 지시를 공개하며, 거기에는 정확성과 병렬화를 위해 복잡한 사용자 질의를 개별 도구 호출로 분해하라고 적혀 있습니다. 같은 공개 기본값은 그다음 상한을 둡니다. 결론을 내리기 전에 도구 호출은 최대 세 번까지입니다.
셋, 십여 개, 수백 개는 서로 다른 기계입니다. Google 문서는 AI Overviews와 AI Mode가 다른 모델과 기법을 쓸 수 있으므로, 같은 회사 안의 두 화면 사이에서도 답과 보여 주는 링크가 달라진다고 덧붙입니다.
그 차이가 실무 문제입니다. 브랜드는 열두 갈래로 팬아웃하는 엔진에서는 후보 목록을 차지하고, 세 갈래로 팬아웃하는 엔진에서는 놓칠 수 있습니다. 같은 질문, 같은 날, 같은 사이트, 아무것도 바뀌지 않은 상태에서입니다.
회원님이 지는 하위 질의는 결코 추적하던 질의가 아닙니다
가장 비싼 실패는 이것입니다. 팀은 제품 페이지와 맞는 대표 검색어를 골라 그것을 지켜봅니다. 브랜드가 나옵니다. 대시보드는 초록색입니다.
그 사이 팬아웃은 다른 질문 열한 개를 썼습니다. 이름이 나온 경쟁사 두 곳과의 가격 비교. 5명짜리 팀에 맞는지. 떠난 사람들이 무엇으로 옮겼는지. 마케팅팀의 누구도 생각하지 않는 도구와의 연동. 각각은 자기 결과, 자기 인용 출처, 자기 승자를 가지며, 구매자가 실제로 읽는 답변으로 조립됩니다.
그 어느 것도 회원님에게 보고되지 않습니다. Google은 Search Console에서 AI Overviews와 AI Mode를 일반 웹 검색 트래픽 안에 포함하므로, 하위 질의는 별도 행으로 나오지 않습니다. 그것을 보는 유일한 방법은 구매자가 물을 질문을 엔진에 반복해서 묻고 돌아오는 것을 기록하는 것입니다.
그것이 저희가 Proofsource 서비스로 실행하도록 만든 측정입니다. Prompt 세트 전반에서 각 엔진을 샘플링하고, 팬아웃을 매핑하며, 어떤 출처가 어떤 출처와 함께 인용되는지 추적하고, 모든 수치에 Wilson 구간을 씌워 움직임이 잡음을 넘어야만 움직임으로 인정되게 합니다.
묻지도 않은 질문을 측정하는 네 가지 방법
이 중 무엇도 저희 제품이 필요하지 않습니다. Prompt 하나를 Prompt 하나로 다루는 것을 멈추면 됩니다.
- 무엇이든 측정하기 전에 팬아웃을 직접 쓰십시오. 대표 검색어를 가져와 그 밑에서 구매자가 답을 얻어야 하는 질문 열 개나 열두 개를 나열하십시오. 가격, 대안, 누구에게 맞는지, 무엇과 연결되는지, 사람들이 왜 떠나는지. 그 목록이 실제 Prompt 세트입니다.
- 각 엔진에 따로 묻고 답변을 보관하십시오. AI Mode, AI Overviews, ChatGPT, Perplexity, Gemini는 서로 일치하지 않을 것이며, 그 불일치는 방법의 결함이 아니라 발견입니다.
- 결론을 내리기 전에 반복해서 샘플링하십시오. 실행 한 번은 한 번 일어난 일을 알려 줍니다. 저희가 샘플링하는 카테고리에서 어떤 이름이 나오는지는 엔진에 따라 하루 사이 9%~27% 바뀝니다. 그런 바탕에서의 단일 측정은 측정이 아닙니다.
- 언급만이 아니라 인용된 출처를 읽으십시오. 저희가 샘플링한 카테고리에서 최고 추천 질문에 ChatGPT가 인용한 것의 44%가 목록형 글이었습니다. 제3자 모음 글이 회원님의 하위 질의에 답하고 있다면, 회원님 사이트가 완벽해도 해결되지 않습니다.
이 분석이 틀릴 수 있는 부분
위의 메커니즘은 Google과 Perplexity가 자기 시스템을 설명한 것이며, 어느 회사도 특정 응답 뒤의 실제 하위 질의를 공개하지 않습니다. 십여 개는 인터뷰에서 엔지니어링 디렉터가 말한 어림 요약이지 측정된 분포가 아니며, 질문, 화면, 달에 따라 움직일 것입니다. 자릿수로만 다루고 그 이상 세밀하게 다루지 마십시오.
도구 호출 세 번 상한은 Perplexity Agent API 문서의 공개 기본값입니다. 문서화된 기본값을 설명할 뿐, 소비자 제품이 특정 질문에서 무엇을 하는지는 말하지 않습니다.
저희 수치는 저희 것입니다. 9%~27% 변동과 목록형 글 44%는 저희가 취한 카테고리에서 취한 표본에 대한 단일 측정이며, 어느 것도 일반 법칙으로 변호하지 않겠습니다. Google의 사이트 소유자 페이지는 2025년 12월에 마지막으로 갱신되었고, 이 제품들은 문서보다 빨리 바뀝니다.
저희가 변호할 것은 실수의 모양입니다. 자기 질문을 쓰는 시스템에 대해 문자열 하나를 추적하는 것은 회원님이 통제하는 단 하나의 입력을 측정할 뿐, 답을 결정하는 입력은 하나도 측정하지 않습니다.
