O Google documenta o fan-out com as próprias palavras
O modelo mental que a maioria das equipes ainda carrega é a lista ranqueada. Você tem uma palavra-chave, o mecanismo tem um índice, e em algum lugar no meio há uma posição que você pode mexer. Todo produto de busca com IA lançado nos últimos dois anos quebrou esse modelo, e o Google descreveu exatamente como.
As orientações do Google para donos de sites dizem que o AI Overviews e o AI Mode podem usar uma técnica de query fan-out, fazendo várias buscas relacionadas em subtemas e fontes de dados para desenvolver uma resposta. O anúncio no I/O de Elizabeth Reid, VP e Head of Search do Google, é mais específico sobre o AI Mode: ele divide sua pergunta em subtemas e faz uma infinidade de consultas ao mesmo tempo em seu nome. O motivo declarado pelo Google é alcance. O fan-out permite que a Busca vá mais fundo na web do que uma única consulta tradicional.
Ou seja, o que está sendo respondido não é o que foi digitado. Quando uma resposta é montada, o mecanismo já rodou um conjunto de perguntas que ele mesmo escreveu, e a sua página apareceu em algumas delas ou não.
Uma dúzia numa pergunta comum, centenas numa difícil
O Google colocou um número nisso duas vezes. Em março de 2026, a própria série de entrevistas da empresa pediu a Dounia Berrada, Senior Engineering Director da Busca, que explicasse o método. O resumo dela: o AI Mode basicamente faz uma dúzia de buscas por você no tempo que leva para fazer uma. O exemplo dela é a foto de um jardim, em que um único upload traz várias perguntas reais ao mesmo tempo sobre sombra, clima e manutenção, e o modelo faz uma busca para cada uma delas.
Na outra ponta, o Deep Search no AI Mode usa a mesma técnica levada mais longe. O Google diz que ele pode fazer centenas de buscas, raciocinar sobre informações dispersas e produzir um relatório totalmente citado. O fan-out também ficou multimodal. O Circle to Search e o Lens agora dividem uma única imagem nos objetos separados e os buscam em paralelo, então uma foto de uma sala vira buscas pelo abajur, pelo tapete e pela cadeira.
Uma dúzia é o número que vale guardar, porque descreve o caso comum, não a vitrine.
Todo mecanismo decompõe, e nenhum concorda até onde
Isso não é um hábito só do Google, e os limites estão longe de ser iguais. O Perplexity publica as instruções padrão com que o assistente da Agent API roda, e elas mandam decompor consultas complexas em chamadas de ferramenta separadas, por precisão e paralelização. O mesmo padrão publicado coloca um teto nisso: fazer no máximo três chamadas de ferramenta antes de concluir.
Três, uma dúzia e centenas são máquinas diferentes. A documentação do Google acrescenta que o AI Overviews e o AI Mode podem usar modelos e técnicas diferentes, então as respostas e os links que mostram vão variar entre duas superfícies dentro da mesma empresa.
Essa variação é o problema prático. Uma marca pode estar na lista curta num mecanismo que faz fan-out de doze formas e ficar de fora num que faz de três, para a mesma pergunta, no mesmo dia, com o mesmo site e nenhuma mudança em nada.
A subconsulta em que você perde nunca é a que você acompanhou
Esta é a falha que mais custa. Uma equipe escolhe o termo principal que corresponde à sua página de produto e o acompanha. A marca aparece. O painel fica verde.
Enquanto isso, o fan-out escreveu outras onze perguntas. Preço contra dois concorrentes específicos. Se funciona para uma equipe de cinco pessoas. Para onde foram as pessoas que deixaram de usá-lo. Integração com uma ferramenta em que ninguém do marketing pensa. Cada uma tem os próprios resultados, as próprias fontes citadas e os próprios vencedores, e elas são montadas na resposta que o comprador de fato lê.
Nada disso é reportado a você. O Google conta o AI Overviews e o AI Mode dentro do tráfego comum de busca na Web no Search Console, então as subconsultas nunca aparecem como linhas próprias. A única forma de vê-las é fazer aos mecanismos as perguntas que um comprador faria, repetidamente, e registrar o que volta.
Essa é a medição que construímos o Proofsource para fazer: amostrar cada mecanismo num conjunto de Prompts, mapear o fan-out, acompanhar quais fontes são citadas junto com quais e colocar um intervalo de Wilson em cada número, para que um movimento precise superar o ruído antes de contar como movimento.
Quatro formas de medir uma pergunta que você nunca fez
Nada disso precisa do nosso produto. Precisa que você pare de tratar um Prompt como um Prompt só.
- Escreva o fan-out você mesmo antes de medir qualquer coisa. Pegue seu termo principal e liste as dez ou doze perguntas que um comprador precisa ver respondidas por baixo dele: preço, alternativas, para quem serve, com o que se conecta, por que as pessoas saem. Essa lista é o seu conjunto real de Prompts.
- Pergunte a cada mecanismo separadamente e guarde as respostas. AI Mode, AI Overviews, ChatGPT, Perplexity e Gemini não vão concordar entre si, e a discordância é o resultado, não uma falha do seu método.
- Amostre várias vezes antes de concluir qualquer coisa. Uma execução diz o que aconteceu uma vez. Vemos de 9% a 27% de rotatividade diária nos nomes que aparecem, dependendo do mecanismo, nas categorias que amostramos. Uma única leitura sobre essa base não é uma medição.
- Leia as fontes citadas, não só as menções. Na categoria que amostramos, listas foram 44% do que o ChatGPT citou numa pergunta de melhores. Se listas comparativas de terceiros estão respondendo às suas subconsultas, ter o seu próprio site perfeito não resolve a questão.
Onde isto pode estar errado
O mecanismo acima é Google e Perplexity descrevendo os próprios sistemas, e nenhuma das duas empresas publica as subconsultas reais por trás de uma resposta. Uma dúzia é o resumo arredondado de uma diretora de engenharia numa entrevista, não uma distribuição medida, e vai variar por pergunta, por superfície e por mês. Trate-a como uma ordem de grandeza e nada mais fino.
O teto de três chamadas de ferramenta é o padrão publicado na documentação da Agent API do Perplexity. Ele descreve esse padrão documentado e não diz nada sobre o que o produto para consumidores faz numa pergunta específica.
Nossos próprios números são nossos. A rotatividade de 9% a 27% e a parcela de 44% de listas são medições únicas nas amostras que fizemos, nas categorias em que as fizemos, e não defenderíamos nenhuma delas como lei geral. A página do Google para donos de sites foi atualizada pela última vez em dezembro de 2025, e esses produtos mudam mais rápido que a documentação deles.
O que nós defenderíamos é o formato do erro. Acompanhar um texto contra um sistema que escreve as próprias perguntas mede a única entrada que você controla e nenhuma das que decidem a resposta.
