Google 用自己的話記錄了扇出
多數團隊仍抱持的心智模型是排名清單。您有一個關鍵字，引擎有一個索引，兩者之間有一個您可以推動的位置。過去兩年推出的每一個 AI 搜尋產品都打破了這個模型，而 Google 已經確切寫明是怎麼打破的。
Google 給網站擁有者的指引說，AI Overviews 與 AI Mode 可能使用查詢扇出技術，跨子主題與資料來源發出多個相關搜尋來形成一則回應。Google 副總裁暨搜尋部門主管 Elizabeth Reid 在 I/O 的發表中，對 AI Mode 說得更具體：它會把您的問題拆成子主題，並代表您同時發出大量查詢。Google 說明的理由是觸及範圍：扇出讓搜尋比單一傳統查詢更深入網路。
所以被回答的並不是被輸入的那個問題。等到回應組合完成時，引擎已經執行了一組它自己寫的問題，而您的頁面要嘛出現在其中幾個，要嘛沒有。
一般問題約一打，困難問題數百次
Google 已經兩次給出數字。2026 年 3 月，Google 自己的訪談系列請搜尋部門資深工程總監 Dounia Berrada 解釋這個方法。她的總結是：AI Mode 基本上是在做一次搜尋的時間裡，替您做了一打搜尋。她舉的例子是一張花園照片，一次上傳同時帶有關於遮蔭、氣候與維護的好幾個真實問題，而模型會為每一個問題發出一次搜尋。
在範圍的另一端，AI Mode 的 Deep Search 把同樣的技術推得更遠。Google 說它可以發出數百次搜尋，跨越分散的資訊進行推理，並產出附有完整引用的報告。扇出也已經延伸到多模態。Circle to Search 與 Lens 現在會把單張圖片拆成各個物件並平行搜尋，於是一張房間照片就變成對檯燈、地毯與椅子的搜尋。
值得記住的數字是一打，因為它描述的是一般情況，而不是展示用的案例。
每個引擎都會拆解問題，但對拆到多細沒有共識
這不只是 Google 的習慣，而且各家的額度差距很大。Perplexity 公布了其 Agent API 助理預設使用的指示，其中寫著要把複雜的使用者查詢拆解成獨立的工具呼叫，以提升準確度並平行處理。同一份公開預設接著設定了上限：在得出結論前最多進行三次工具呼叫。
三次、一打與數百次是不同的機器。Google 的文件還補充，AI Overviews 與 AI Mode 可能使用不同的模型與技術，所以同一家公司內兩個介面顯示的回答與連結也會不同。
這種差異正是實際的問題。同一個問題、同一天、同一個網站、什麼都沒改變，品牌可能在扇出十二路的引擎上進入候選名單，卻在扇出三路的引擎上落選。
您落敗的子查詢，永遠不是您追蹤的那一個
以下是代價最高的失敗。團隊挑了一個與產品頁相符的主要關鍵字，然後盯著它看。品牌出現了，儀表板一片綠。
與此同時，扇出寫了另外十一個問題：與兩個具名競爭對手的價格比較、是否適合五人團隊、離開的人改用了什麼、與某個行銷部門沒人想到的工具的整合。每一個都有自己的結果、自己的引用來源與自己的贏家，而它們會被組合成買家實際讀到的回答。
這些都不會回報給您。Google 把 AI Overviews 與 AI Mode 算在 Search Console 的一般網頁搜尋流量中，所以子查詢從不會以獨立的資料列出現。唯一看到它們的方法，是向引擎反覆詢問買家會問的問題，並記錄回傳的結果。
這正是我們打造 Proofsource 要執行的衡量：在一組 Prompt 上對每個引擎抽樣、描繪扇出、追蹤哪些來源與哪些來源一起被引用，並為每個數字加上 Wilson 信賴區間，讓變化必須超越雜訊才算數。
衡量您從未問過的問題的四種方法
這些都不需要我們的產品，只需要您別再把一個 Prompt 當成只有一個 Prompt。
- 在衡量任何東西之前，先自己寫出扇出。拿您的主要關鍵字，列出買家在它底下必須得到答案的十到十二個問題：價格、替代方案、適合誰、能連結什麼、大家為何離開。那份清單才是您真正的 Prompt 組合。
- 分別詢問每個引擎並保留回答。AI Mode、AI Overviews、ChatGPT、Perplexity 與 Gemini 彼此不會一致，而這種不一致本身就是發現，不是您方法的缺陷。
- 下任何結論前先反覆抽樣。一次執行只告訴您某次發生了什麼。在我們抽樣的類別中，依引擎不同，出現哪些名稱的逐日變動為 9% 到 27%。在這種基礎上讀一次數字，算不上衡量。
- 讀引用的來源，而不只是提及。在我們抽樣的類別中，ChatGPT 為「最佳推薦」問題引用的內容有 44% 是清單文章。如果第三方綜合評比文章在回答您的子查詢，您自己的網站再完美也解決不了問題。
這可能錯在哪裡
上述機制是 Google 與 Perplexity 對自家系統的描述，兩家公司都沒有公布特定回應背後的實際子查詢。一打是工程總監在訪談中的約略總結，不是測量出的分布，它會隨問題、介面與月份而變動。請把它當成數量級，僅此而已。
三次工具呼叫的上限，是 Perplexity Agent API 文件中公布的預設值。它描述的是那個記錄在案的預設，與消費者產品在任何特定問題上的做法無關。
我們自己的數字是我們的。9% 到 27% 的變動與 44% 的清單文章占比，都是在我們採集的樣本與類別上的單次測量，我們不會把任何一個當成普遍法則來捍衛。Google 給網站擁有者的頁面最後更新於 2025 年 12 月，而這些產品變化得比它們的文件更快。
我們願意捍衛的是這個錯誤的樣貌。對一個會自己寫問題的系統只追蹤一個字串，衡量的是您唯一能控制的那個輸入，而不是任何一個決定回答的輸入。
