Query fan-out

A query fan-out a Google AI Mode és AI Overviews egyik kulcstechnikája: a rendszer az egyetlen kérdésedből a háttérben több tucat kapcsolódó al-keresést futtat, majd ezek eredményeit szintetizálja egyetlen, átfogó AI-válasszá.

Mivel az AI sok kapcsolódó kérdésre is választ keres, szélesebb, mélyebb forráskört von be. Ez esély: ha a tartalmad egy téma több al-kérdését is alaposan lefedi (nem csak a fő kulcsszót), nagyobb eséllyel kerülsz be a forrásként idézett oldalak közé. Ez a témakör-lefedettség (topical authority) jelentőségét erősíti.

A query fan-out 2026-ban különösen releváns, mert a Google AI Mode egyre szélesebb körben érhető el. A háttérben akár 20–50 al-keresés is futhat egy kérdésre, ezért nem elég egyetlen kulcsszóra optimalizálni: az egész témakört le kell fedni. Az Entitás (entity) és a Knowledge Graph (tudásgráf) is kulcsszerepet játszik, mert az AI az entitások közötti kapcsolatokat is felhasználja az al-keresések összeállításakor.

Egy pécsi webfejlesztő stúdió (8 fő) azzal szembesült, hogy a „weboldal készítés ár" kulcsszóra nem jelenik meg az AI Overviews-ban, holott az organikus találatok közt ott volt. A probléma: csak az árakról volt részletes cikk, de a téma al-kérdéseire (mennyi ideig tart, milyen technológiák vannak, hogyan kell ajánlatot kérni, mire figyelj szerződésnél) nem volt tartalom.

2026 elején a stúdió elkészített 6 hosszabb, egymással belső linkekkel összekötött cikket, amelyek lefedték a query fan-out által generált al-kérdéseket. Az eredmény: 3 hónap alatt az AI Overviews 4 különböző, „weboldal készítés" témájú lekérdezésre is a stúdió cikkeit idézte. A forgalom 34%-kal nőtt, mert az AI-összefoglalókból érkező látogatók magasabb minőségű leadek voltak.

A query fan-out mechanizmusának megértéséhez három fogalom elengedhetetlen. Az Entitás (entity) az alapegység: az AI az entitások és azok kapcsolatai mentén generálja az al-kereséseket. A Schema.org / strukturált adat segíti a Google-t abban, hogy az oldalad tartalmát entitásokhoz és témákhoz kösse — így könnyebben „találja meg" egy fan-out al-keresés során.

A Knowledge Graph (tudásgráf) az a háttéradatbázis, amelyből az AI a kapcsolódó fogalmakat és kérdéseket meríti. Ha a márkád vagy a tartalmad jelen van ebben a gráfban, sokkal nagyobb eséllyel kerülsz be a fan-out folyamatba. A FAQ schema (FAQPage) is hasznos: a FAQ formátumú tartalmak természetesen lefedik az al-kérdéseket, amelyeket a fan-out generálna.

• Hiba: Egyetlen hosszú cikket írsz egy témáról, ahelyett hogy a kapcsolódó al-kérdéseket külön, mély tartalomban fedned le. A query fan-out több forrást von be, nem egyet sokszor.
• Hiba: Kihagyod a strukturált adatokat (Schema.org). A structurált jelölések nélkül az AI nehezebben köti össze a tartalmadat a releváns al-keresésekkel.
• Hiba: Nem figyeled az AI Overviews-ban való megjelenéseid forrásait. Ha a versenytársaid szerepelnek és te nem, az pontosan azt jelzi, hogy melyik al-kérdésekre hiányzik a tartalmad.

A query fan-out a Google AI-keresőjének technikája: egyetlen kérdésedből a háttérben több tucat al-keresést futtat, és ezekből szintetizál választ. 2026-ban a témakör-lefedettség ezért fontosabb, mint valaha: az AI több forrásból merít, és az nyer, aki a téma minden al-kérdésére megbízható, strukturált tartalommal rendelkezik.