O que é query fan-out e por que ele muda a pesquisa de palavra-chave
Publicado em Atualizado em
Query fan-out é a técnica em que a IA do Google desdobra uma pergunta em várias buscas relacionadas, por subtema, e junta os resultados numa só resposta. Na pesquisa de palavra-chave, a unidade deixa de ser o termo isolado. Passa a ser a pergunta com os subtemas que ela exige, cobertos por uma página.
O que é query fan-out, segundo o Google?
É um conjunto de consultas relacionadas que o próprio modelo gera, ao mesmo tempo, para buscar mais resultados e responder à pergunta original (Google Search Central).
“A set of concurrent, related queries generated by the model to request more information and fetch additional relevant search results to address the user's query.”Tradução: “Um conjunto de consultas simultâneas e relacionadas, geradas pelo modelo para pedir mais informação e buscar resultados relevantes adicionais que atendam à consulta do usuário.”
O AI Overview e o AI Mode podem usar a técnica, cada um com seus modelos. Por isso, as respostas e os links dos dois variam (Google Search Central). No anúncio do AI Mode, o Google explicou que a pergunta é quebrada em subtemas e que várias buscas saem de uma vez, em nome de quem pergunta (blog do Google).
O conceito de AI Overviews ajuda a separar as superfícies. O fan-out é o mecanismo por trás das duas.
Como fica uma busca desdobrada na prática?
O próprio Google dá um exemplo: uma pergunta sobre gramado cheio de ervas daninhas vira três buscas, cada uma sobre um subtema (Google Search Central).
| Consulta | Tradução | Subtema |
|---|---|---|
| how to fix a lawn that's full of weeds | como recuperar um gramado cheio de ervas daninhas | Pergunta original |
| best herbicides for lawns | melhores herbicidas para gramado | Produto |
| remove weeds without chemicals | remover ervas daninhas sem química | Alternativa |
| how to prevent weeds in lawn | como evitar ervas daninhas no gramado | Prevenção |
A coluna de subtema é minha leitura do exemplo. Cada consulta busca os próprios resultados. Segundo o Google, isso permite mostrar um conjunto de links maior e mais variado do que numa busca clássica (Google Search Central).
Minha leitura: uma página pode entrar na resposta por cobrir bem um subtema, mesmo sem ranquear para a pergunta original. O Google não afirma isso de forma explícita.
O que muda na pesquisa de palavra-chave?
Muda a unidade de trabalho. Em vez de uma lista de termos com volume, eu parto da pergunta e mapeio os subtemas que uma resposta completa precisa cobrir.
“This means you don't have to worry that you don't have enough "long-tail" keywords or haven't captured every variation of how someone might seek content like yours.”Tradução: “Isso significa que você não precisa se preocupar em não ter palavras-chave de cauda longa suficientes ou em não ter capturado cada variação de como alguém poderia buscar um conteúdo como o seu.”
Hoje, faço a pesquisa em quatro passos:
- 01Escrevo a pergunta principal como o cliente faria, em uma frase.
- 02Listo os subtemas que a resposta exige: produto, alternativa, prevenção, custo, risco. No exemplo do Google, são três.
- 03Separo subtema de intenção nova. Subtema vira seção H2 da mesma página. Intenção diferente, com outro público ou outra etapa de compra, ganha página própria.
- 04Abro cada seção com a resposta. Uma frase direta logo abaixo do H2, como faço neste post, facilita a leitura de quem chega por qualquer subtema.
O volume de busca continua útil para priorizar perguntas. Ele só deixa de decidir quantas páginas escrever. É a base do trabalho de otimização para mecanismos de resposta.
Devo criar uma página para cada consulta do fan-out?
Não. O Google cita esse caso pelo nome: criar páginas para cada consulta do fan-out, para manipular respostas de IA, viola a política contra abuso de conteúdo em escala (Google Search Central).
“…doing so primarily to manipulate rankings or generative AI responses in Google Search violates Google's scaled content abuse spam policy.”Tradução: “…fazer isso principalmente para manipular classificações ou respostas de IA generativa na Pesquisa Google viola a política de spam contra abuso de conteúdo em escala do Google.”
O mesmo guia diz que muitas páginas não tornam um site mais relevante (Google Search Central). Por isso, quando reviso um site, procuro primeiro páginas quase iguais que disputam a mesma pergunta. Juntar essas páginas costuma ser o primeiro passo de uma auditoria de SEO.
Dá para ver quais consultas do fan-out trazem a minha página?
Não. O Google não documenta nenhum relatório com as consultas que o modelo gerou para uma resposta. O que dá para acompanhar é a presença da página nos recursos de IA.
O guia de otimização indica o relatório de desempenho de IA generativa do Search Console para isso (Google Search Central). Para saber em quais perguntas a página aparece, observo à mão, com prompts fixos e uma rodada por semana, como descrevo em como medir citação no ChatGPT.
Perguntas frequentes
Query fan-out é o mesmo que RAG?
Não. O Google descreve as duas técnicas em separado. O RAG busca páginas do índice para fundamentar a resposta. O fan-out gera consultas relacionadas para trazer mais resultados (Google Search Central).
O AI Overview também usa query fan-out?
Pode usar. Segundo o Google, tanto o AI Overview quanto o AI Mode podem aplicar a técnica para montar a resposta (Google Search Central).
Preciso de uma palavra-chave de cauda longa para cada variação?
Não. O Google diz que os sistemas de IA entendem sinônimos e o sentido geral da busca, mesmo sem correspondência exata de palavras (Google Search Central).
Quantas buscas o fan-out dispara?
O Google não publica um número fixo. Para o Deep Search, dentro do AI Mode, o anúncio de 20 de maio de 2025 diz que ele pode disparar centenas de buscas (blog do Google).