Da sempre chi lavora nella SEO ha concentrato le proprie attenzioni su concetti come parole chiave, keyword research, serp, posizionamento. Un modo di lavorare che oggi, con l’avvento delle AI, è stato superato. Con l’arrivo delle risposte generate dall’intelligenza artificiale nei motori di ricerca, quell’equazione si sta incrinando. Google AI Mode, le AI Overviews, ChatGPT, Perplexity e Copilot non rispondono più a una query alla volta: la scompongono in decine di sotto-domande, interrogano il web su ciascuna di esse e ricompongono i frammenti in un’unica risposta sintetica.
Il meccanismo del query fan-out
Questo meccanismo si chiama query fan-out ed è probabilmente il cambiamento più profondo nel modo in cui i sistemi di ricerca recuperano e valutano i contenuti dall’introduzione della ricerca semantica. In questo articolo vediamo cos’è esattamente, come funziona nella pratica, in cosa si differenzia dal modo in cui Google ha sempre restituito i risultati, e come si costruiscono contenuti capaci di intercettare non una ma decine di sotto-query legate allo stesso argomento.
Definizione e funzionamento
Il termine query fan-out nasce prima ancora della SEO: in informatica, fan-out descrive un’architettura in cui una singola richiesta viene frammentata e inviata in parallelo a più sistemi, che rispondono in modo indipendente prima che un nodo centrale aggreghi i risultati. È lo stesso principio con cui funziona la ricerca interna di un grande e-commerce: una query come “scarpe da running nere taglia 43” non interroga un solo database, ma viene smistata contemporaneamente al catalogo, al magazzino, ai prezzi e alle recensioni, per poi essere ricomposta in un’unica pagina in pochi millisecondi.
Applicato alla ricerca generativa, il principio è lo stesso ma il livello è semantico, non infrastrutturale: un sistema di ricerca basato su intelligenza artificiale prende la query originale digitata dall’utente e la “esplode” in un insieme di sotto-query correlate, ciascuna pensata per esplorare un aspetto diverso della stessa intenzione di ricerca. Non si tratta di semplici sinonimi o varianti della parola chiave: sono vere e proprie domande autonome, spesso più specifiche o più ampie della richiesta iniziale, che il modello genera per costruirsi una comprensione più completa del bisogno informativo dell’utente.
La scomposizione di una query in sotto-domande
Il termine è stato reso popolare da Google in relazione al funzionamento di AI Mode, ma il principio è ormai comune a tutti i principali sistemi di ricerca generativa. Un utente che digita “migliori scarpe da running per principianti” innesca, dietro le quinte, domande come: quali sono i modelli più economici per chi inizia? Qual è la differenza tra scarpe da running e da walking? Come si sceglie la taglia giusta per non incorrere in infortuni? Ognuna di queste diramazioni può portare in superficie una fonte diversa: la pagina che compare nella risposta finale non è necessariamente quella meglio posizionata per la query originale, ma quella che risponde con più precisione a una o più di queste sotto-domande.
Come funziona tecnicamente: prompt e risposta sintetizzata
Il processo si articola in pochi passaggi che avvengono in decimi di secondo, invisibili per chi cerca. Il modello analizza prima la query e ne interpreta l’intento reale, non solo il testo letterale. Genera poi un insieme di sotto-query, che possono includere riformulazioni, approfondimenti, confronti con alternative, obiezioni tipiche o passaggi successivi che l’utente potrebbe voler compiere. Ogni sotto-query viene inviata in parallelo ai sistemi di recupero delle informazioni, che restituiscono i contenuti web più pertinenti — è il pattern architetturale noto come scatter-gather: il sistema disperde la query in decine di ricerche parallele (scatter), poi raccoglie i micro-risultati, elimina i duplicati e li ordina (gather).
Dalla pagina intera ai singoli passaggi del testo
A questo punto il modello non si limita a copiare i risultati: seleziona i passaggi di testo — non le pagine intere — più rilevanti per ciascuna sotto-domanda, li combina in un testo unico e cita le fonti ritenute più affidabili per ogni singola affermazione. È il punto chiave da comprendere per chi lavora con il content: l’unità di valutazione non è più la pagina nel suo complesso, ma il singolo passaggio. Una pagina può non comparire mai per la query principale e tuttavia essere citata più volte perché contiene tre o quattro paragrafi che rispondono con precisione ad altrettante sotto-domande generate dal fan-out.
Perché nasce ora: i limiti della ricerca a query singola
La ricerca tradizionale, quella dei dieci link blu, è stata costruita attorno all’idea che una query corrisponda a un solo bisogno informativo. Ma le ricerche complesse — scegliere un software, pianificare un viaggio, confrontare due opzioni di investimento — raramente si esauriscono in una sola domanda. In passato erano gli utenti stessi a dover scomporre la propria ricerca in più query successive, affinando progressivamente i risultati. Il query fan-out automatizza questo lavoro: il sistema anticipa i passaggi che l’utente farebbe comunque e li integra direttamente nella prima risposta, gestendo richieste molto più articolate — come “organizza un viaggio negli Stati Uniti per una famiglia di cinque persone” — scomponendole in filoni (attività per bambini, spostamenti, alloggi, budget) e restituendo una risposta unica che li tiene insieme.
Query fan-out contro serp tradizionali: cosa cambia davvero
Qui sta la differenza rispetto al modo in cui Google ha sempre restituito i risultati. Nella SEO classica si sceglie una parola chiave primaria, si costruisce un contenuto ottimizzato attorno a essa e si punta al posizionamento in prima pagina: vince chi occupa la prima posizione per quella query specifica. Questo approccio non scompare — autorevolezza, backlink, solidità tecnica del sito e segnali di affidabilità restano fondamentali anche per essere selezionati come fonte nelle risposte AI — ma cambia il criterio con cui un contenuto viene giudicato utile: non basta più rispondere bene a una query, occorre rispondere bene a molte delle sue diramazioni possibili.
Nella logica del fan-out un brand può “vincere” anche comparendo in modo ricorrente e coerente in più contesti collegati: nelle pagine di confronto con la concorrenza, nei contenuti che affrontano criticità o reclami, in quelli dedicati ai prezzi, nelle recensioni di terze parti. Perdere anche solo uno di questi fronti può abbassare il livello di fiducia che il modello attribuisce al brand, riducendo le probabilità di essere citato anche quando il contenuto principale è ottimo. È il motivo per cui, in questi scenari, la SEO tecnica incontra sempre più da vicino la digital PR e la brand reputation.
Come si comporta il fan-out nei diversi sistemi di ricerca AI
Google utilizza il query fan-out come architettura portante sia delle AI Overviews sia di AI Mode, generando in molti casi dalle otto alle dodici sotto-query per ogni richiesta, con l’obiettivo dichiarato di catturare intenti diversi dietro la stessa domanda. ChatGPT, quando naviga il web per rispondere, adotta una logica molto simile, così come Perplexity, tra i primi motori conversazionali a costruire l’intera esperienza utente attorno alla scomposizione delle domande in ricerche multiple. Anche Copilot di Microsoft segue lo stesso principio quando integra risultati web nelle proprie risposte. Le differenze tra i vari sistemi riguardano più che altro il numero di sotto-query generate, la profondità con cui vengono esplorate e il modo in cui vengono scelte le fonti da citare — ma il principio di fondo, esplodere una domanda in molte per costruire una risposta più completa, è ormai comune a tutta la ricerca generativa.
Le famiglie di sotto-intenti dietro una query
Per chi produce contenuti è utile pensare alle sotto-query generate dal fan-out come appartenenti a poche grandi famiglie ricorrenti: domande di chiarimento, che approfondiscono definizioni o distinzioni terminologiche; domande comparative, che mettono a confronto prodotti, servizi o approcci alternativi; domande legate a obiezioni o criticità, quelle che un utente scettico si porrebbe prima di fidarsi; domande su costi e condizioni pratiche; domande sui passaggi successivi, quelle che emergono una volta risolto il primo dubbio.
Prendiamo una query come “agenzia SEO tecnica”: il fan-out può generare una sotto-query di chiarimento (cosa fa concretamente un’agenzia SEO tecnica rispetto a una di content marketing), una comparativa (agenzia o freelance, per un e-commerce di medie dimensioni), una di obiezione (quanto costa un audit SEO tecnico e che risultati aspettarsi) e una sui passaggi successivi (quali competenze verificare prima di affidare il proprio sito). Un contenuto che copre tutte queste sfumature, anche in sezioni diverse della stessa pagina o in articoli collegati tra loro, ha più probabilità di essere selezionato come fonte per più di una di queste diramazioni.
Come ottimizzare i contenuti per il query fan-out
1.Cluster di intenti attorno ad un argomento
Il primo passo è cambiare l’unità di pianificazione editoriale: non più la singola parola chiave, ma il cluster di intenti che ruota attorno a un argomento. Prima di scrivere conviene mappare le domande di chiarimento, le comparative, le obiezioni e i passaggi successivi che un utente reale si porrebbe, e assicurarsi che il contenuto le affronti tutte — anche solo in un paragrafo dedicato ciascuna. Non significa scrivere pagine infinite e dispersive: significa strutturare il testo in sezioni chiaramente identificabili, ciascuna capace di rispondere in modo autosufficiente a una sotto-domanda specifica, così che possa essere estratta come passaggio citabile anche fuori dal contesto dell’intera pagina.
2.Profondità delle singole risposte
Il secondo elemento è la profondità delle singole risposte: i sistemi di recupero premiano i passaggi che rispondono in modo diretto e verificabile, con dati, esempi concreti o cifre puntuali, piuttosto che affermazioni generiche. Anche i dati strutturati — schemi FAQPage, HowTo o Article — aiutano i motori a identificare con precisione quali porzioni di testo rispondono a quali domande, rendendo più probabile che vengano selezionate durante il fan-out.
3.Coerenza del brand
Il terzo elemento è la coerenza del brand attraverso più contenuti e più piattaforme. Poiché il fan-out genera sotto-query comparative, di reclamo o di verifica dei prezzi, un brand che vuole essere citato con continuità deve costruire una presenza credibile non solo sul proprio sito, ma anche nelle recensioni di terze parti, nelle pagine di confronto indipendenti e nelle discussioni di settore.
Gli errori più comuni da evitare
L’errore più diffuso è trattare ogni sotto-query intercettata come se fosse una nuova parola chiave da presidiare con una pagina dedicata: si finisce per costruire decine di contenuti quasi identici, che si cannibalizzano a vicenda senza aumentare realmente la visibilità. Il fan-out non chiede di moltiplicare le pagine, chiede di approfondire l’intento complessivo in modo che uno stesso contenuto, ben strutturato, possa rispondere a più diramazioni contemporaneamente. Il che è diverso anche dal tradizionale funzionamento dei vecchi pillar content in ottica SEO.
Un secondo errore è inseguire le sotto-query esatte generate in un singolo momento da un modello, dimenticando che si tratta di previsioni probabilistiche che cambiano a ogni esecuzione e a ogni aggiornamento del sistema: concentrarsi ossessivamente sul dato puntuale, invece che sulla comprensione dell’intento generale, porta a strategie fragili e rapidamente superate. Il terzo errore è trascurare i fondamentali della SEO tradizionale, pensando che il fan-out l’abbia resa superflua: autorevolezza, qualità tecnica del sito e affidabilità delle fonti restano prerequisiti, non optional.
Come monitorare la propria visibilità nelle risposte generate dall’AI
Misurare l’impatto del query fan-out è più complesso rispetto al monitoraggio classico del posizionamento, perché non esiste una singola query da tracciare ma un intero ventaglio di diramazioni possibili, spesso invisibili negli strumenti di keyword research tradizionali. Nella pratica conviene affiancare al monitoraggio delle parole chiave principali un’analisi periodica di come il proprio brand, i propri contenuti e i propri prodotti vengono citati all’interno delle risposte generate da Google AI Mode, ChatGPT e Perplexity per un ventaglio di domande correlate al proprio settore, verificando quali pagine vengono effettivamente selezionate come fonte e per quale tipo di sotto-domanda.
Una cambiamento epocale con il quale fare i conti
Il query fan-out non è una moda passeggera legata a un singolo aggiornamento di Google, ma la logica portante con cui l’intera ricerca generativa — da AI Mode a ChatGPT, da Perplexity a Copilot — recupera e assembla le informazioni dal web. Per chi produce contenuti, la conseguenza pratica è che la competizione non si gioca più su una singola parola chiave, ma sulla capacità di presidiare in modo coerente e verificabile l’intero spazio di domande che un utente, umano o artificiale, potrebbe porsi attorno a un argomento. Chi comincia oggi a costruire contenuti pensati per questo tipo di copertura ha un vantaggio, perché la maggior parte della concorrenza sta ancora ragionando — e scrivendo — una parola chiave alla volta.