查询改写与扇出：一个提问背后的多路检索

用户问“给仓库选一款叉车”，引擎背后做的事可能远超这一次提问：把问题拆成“叉车举升高度怎么选”“电叉和内燃叉的使用成本对比”“冷库用叉车有什么特殊要求”……每一路各自检索、各自选源，最后把结果汇成一段答案。这套机制 Google 官方称为 query fan-out（查询扇出），2026-01 AIO 换用 Gemini 3 后成为其选源的公开口径（见Google AI Overviews 引擎卡）。本页拆解扇出的流程、它为什么必然压低“排名=被引用”的等式、以及内容方据此该改什么。

即答：扇出改变的是“引擎面对多少个问题”。传统搜索用一套排序回答一个查询；扇出之后，引擎面对的是一批更具体的子问题，每个子问题各自有更贴切的答案页。引用跟着子问题走，不再单纯跟着主查询的排名走——被引机会从“主词排名”变成“子查询覆盖密度”。

机制拆解：拆解、多路、汇总

用户原始查询："给仓库选一款叉车"
   │ ①改写与拆解（引擎侧）
   ├─ 子查询A：叉车选型的核心参数有哪些
   ├─ 子查询B：电叉与内燃叉的使用成本对比
   ├─ 子查询C：冷库/重载等特殊场景的要求
   └─ 子查询D：主流品牌的口碑与风险点
   │ ②各路并行：每条子查询独立检索、独立选源
   ▼
③汇总：候选去重、合并进上下文
   ▼
④合成答案 + 引用列表（引用可能来自任何一路）

**第一步：改写与拆解。**引擎把口语化的原始提问重构、分解成覆盖不同子主题的子查询——定义类、对比类、数据类、评价类。这步在引擎侧发生，站点无法配置也无法提交（见误解三）。拆解逻辑与人类的调研路径同构：一个采购决策本来就由参数、成本、场景、口碑几条子问题组成，扇出把这条隐性路径显式化成了检索动作。

**第二步：多路并行检索与选源。**每条子查询走一遍完整的检索管线（切块匹配、粗排精排，见重排序页），各自选出该子问题上最贴切的来源。关键在“各自”二字：一条在主查询排名靠后的页面，可能是某条子问题的最佳答案——子问题的匹配精度高于主查询的排名信号。

**第三步与第四步：汇总与合成。**各路候选去重合并、进上下文，生成端综合作答，引用列表可能混着来自不同子查询的来源。每条引用的选取逻辑仍是生成端那套（语义支持度、权威信号、位置倾向，见引用选择机制页），只是候选池被扇出扩大了。

**机制面的量化证据。**扇出对引用池的冲击有实测口径：AIO 引用 URL 落在自然前十的比例，从 2025-07 口径的约 76% 跌至 2026-03 口径的约 38%（据 Ahrefs 86.3 万关键词、400 万引用 URL 的实测，媒体转述未复验，见数据卡）。跌出去的引用没有消失，是外溢了：2026-03 口径下，未进前十的引用里约 31.2% 来自自然排名 11-100 位，约 31% 来自 100 位之外。外溢去向里最扎眼的是视频——YouTube 以约 5.6% 的份额成为 AIO 最大被引域名，未进自然前 100 的引用中约 18.2% 是 YouTube 视频（同一口径，视频的机制面见多模态检索页）。ChatGPT 侧同向互证：其最常引用页面中 28.3% 在 Google 自然前 100 之外（见数据卡）。两个引擎机制不同，但“引用池与排名解耦”在两侧同时发生。

对 GEO 的四条推论

**推论一：资产盘点口径要从“词”改成“子问题”。**旧盘点问“我们有多少词在前十”；扇出时代还要问“我们覆盖了多少真实子问题”。一篇只为“主关键词”服务的页面，在扇出机制下只买了一注彩票；子查询覆盖密度才是被引面的分母。子问题清单从五路来源汇总去重：搜索联想词、相关搜索、People Also Ask、社区高频小问、自家客服与销售记录。

**推论二：一个真实子问题，一个自含答案。**落法与切块纪律同构：每个子问题对应一个可被单独摘录的答案块，即答段开头、结论自含（见 Chunk 术语卡与即答段术语卡）。可以是一个页面里的独立小节，也可以是单答一问的小页——形态不限，“抽出即答案”是硬标准。

**推论三：子问题必须“真实存在”，拆词碎片不算覆盖。**判断一个子问题是否真实，看它有没有独立提问痕迹——联想词里出没出现过、社区里有没有人原样问过、客服记录里是否高频。三路无痕的“子问题”是拆词软件的产物，既没有提问流量也没有被引价值，机械切碎主词还可能触碰低质内容问题。扇出奖励的是对真实调研路径的完整覆盖，不是页面数量。

**推论四：监测要建双本账。**排名账照常记（收录、位置、点击）；被引账另起一本——固定问题集上 AI 是否引用、引用了哪些域、自家份额多少，做成时间序列。只看排名账，会把“排名守住了但引用丢了”误读成平安；两本账的背离正是扇出时代最需要捕捉的信号（方法论展开见测量方法论）。

常见误解

**“38% 意味着排名没用了。”**另一面是重合度仍占多数，且扇出子查询的检索入口仍是引擎的常规收录——没有收录，子查询也检索不到你。正确读法：排名从“目标”降级为“地基”，地基照打，增量往子查询覆盖和视频那边盖。

**“扇出就是把主词拆成一百个小页面。”**拆分依据必须是真实子问题（推论三），不是拆词模板。没有提问痕迹支撑的碎片页在扇出机制里同样检索不到——扇出检索的仍是“问题的语义”，不是“页面的数量”。

**“扇出是我能提交或配置的。”**拆解发生在引擎侧，站点既不能指定子查询，也不能阻止拆解。内容方能动的变量只有一个：让每条真实存在的子问题都有可被摘录的答案在场。

**“引用池外溢对我们一定是坏事。”**外溢是中性的再分配：有子问题覆盖与视频形态的站点可能净受益，只押主词的站点才受损。重合度是全样本口径，别拿行业曲线直接推自家损益——用双本账看自己的被引份额曲线。

限制与待核实

• QF-01：扇出的子查询数量、拆解策略、跨路汇总的融合规则均为引擎内部实现，不公开；“一批子查询”是官方口径的定性描述。
• QF-02：76%→38%、31.2%、5.6%、18.2%、28.3% 均为 Ahrefs 或业内实测的外部口径（媒体转述，本站未复验），引用时须带口径日期（2025-07 / 2026-03），当快照读不当稳态读。
• QF-03：query fan-out 的官方口径来自 Google AIO；其他引擎同样存在查询改写与多路检索（这在生成式搜索里是通行做法），但具体实现不公开，本页不逐一比附。
• QF-04：扇出机制本身仍在迭代——重合度一年腰斩的历史说明任何基于当前扇出的布局结论都应按季度复核。