Query fan-out: come funziona la ricerca con Google AI Overviews e AI Mode

Quando una ricerca attiva AI Overviews o Google AI Mode, il motore può scomporre la domanda in più sotto-domande e avviare simultaneamente ricerche parallele su fonti diverse.

Ciò significa che, anche se noi vediamo una sola risposta sintetica, il sistema ha già esplorato molteplici angolazioni e fonti prima di comporla.

La frase che hai digitato, sostanzialmente, viene ampliata in più query correlate per coprire sottotemi, vincoli impliciti e possibili approfondimenti.

Questo approccio ibrido, noto in ambito SEO come query fan-out, segna una svolta nel modo di fare SEO: il baricentro si sposta dalla singola keyword alla comprensione estesa dell’intento di ricerca, con le sue sfaccettature, i vincoli impliciti e le possibili domande di approfondimento.

Cosa sono le query fan-out

Il termine fan-out richiama l’immagine di un ventaglio che si apre.

Il fan-out “apre il ventaglio”: parte da una domanda e genera sotto-query che l’utente non ha scritto ma che servono a coprire le sfumature del suo bisogno.

Quando si pone una domanda a un motore di ricerca AI, esso decompone il quesito in sotto-domande più specifiche e va a cercare risposte per ciascuna di esse.

Il motore AI analizza l’intento e il contesto dell’utente, genera varianti linguistiche e concettuali della stessa domanda, e poi esegue query parallele per ottenere dati da molteplici fonti (web, knowledge graph, database strutturati, video, ecc.).

Google Search Central chiarisce che AI Overviews e AI Mode possono usare una tecnica di query fan-out, cioè l’esecuzione di più ricerche correlate su sottotemi e fonti diverse per sviluppare una risposta.

La query fan-out fonde 4 pratiche di ricerca avanzata:

• query decomposition: scomposizione della richiesta in sotto-domande.
• Query expansion: arricchimento semantico con termini correlati.
• Multi-query retrieval: esecuzione parallela di più interrogazioni.
• Query variant generation: creazione di varianti linguistiche o contestuali della stessa domanda.

Questa stratificazione consente ai sistemi di ricerca AI di anticipare le domande accessorie dell’utente e di costruire una risposta più completa e contestualizzata, anticipando obiezioni e dubbi.

Anche ChatGPT segue la stessa logica: uno studio su 15.000 prompt ha mostrato che nel 89,6% dei casi ChatGPT ha generato almeno due query di approfondimento, spingendo ciascun prompt verso nuovi filoni di ricerca.

Quando Google usa il query fan-out

Non tutte le ricerche attivano lo stesso livello di fan-out.

Le AI Overviews compaiono solo quando aggiungono valore alla ricerca classica (spesso su domande lunghe o complesse) e talvolta non si attivano affatto.

L’AI Mode, l’interfaccia conversazionale lanciata da Google nel 2025, è invece progettata proprio per quesiti esplorativi, confronti complessi, pianificazione e follow-up.

Per capire quando scatta il fan-out, basta provare con una domanda articolata.

Ad esempio, se un utente chiede “Qual è il miglior smartphone per fare foto notturne sotto i 900 euro?”, il motore intuisce che dietro c’è un bisogno complesso. Oltre a cercare l’esatta corrispondenza della frase, il sistema sa di dover valutare simultaneamente sensori, ottiche, budget e recensioni per fornire una risposta davvero utile.

Sempre secondo il report AirOps su ChatGPT, il 32,9% delle pagine citate nelle risposte generate era stato individuato solo grazie alle query di fan-out, e non sarebbe mai emerso partendo dalla domanda originale.

Detto altrimenti, molte delle fonti citate rimangono “invisibili” agli strumenti SEO tradizionali basati su parole chiave, proprio perché emergono solo esplorando le sotto-domande del fan-out.

Google stesso estende il concetto anche alle ricerche visive: nel nuovo “Circle to Search” integrato con AI Mode, l’utente può selezionare un’immagine (ad esempio un outfit o una stanza) e il sistema riconosce più oggetti e lancia ricerche parallele per ciascuno.

È la versione multimodale del fan-out in cui le componenti visive attivano query distinte per ogni elemento riconosciuto.

Differenza tra ricerca tradizionale e query fan-out

Negli ultimi anni la ricerca Google ha già superato il semplice matching di keyword. Ripercorriamo gli aggiornamenti principali.

• Hummingbird (2013): è arrivata la ricerca semantica, con una maggiore attenzione al significato complessivo della query.
• RankBrain (dal 2015): Google ha iniziato a costruire relazioni più profonde tra parole e concetti.
• Neural matching (2018): ha ampliato la capacità di collegare query e contenuti anche oltre la corrispondenza letterale.
• BERT (2019): l’attenzione si è spostata sul contesto delle frasi e sul rapporto tra le parole.
• Passage ranking (dal 2020): ha migliorato progressivamente la capacità di individuare passaggi specifici all’interno delle pagine.

Google espande automaticamente la query in una rete di interrogazioni secondarie esplorando più dimensioni dello stesso bisogno informativo.

Per rispondere a un quesito AI il sistema interroga contemporaneamente diverse fonti, formati (testi, schede prodotto, video, shopping, ecc.) e livelli di profondità, poi aggrega i risultati in una risposta unica.

Gli effetti sulla SEO tradizionale sono significativi.

Uno studio di Surfer SEO su 10.000 keyword già a fine 2025 ha rilevato che le pagine che si posizionano sia per la query principale che per almeno una fan-out query hanno il 161% in più di probabilità di essere citate nelle AI Overviews.

Ahrefs, in una ricerca su 863.000 SERP e 4 milioni di URL citate negli AI Overviews, ha rilevato che il 37,9% delle URL citate compariva nei primi 10 blocchi della SERP per la stessa query. In parallelo, lo studio Surfer SEO ripreso da Search Engine Land ha osservato che circa il 68% delle pagine citate non rankava in top 10 né per la query principale né per le fan-out query analizzate.

Ciò ci porta a ribadire che essere primo su Google conta ancora, per carità, ma non basta più: conta anche essere la fonte che l’AI ritiene più completa su una o più delle sotto-domande.

Scomposizione della query in sotto-query

Tornando al nostro esempio dello smartphone per foto notturne, ecco cosa accade dietro le quinte.

In automatico, Google (o un altro motore AI) frammenta la richiesta iniziale e genera una serie di sotto-query parallele, come ad esempio:

• “miglior fotocamera smartphone 2026”,
• “stabilizzazione ottica confronto”,
• “autonomia batteria top di gamma”,
• “recensione foto notturne iPhone”,
• “iPhone vs Samsung qualità foto”,

Etc…

Nessuna di queste è stata esplicitata dall’utente ma tutte sono rilevanti per il campo semantico e l’intento originario.

Il sistema le costruisce analizzando l’intento di ricerca, le entità coinvolte, i vincoli impliciti (budget, data di rilascio, contesto d’uso) e le relazioni tra gli argomenti.

Ricerca parallela tra fonti, entità e sotto-argomenti

Le sotto-query vengono elaborate in parallelo: Google non ragiona più soltanto sulla frase digitata, ma apre più piste di ricerca nello stesso momento.

Il motore setaccia siti web, Knowledge Graph, database commerciali e di shopping, video, forum, recensioni, immagini: ogni fonte viene valutata per autorevolezza, pertinenza e aggiornamento.

Ad esempio, una ricerca su un outfit può attivare simultaneamente ricerche testuali e visive (usando Google Lens) per immagini ispirazionali e articoli redatti da fashion blogger.

Sintesi finale e selezione delle fonti

L’ultimo passaggio è la sintesi: Google combina le informazioni raccolte dalle sotto-query, estrae i passaggi rilevanti e costruisce una risposta coerente e completa.

Durante questo processo il sistema valuta quali fonti citare.

In generale, vengono date più probabilità alle pagine di qualità e con credibilità superiore (E-E-A-T).

Nei risultati AI Overviews le fonti più citate sono accompagnate da link di riferimento o icone: l’utente può così approfondire senza dover saltare tra decine di siti.

L’architettura delle query fan-out in Google AI Overviews e AI Mode

AI Overviews e AI Mode sono due modalità diverse di interazione con la ricerca AI, ma condividono parte della stessa logica di fondo.

Le AI Overviews sono i riquadri generativi che compaiono nella SERP tradizionale quando Google ritiene di poter aggiungere valore alla query (ad esempio, risposte informative o consigli pratici).

Google ha riportato che AI Overviews ha superato i 2 miliardi di utenti mensili.

AI Mode è l’interfaccia conversazionale lanciata ufficialmente nel 2025: annunciata a marzo, aperta negli Stati Uniti a maggio e resa disponibile in Italia dall’8 ottobre 2025.

In AI Mode, l’esperienza di ricerca è interamente centrata sull’AI: non vedi la classica SERP, ma un dialogo con il modello generativo (basato su Gemini).

Qui il fan-out gira a pieno regime: ogni risposta apre a nuovi approfondimenti (“follow-up”), e ogni livello di conversazione avvia a sua volta nuove sotto-query.

Google ha spiegato che AI Mode permette di fare domande di approfondimento, confronti e chiarimenti in continuità, proprio perché “dentro” c’è un modello che continua a generare query in cascata.

Da gennaio 2026 Google ha iniziato a sfumare i confini tra Overview e conversazione, permettendo follow-up anche direttamente all’interno delle AI Overviews.

Inoltre, l’azienda ha rilevato che le query in AI Mode diventano in media due o tre volte più lunghe di quelle tradizionali: gli utenti tendono a scrivere frasi più ricche e articolate.

Questo spiega perché oggi è importante progettare i contenuti pensando a contesto, vincoli e follow-up (non solo alla keyword secca).

Nel suo funzionamento, l’architettura AI di Google richiama il modello retrieval-augmented generation (RAG): il motore amplia la ricerca (recupera fonti) e poi genera una risposta sintetizzata.

Su scala globale, Google fa qualcosa di simile con l’intero web come “database” e il suo sistema di ranking come filtro di qualità, attingendo sia ai risultati organici tradizionali sia a dati strutturati e interni.

Quali sono i vantaggi?

Per l’utente finale, il query fan-out offre diversi vantaggi pratici:

• Risposte complete e integrate:non serve aprire molte schede. Domande complesse come “come organizzare un viaggio in Giappone con un budget limitato e 2 bambini” vengono risolte in un’unica risposta strutturata con informazioni dettagliate e fonti selezionate.
• Contestualizzazione immediata:il sistema integra i possibili vincoli o approfondimenti che non sono stati esplicitamente chiesti (confronti, range di prezzo, alternative). Anticipa le possibili domande successive basandosi sui comportamenti di ricerca degli altri utenti.
• Gestione della vaghezza: se digiti un testo lungo o poco preciso (come faresti parlando), l’AI riconosce l’intento e lo trasforma in sotto-domande precise. Così facendo anche query vaghe o colloquiali ottengono comunque risposte pertinenti senza doverle riformulare manualmente.

Quali sono gli svantaggi?

Ci sono anche aspetti critici da considerare:

• Riduzione del traffico organico (CTR compresso): se Google risponde già nella pagina dei risultati, molti utenti non sentono il bisogno di cliccare sul sito. Analisi di Ahrefs stimano un calo fino al 58% dei clic sulla posizione 1 quando è presente un AI Overview e in Germania SISTRIX ha osservato il CTR del risultato primo scendere dal 27% all’11% con Overview attivo. È il fenomeno delle ricerche zero-click, che di fatto riduce il traffico organico “tradizionale” verso molte categorie di contenuti (FAQ, definizioni, ricette, ecc.). Google sostiene tuttavia che il volume complessivo di query continua a crescere e che i clic residui sono più qualificati.
• Trasparenza limitata: l’utente vede la risposta finale e qualche link di supporto ma non conosce esattamente come essa è stata costruita. Google non rivela il peso specifico delle fonti interne, né fornisce dati granulari sulle query di fan-out usate. Questo è un problema sia per chi cerca (potrebbe fidarsi ciecamente) sia per chi crea contenuti: spesso non è chiaro perché una fonte viene citata o ignorata. Google Search Console non separa le statistiche di impression e clic provenienti dalle AI Overviews rendendo difficile misurare l’impatto diretto.
• Rischio di errori e “allucinazioni”: interrogare più fonti aumenta anche le probabilità di pescare informazioni obsolete o imprecise. Come tutti i sistemi di generazione automatica, anche l’AI di Google può produrre risposte apparentemente plausibili ma inesatte. Quando il fan-out moltiplica le fonti, occorre vigilare su “bias” ed errori perché anche un minimo sbaglio può finire aggregato nella risposta finale e moltiplicare l’effetto informativo deviante. Lily Ray ha ribattezzato questo rischio con una definizione eloquente: AI slop loop.

Come ottimizzare un contenuto per le query fan-out

Per ottimizzare un contenuto in ottica query fan-out:

• parti da una query principale e mappa le sotto-domande probabili;
• copri definizioni, esempi, limiti, confronti, dati e casi d’uso;
• usa H2 e H3 chiari, capaci di rispondere a una singola domanda;
• inserisci fonti, date, autori e riferimenti verificabili;
• collega il contenuto a un cluster più ampio;
• aggiorna periodicamente i passaggi soggetti a cambiamento;
• integra, quando utile, immagini, video, tabelle e dati strutturati coerenti.

Le nuove regole della ricerca AI

Con il query fan-out e l’AI search, cambia radicalmente la logica della visibilità online.

Fino a ieri “posizionarsi” significava puntare alle primissime posizioni per parole chiave mirate; oggi quell’obiettivo conta meno. Conta invece essere la fonte che l’AI sceglie per rispondere a ciascuna sotto-query creata.

Chi vende scarpe da corsa potrebbe non essere mai top per “scarpe running”, ma comparire nelle risposte AI su una sotto-query come “differenza tra scarpe da gara e scarpe da allenamento” – una domanda che nessun utente ha digitato esplicitamente ma che l’AI ha generato come parte del contesto.

Non basta più una pagina ben ottimizzata; serve un intero corpus coerente e approfondito che copra tutte le sfaccettature del tema (un approccio di content cluster).

Se un sito presidia un tema con pagine coerenti, profonde e ben collegate, per l’AI diventa più facile riconoscerlo come una fonte competente. E no, il copywriting è tutt’altro che morto.

Tra le evoluzioni in arrivo, Google ha già sperimentato modi per integrare AI search con la navigazione. Ad aprile 2026 è stata presentata una vista affiancata in Chrome: quando clicchi su un risultato, la pagina web si apre a fianco del pannello AI Mode. In questo modo puoi confrontare le informazioni e porre domande senza cambiare scheda. Inoltre, Google ha ampliato le fonti che AI Mode può “leggere”: da aprile 2026 i modelli possono utilizzare come contesto non solo la pagina attiva, ma anche altre schede aperte, immagini o PDF selezionati.

Deep pages vs homepage

Un’altra lezione emersa dai dati è che la homepage conta meno di una volta.

BrightEdge ha trovato che l’82,5% delle citazioni AI in Overviews punta a pagine “profonde” (contenuti specifici, guide, FAQ, confronti) e soltanto lo 0,5% alla homepage.

Non servono siti “forti” in generale. Sono necessarie molte pagine verticali, ognuna focalizzata su un sotto-tema specifico.

Una homepage generica difficilmente fornisce il dettaglio sufficiente per una risposta AI; molto meglio una pagina approfondita su una singola domanda.

Questa statistica ribalta una credenza diffusa nei decision maker: oggi ogni pagina del sito può essere la “prima impressione” di un utente nell’era AI, quindi vanno curate tutte, non solo la home.

Multimodalità

Assieme al testo cresce l’importanza dei contenuti multimodali.

Google spinge a supportare le informazioni chiave con asset di qualità (immagini, video, dati strutturati), perché in molti casi le risposte AI includono risultati da YouTube o da immagini.

Un’altra analisi Ahrefs di marzo 2026 segnala che il 18,2% delle URL citate negli AI Overviews (che non erano in top 100 organica) proveniva da YouTube.

Ciò significa che, quando il tema lo consente, i contenuti migliori sono già nati “bi-formato”: un testo accompagnato da un video o da una grafica rilevante.

Pensare in ottica crossmediale aiuta Google a estrarre e presentare i dati più importanti.

Ottimizzazione tecnica vs editoriale

L’obiettivo di emergere nelle AI search non deve però farci dimenticare l’utente. Bisogna equilibrare ottimizzazione tecnica (SEO) ed esperienza di lettura.

Ufficialmente Google non impone formati speciali per comparire nelle AI Overviews ma l’osservazione di molti esperti è che funziona meglio il content answer-first: pagine con heading chiari (che sembrano domande), paragrafi brevi, elenchi puntati, tabelle e sezioni FAQ fanno estrarre più facilmente i frammenti giusti.

Non è fuffa SEO, ma semplice usabilità: un testo ben strutturato risulta genuinamente più utile e leggibile e lo conferma l’AI quando seleziona la risposta da mostrare.

I dati strutturati (schema.org) aiutano l’AI a capire i contenuti di prodotti, recensioni, eventi ecc., sebbene Google chiarisca che non ci sono markup speciali “AI-only”.

Seguire le linee guida tradizionali (contenuto visibile coerente con il markup) resta importante.

Content cluster, copertura dei facet e segnali E-E-A-T

La strategia più efficace per il fan-out è il topic cluster (o content cluster).

Si costruisce un contenuto centrale (pillar) sul tema principale e tante pagine satellite che approfondiscono ogni sotto-argomento.

Ciò potenzia visibilità e autorevolezza complessiva del sito sull’argomento.

Un sistema AI cerca fonti con copertura profonda e coerenza tematica: se un sito presidia davvero “assicurazioni auto” con pagine coerenti, aggiornate e ben collegate, diventa più facile riconoscerlo come una fonte competente sul tema.

Il motore AI sceglie fonti che dimostrano competenza reale: autori con credenziali visibili, dati originali, citazioni da riviste autorevoli.

Anche menzioni e citazioni del brand in contesti esterni (recensioni, media, forum) aiutano l’affidabilità percepita del sito.

Rafforzare la propria reputazione online (Digital PR, menzioni e citazioni) è oggi inscindibile dal guadagnare “AI visibility”.

Elementi pratici da curare includono una byline chiara, una pagina autore aggiornata, date di aggiornamento, fonti esplicite e dati originali (test, screenshot, ecc.) – tutti segnali che rendono un contenuto più verificabile e credibile per l’AI.

Un esempio pratico di query fan-out

Immaginiamo di cercare “qual è il miglior smartphone per fare foto notturne sotto i 900 euro?” su un motore AI-driven.

A prima vista sembra una sola query ma Google scompone la domanda in molte piste di ricerca parallele, confrontando ad esempio:

• fotocamere in condizioni di scarsa luminosità su vari modelli (Apple, Samsung, Google, ecc.);
• Confronto tra stabilizzazione ottica vs digitale;
• Fascia di prezzo aggiornata, modelli disponibili nel periodo della ricerca e budget;
• Durata della batteria (per sapere quanti scatti si possono fare);
• Recensioni e opinioni degli utenti su foto notturne;
• Differenze tra telefoni top di gamma vs fascia media;
• Disponibilità e tempi di consegna per i principali shop;
• Immagini, video e grafici comparativi utili per valutare la qualità fotografica.

Tutte queste sotto-domande vengono analizzate parallelamente.

Nel risultato finale, Google AI Overviews o AI Mode presenta un’unica risposta integrata ma attinge ai punti salienti trovati in ciascuna pista di ricerca.
L’impatto SEO di questo esempio è evidente: una pagina generica su “migliori smartphone” rischia di restare vaga.

Al contrario, una pagina che include test sul campo, confronti tabellari, limiti di budget, immagini dimostrative, pro e contro aggiornati ha più probabilità di essere scelta da Google come fonte per una o più sotto-query.

Dalla SEO alla GEO: cosa sta cambiando

Il termine GEO (Generative Engine Optimization) riassume l’evoluzione in corso: ottimizzare per motori generativi, non solo per motori tradizionali.

Convive con altri acronimi come AEO o LLMO ma il concetto è uno: oltre al ranking organico, oggi conta la probabilità che i tuoi contenuti vengano recuperati, sintetizzati e citati dalle risposte generative.

Con la SEO classica puntavi a portare l’utente sul sito; con la GEO miri a far apparire il tuo contenuto nella risposta stessa, anche senza clic.

Di conseguenza le metriche cambiano. Non basta più contare solo clic e sessioni organiche. Occorre monitorare la propria share of voice nelle risposte AI: quante volte il tuo brand o contenuto viene citato dalle AI rispetto ai concorrenti.

Alcuni KPI da seguire includono la presenza nelle AI Overviews per le query core, le citazioni e menzioni del brand nei risultati AI, e il traffico/referal effettivo quando l’utente clicca i link AI (se misurabile).

Non si abbandona la SEO tradizionale – i link organici e il traffico da ricerca contano ancora – ma ignorare il fan-out e l’AI significa continuare a ragionare come se la ricerca fosse ancora fatta solo di dieci link blu.

Dal ranking alla credibilità tematica

Se le metriche si spostano sulla share of voice, la creazione dei contenuti deve passare dal posizionamento della singola pagina alla costruzione di un “corpus” informativo.

Per l’AI, non si tratta più soltanto di “cosa dicono le tue pagine”, ma di “cosa sa il tuo sito”. Il tuo dominio viene valutato come una vera e propria entità esperta.

Per questo, avere un’ottima pagina su una query specifica non basta più se il resto del sito ignora il tema. Il progetto web deve dimostrare coerenza e affidabilità totale, rispondendo alla domanda principale ma anche a tutte le sue diramazioni: esempi, limiti, alternative, obiezioni, casi d’uso e aggiornamenti.

Sebbene le statistiche disponibili provengano da contesti diversi (Google AI Overviews, ChatGPT, ecc.), tutte concordano che la visibilità AI si guadagna coprendo ampiamente un argomento e non inseguendo singole parole chiave.

Vuoi preparare il tuo sito alla ricerca AI?

Siamo nel bel mezzo di un’evoluzione che, a tratti, assume i contorni di una rivoluzione. Ma anche le rivoluzioni mantengono dei punti fermi: servono contenuti utili, verificabili, ben strutturati e inseriti in una strategia più ampia.

Per emergere nelle risposte AI non basta aggiungere qualche FAQ o inseguire l’ennesima sigla del momento. Serve osservare il bisogno con gli occhi della propria buyer persona: capire quali domande si fa, quali sotto-domande può generare l’AI e quali contenuti mancano al tuo sito per diventare una fonte credibile su un tema.

In Ingigni lavoriamo proprio su questo: uniamo SEO, branding, architettura dei contenuti e strategia editoriale per aiutare siti e brand a essere più riconoscibili, più chiari e più autorevoli nel nuovo ecosistema della ricerca.

Perché nel nuovo scenario non vince chi ripete meglio una parola chiave. Vince chi costruisce risposte migliori.