Il query fan-out è la tecnica con cui un motore di ricerca AI divide la domanda dell'utente in più ricerche, le lancia in parallelo e usa i risultati per costruire una sola risposta. L'utente scrive una frase. Il motore ne cerca due, dieci o, nei casi estremi, centinaia.
Google lo spiega così nella documentazione AI features and your website: AI Overviews e AI Mode possono usare una tecnica di fan-out, "issuing multiple related searches across subtopics and data sources", per sviluppare la risposta. Nel blog italiano di Google, al lancio di AI Mode in Italia l'8 ottobre 2025, la formula è: AI Mode "scompone la vostra domanda in sottotemi ed esegue contemporaneamente numerose ricerche".
Per chi fa SEO la conseguenza è semplice. La pagina che viene citata non deve per forza posizionarsi per la domanda dell'utente. Deve posizionarsi per una delle ricerche che il motore genera.
Come lo usano AI Mode e AI Overviews
Google ha presentato il fan-out al Google I/O di maggio 2025: "AI Mode uses our query fan-out technique, breaking down your question into subtopics and issuing a multitude of queries simultaneously". Deep Search, la modalità di ricerca approfondita, usa la stessa tecnica e "can issue hundreds of searches".
Due dati aiutano a capire cosa cambia per i risultati:
- secondo Ahrefs, su uno stesso campione di query solo il 13,7% delle citazioni di AI Mode coincide con quelle di AI Overviews, anche se l'86% dei contenuti citati è semanticamente simile;
- secondo Semrush (luglio 2025), in AI Mode la sovrapposizione tra fonti citate e top 10 organica è intorno al 54% per dominio e al 35% per URL. In AI Overviews sale a circa 86% e 67%.
Più il motore scompone, più le fonti si allontanano dalla prima pagina della query originale. Un'analisi di seoClarity su 1.000 query transazionali americane ha trovato che solo il 19% delle 12.011 citazioni di AI Mode arrivava dalla top 20 organica.
Come lo usa ChatGPT
OpenAI non usa il termine fan-out, ma descrive lo stesso meccanismo nella guida a ChatGPT search: ChatGPT riscrive la domanda in ricerche più mirate. L'esempio ufficiale: "CCR8 for cancer" diventa "CCR8 immunotherapy drug development 2025". Per le ricerche locali aggiunge la posizione dedotta.
Lo studio più citato su come ChatGPT cerca è di Nectiv, pubblicato su Search Engine Land a ottobre 2025, su oltre 8.500 prompt:
- il 31% dei prompt fa partire almeno una ricerca web;
- quando cerca, ChatGPT lancia in media 2,17 ricerche per prompt, al massimo 4;
- la ricerca media è lunga 5,48 parole e il 77% supera le 5 parole;
- i modificatori più frequenti sono "reviews", l'anno in corso, "features" e "comparison".
Uno studio più recente di Peec AI, su 20 milioni di query fan-out tra ottobre 2025 e gennaio 2026, ha visto la lunghezza media salire da circa 6 a circa 12 parole, con i fan-out per prompt stabili tra 2,3 e 2,8. L'Italia non era nel campione.
Il nostro test su cinque domande italiane
I dati pubblicati sono quasi tutti americani o nordeuropei. Il 27 settembre 2026 abbiamo fatto un test piccolo sull'italiano, usando le API di DataForSEO che restituiscono le ricerche generate dal modello. Cinque domande da settori che seguiamo, passate a Gemini 3.5 con ricerca web attiva. La prima domanda l'abbiamo passata anche a Claude Sonnet 4.6.
| Domanda dell'utente | Ricerche generate dal modello |
|---|---|
| quale agenzia SEO scegliere per un'azienda manifatturiera in Lombardia? (Gemini) | migliori agenzie SEO Lombardia B2B manifatturiero · agenzia SEO B2B Milano Lombardia manifattura |
| stessa domanda (Claude) | migliori agenzie SEO Lombardia aziende manifatturiere · agenzia SEO B2B industria manifatturiera Italia |
| quanto costa un impianto fotovoltaico industriale da 200 kW in Italia? | costo impianto fotovoltaico industriale 200 kW Italia · prezzo fotovoltaico 200 kw aziendale italia |
| migliori ledwall per esterni per eventi aziendali | migliori ledwall per esterni eventi aziendali · ledwall esterno noleggio eventi |
| differenza tra SEO e GEO per un'azienda B2B | cos è la GEO marketing intelligenza artificiale SEO · GEO vs SEO B2B marketing |
| software per calcolare la carbon footprint di un brand di moda | software carbon footprint brand moda fashion · carbon accounting software fashion industry |
Cosa abbiamo visto:
- Sempre due ricerche per domanda, sia con Gemini sia con Claude. Sono domande semplici: su domande più articolate i numeri salgono, come mostrano gli studi sopra.
- Lunghezza media di 6 parole sulle 12 ricerche generate. È in linea con il dato di Peec AI di fine 2025.
- La prima ricerca riassume la domanda, la seconda la allarga con un sinonimo o un intento vicino: "prezzo" accanto a "costo", "noleggio" accanto a "migliori".
- Una ricerca su dodici era in inglese: "carbon accounting software fashion industry", partita da una domanda in italiano. Tutte le fonti citate in quella risposta erano siti in inglese. È un solo caso e non va generalizzato, ma nei settori dove l'offerta italiana è scarsa il modello va a cercare altrove.
- Nella domanda su SEO e GEO, 7 fonti citate su 12 erano straniere, tedesche e inglesi, anche se la domanda era in italiano.
Il dato che ci ha colpito di più riguarda un cliente. Nella risposta sui ledwall per esterni, Gemini ha citato due pagine di Macropix: la pagina sui led wall outdoor e quella sulle applicazioni per eventi. La seconda è dedicata proprio agli eventi, cioè all'intento della seconda ricerca generata dal modello.
Cosa cambia per la keyword research
Con il fan-out la keyword research non basta più a trovare "la" keyword di una pagina. Serve capire quali varianti e sotto-domande un motore potrebbe generare partendo dalle domande dei clienti.
In pratica:
- Parti dalle domande, non dalle keyword. Raccogli le domande che i clienti fanno davvero: email, telefonate, richieste di preventivo, People Also Ask.
- Per ogni domanda, scrivi le due o tre ricerche che ne verrebbero fuori. Di solito sono la domanda compressa più una variante: prezzo e costo, migliori e noleggio, cos'è e differenza.
- Controlla chi si posiziona per quelle ricerche. Se sono sempre gli stessi siti, sono loro i concorrenti nelle risposte AI.
- Copri le sotto-domande nella stessa pagina o in pagine collegate, con link interni chiari.
La nostra guida alla keyword research spiega come partire dai dati che si hanno già in Search Console.
Come scrivere per le sotto-ricerche
Google dice che non servono ottimizzazioni speciali. Nella sua documentazione il consiglio resta quello di sempre: contenuti utili, indicizzabili, con snippet. Detto questo, dai test e dagli studi emergono alcune abitudini che aiutano:
- una sezione per sotto-domanda, con un H2 che la esprime e la risposta nelle prime due frasi. Il motore estrae passaggi, non pagine intere;
- numeri e fatti espliciti: prezzi, misure, date. Nel test sul fotovoltaico Gemini ha costruito la risposta quasi solo su pagine che dichiaravano prezzi per kWp;
- varianti lessicali naturali: se i clienti dicono sia "costo" sia "prezzo", usale entrambe dove hanno senso;
- pagine di confronto e di prezzo, perché i modificatori "comparison" e "reviews" sono tra i più frequenti nelle ricerche di ChatGPT.
Il paper di Princeton sulla GEO arriva a conclusioni simili: aggiungere statistiche, citazioni e fonti aumenta la visibilità nelle risposte generate fino al 40%. Ne parliamo in cos'è la GEO e nell'articolo sui fattori di ranking delle AI Overviews.
Limiti del metodo
Il fan-out non si vede in Search Console, né in AI Mode né nelle AI Overviews. Si osserva solo in modo indiretto, con API come quella che abbiamo usato o con tool che simulano le ricerche. Le ricerche generate cambiano da una richiesta all'altra e da un modello all'altro: il nostro test è una fotografia di un giorno, non una regola.
C'è anche un limite di fondo. Le ricerche via API non sono identiche a quelle dell'app che usa il pubblico, che conosce la cronologia e la posizione dell'utente. Il test serve a capire la logica, non a prevedere la risposta esatta che vedrà un cliente.
Approfondimento consigliato: Motori di ricerca AI: quali sono e come scelgono le fonti.
Domande frequenti
È la tecnica con cui un motore di ricerca AI divide la domanda dell'utente in più ricerche correlate, le esegue in parallelo e combina i risultati in una sola risposta. Google la usa in AI Mode e AI Overviews, e ChatGPT fa qualcosa di simile quando cerca sul web.
Dipende dalla complessità. Google parla di "una moltitudine" di ricerche per AI Mode e di centinaia per Deep Search. Gli studi su ChatGPT misurano in media tra 2 e 3 ricerche per prompt. Nel nostro test su cinque domande italiane Gemini e Claude ne hanno generate due per domanda.
No. Search Console mostra le impression delle pagine in AI Overviews e AI Mode, ma non le ricerche interne generate dal modello. Si possono osservare solo con API o tool di monitoraggio che le espongono.
Google dice che non servono ottimizzazioni speciali oltre alla SEO. In pratica aiuta coprire le sotto-domande che un cliente porrebbe, con sezioni chiare, dati espliciti e link interni tra le pagine collegate.
