O que é query fan-out?

Query fan-out é a técnica em que o motor decompõe a pergunta do usuário em várias sub-buscas relacionadas, executadas ao mesmo tempo sobre subtópicos e fontes diferentes, e depois reúne os resultados em uma resposta única. O termo é do próprio Google, que o usa para descrever o funcionamento do AI Mode: "emite múltiplas buscas relacionadas simultaneamente entre subtópicos e várias fontes de dados".

Por que isso muda a forma de escrever uma página?

Se uma pergunta ampla vira doze sub-perguntas, e cada sub-pergunta busca as suas próprias fontes, então a unidade de competição deixa de ser a página e passa a ser a resposta a cada sub-pergunta. Uma página que responde razoavelmente a um tema amplo perde para uma página cujos blocos respondem, cada um, a uma sub-pergunta específica de forma autocontida.

É isso que justifica tecnicamente três regras que parecem estilísticas: títulos H2 e H3 em forma de pergunta, resposta completa no primeiro parágrafo de cada bloco, e FAQ com paridade entre o que está visível e o que está marcado em JSON-LD. Não é preferência editorial; é alinhamento com o modo como o motor procura.

Como usar o fan-out na produção de conteúdo

Antes de estruturar uma peça, liste as oito a doze sub-perguntas que um motor provavelmente geraria a partir da pergunta-mãe. Cada uma deve ter um título próprio e uma resposta que faça sentido lida isoladamente, fora do contexto do resto da página, porque é assim que ela será recuperada.

O teste de aceitação é simples: entregue o texto renderizado a um modelo e peça que ele responda, usando apenas aquele conteúdo, a cada sub-pergunta. Se o modelo não consegue extrair uma resposta autocontida, a página não está pronta, ainda que passe em qualquer validação técnica.

Verbetes relacionados

O fan-out explica por que a intenção latente importa e por que o retrieval escolhe fontes por bloco, não por site. Veja também como o ChatGPT escolhe as fontes que cita.

Perguntas frequentes

Query fan-out é exclusivo do Google?

O termo é do Google, usado para descrever o AI Mode, mas a mecânica de decompor uma pergunta em sub-buscas é comum a sistemas de busca com IA em geral. O nome varia; o efeito sobre a estrutura do conteúdo é o mesmo.

Isso significa que páginas longas perderam valor?

Não. O que perdeu valor é a página longa e difusa. Uma página longa cujos blocos respondem, cada um, a uma pergunta específica tem mais superfície de recuperação do que várias páginas curtas e soltas.

Como sei quais sub-perguntas o motor gera?

Não há lista oficial. A aproximação prática é combinar as perguntas que os clientes realmente fazem, as sugestões de busca relacionada e o que os próprios assistentes devolvem quando se pede que detalhem uma pergunta ampla.