Михаил Мятов | AI+GEO+SEO = 100k в день

@myatov
Термин Fan-out придуман в Google. Но все ли нейросети работают одинаково? В GEO всё чаще встречаю термин query fan-out (веерные запросы). Его преподносят как универсальный механизм работы нейросетей. Так ли это? Что такое fan-out? В марте 2025 года Google публично описал технологию query fan-out для AI Mode. Суть: пользователь задаёт один сложный вопрос, система разбивает его на подтемы, выполняет несколько поисковых запросов параллельно, собирает информацию и формирует ответ. Но Google не изобрёл сам принцип разбиения сложных задач на поисковые подзапросы. Посмотрим, как это реализовано у других компаний. 1. ChatGPT - Query rewriting • Переформулирует вопрос в один или несколько целевых поисковых запросов. • Может изучить первые результаты, после чего выполнить дополнительные, более точные поиски. То есть поиск может быть последовательным, а не только параллельным. 2. Microsoft Copilot - Search query generation • Выделяет из вопроса ключевые поисковые формулировки и отправляет их в Bing. • Это может быть один запрос или несколько. Microsoft документирует оба сценария. 3. Claude (Anthropic) - Web search • В документации Anthropic прямо говорится, что поиск может повторяться несколько раз в рамках одного пользовательского запроса. • Дополнительно Claude может программно фильтровать найденные результаты перед включением их в контекст. 4. Алиса AI (Яндекс) - уточнение запроса и подвопросы (Query decomposition) И здесь самое интересное. Яндекс официально описывает механизм разбиения пользовательского запроса на дополнительные вопросы. Например, пользователь пишет: «хоккей удаление до конца матча» Алиса может сформировать два подвопроса: - как называется удаление до конца матча в хоккее; - за какие нарушения в хоккее назначается матч-штраф. Затем обращается с уточнёнными запросами к Поиску Яндекса и формирует ответ на основе найденных источников. 5. Amazon Bedrock - Query decomposition / Agentic retrieval Здесь речь уже не об отдельном чат-боте, а об инструментах построения ИИ-систем. • Сложный вопрос разбивается на подзапросы. • Система ищет информацию в подключённых базах знаний, оценивает её достаточность и при необходимости повторяет поиск. Что из этого следует для GEO? Общий принцип - поиск и извлечение информации (retrieval). При необходимости система может предварительно переформулировать или декомпозировать запрос. Но архитектуры, источники, последовательность действий и способы отбора информации отличаются. Поэтому нельзя автоматически переносить исследования fan-out Google на ChatGPT, Алису или Claude. Тем более не допустимо утверждать, что существует некая отдельная «агентская семантика», которая важнее обычной пользовательской семантики. На данный момент это миф. В Реальностьи тот же ChatGPT действительно может формировать дополнительные поисковые запросы. Но это не доказывает существование принципиально нового вида семантики или его превосходство над традиционным SEO. Для меня правильный подход к GEO - исследовать, какие источники использует конкретная ИИ-система, как она их находит и по каким признакам выбирает для ответа. GEO-продвижение должно строиться на проверяемых механизмах и доказанных закономерностях, а не на пустой болтовне, когда частные наблюдения за одной нейросетью выдают за универсальные законы работы всех ИИ-систем. Официальные источники: • Google Query fan-out https://blog.google/products-and-platforms/products/search/ai-mode-search/ • OpenAI - ChatGPT Search https://help.openai.com/en/articles/9237897-searching-the-web-with-chatgpt • Microsoft - Web Search in Copilot https://learn.microsoft.com/en-us/microsoft-365/copilot/manage-public-web-access • Anthropic - Claude Web Search https://platform.claude.com/docs/ru/agents-and-tools/tool-use/web-search-tool • Яндекс - Как формируются ответы Алисы AI https://www.yandex.ru/support/webmaster/ru/alice • Amazon - Agentic Retrieval https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-agentic-retrieve.html
Если у вас установлено приложение,
вы можете сразу перейти в канал