Abfragebüro

Steigern Sie Ihre Fähigkeiten mit den wöchentlichen Experten -Erkenntnissen von Wachstum Memo. Kostenlos abonnieren!

Im heutigen Memo dreht sich alles um Abfrage-Fan-Out-ein grundlegendes Konzept hinter dem AI-Modus, das die Regeln der SEO leise umschreibt.

Sie haben wahrscheinlich den Begriff gehört. Vielleicht haben Sie es in der KI-Modus-Ankündigung von Google, dem Bericht von Aleyda Solis oder Mike Kings tiefen Tauchgang gesehen.

Aber warum ist es wirklich so revolutionär? Und wie wirkt es sich auf die Art und Weise aus, wie wir uns für die Suchstrategie nähern? Möglicherweise „optimieren“ Sie sich dafür und nicht einmal bewusst!

Das ist es, worauf wir uns heute graben.

Plus: Ich habe ein Intent -Klassifikator -Tool für Premium -Abonnenten erstellt, um Ihnen dabei zu helfen, Eingabeaufforderungen und Fragen nach Benutzer in Sekunden zu gruppieren – später in dieser Woche (müssen noch ein paar Knicke ausbügeln).

In dieser Ausgabe werden wir behandelt:

• Was für Abfragen fan ist.
• Wie es den KI -Modus, die tiefe Suche und die Konversuche versorgt.
• Warum die Optimierung für „eine Frage, eine Antwort“ nicht mehr ausreicht.
• Taktische Möglichkeiten, um Ihr Inhalts-Ökosystem mit dem Fan-Out-Verhalten auszurichten.

Lassen Sie uns darauf eingehen.

Bildnachweis: Kevin Indig

Was ist Abfragefan und warum hörst du gerade so viel darüber?

Abfragen-Fan-Out ist, wie der KI-Modus von Google eine einzelne Suche durchführt und in vielen verwandten Fragen hinter den Kulissen erweitert wird.

Es kann eine breitere Auswahl an Inhalten einziehen, die möglicherweise mehr von Ihrer wahren Absicht beantworten, nicht nur Ihre genauen Worte.

Sie hören jetzt davon, da die neuen KI -Übersichten von Google und der KI -Modus auf diesen Prozess beruhen können, was den Inhalt in den Ergebnissen „Such“ ändern kann.

Query-Fan-Out ist nicht nur ein weiteres Marketing-Schlagwort. So funktioniert der KI -Modus.

Es ist wichtig, dieses Konzept zu verstehen, da es sehr wahrscheinlich ist, dass der KI -Modus in den nächsten Jahren zur Standard -Sucherfahrung wird. (Ich gehe davon aus, dass Google einmal herausgefunden wird, wie man es angemessen monetarisieren kann.)

Deshalb denke ich, dass der KI -Modus zum Suchstandard werden könnte:

Im Lex Fridman -Podcast sagte Sundar Pichai, der KI -Modus wird sich langsam mehr in das Hauptsucherlebnis einteilen:

Lex Fridman: “Sehen Sie eine Flugbahn in der möglichen Zukunft, in der der KI -Modus die 10 Blue Links plus KI -Übersicht vollständig ersetzt?”

Sundar Pichai: „Unser aktueller Plan ist der KI -Modus wird als separater Registerkarte für Personen da sein, die das wirklich erleben möchten, aber er ist noch nicht auf der Ebene, unsere Hauptsuchseiten. Als Funktionen funktionieren wir sie weiter auf die Hauptseite und können es als Continuum betrachten.“

Er sagte auch, dass das Zeigen auf das Web ein Hauptdesignprinzip ist:

Lex Fridman: „Und die Idee, dass Sie immer noch zum Web zum menschlichen Web führen?“

Sundar Pichai: “Ja, das wird für uns ein Grundprinzip der Kerndesign sein.”

Wenn KI -Übersichten jedoch Anzeichen dafür sind, sollten Sie nicht erwarten, dass viel Verkehr durch die Ergebnisse des AI -Modus kommt. CTR -Verluste können 50%übertreffen.

Und laut Semrush und Ahrefs zeigen ~ 15% der Abfragen KI -Übersichten.

Aber die tatsächliche Zahl ist wahrscheinlich viel höher, da wir nicht auf die ultra-langen Schwanz aus dem Gespräch im Gesprächsstil sind, den Suchende immer mehr verwenden.

Obwohl der KI -Modus derzeit nur etwas mehr als 1% der Abfragen abdeckt – wie in der neuen Normalität erwähnt – wird es wahrscheinlich die natürliche Erweiterung jeder KI -Übersicht sein.

Das Verständnis von Abfragen Fan-Out, um Ihre Inhalte besser zu optimieren

Wichtiger Hinweis hier: Ich möchte nicht so tun, als ob ich weiß, wie ich für Abfragen-Fan-Out „optimieren“ soll.

Und Query-Fan-Out ist ein Konzept, keine Praxis oder Taktik für die Optimierung.

In diesem Sinne ist es wichtig zu verstehen, wie Abfragebürger funktioniert, da Menschen längere Aufforderungen verwenden, um unterhaltsam zu suchen.

Und daher deckt bei der Konversation eine einzige Eingabeaufforderung viele Benutzerabsichten ab.

Schauen wir uns dieses Beispiel von Deep SEO an:

Deep Search führt zehn bis Hunderte von Suchanfragen durch, um einen Bericht zu erstellen. Ich habe Aufforderungen für Kaufentscheidungen ausprobiert. Als ich nach dem „besten Hybridfamilienauto mit 7 Sitzen im Preisbereich von 50.000 bis 80.000 US -Dollar“ fragte, stöberten Deep Research 41 Suchergebnisse und begründeten sich durch den Inhalt.
[…]

Der Zusammenbau dauerte 10 Minuten, aber wahrscheinlich rettete die Forschung und mindestens 41 Klicks. Klicks, die zu Google -Anzeigen gewesen sein könnten.

Auf meiner Suche nach einem hybriden Familienauto verstand die tiefe Suchfunktion mehrere Suchreisen, mehrere Absichten und synthetisierte, was mehrere Seiten klassischer SEO -Ergebnisse in ein Stück Inhalt gewesen wäre.

Und sehen Sie sich dieses Beispiel aus Googles eigenem Marketingmaterial an:

Bildnachweis: Kevin Indig

Diese tiefe Suche startete vier Suchanfragen, aber ich habe Beispiele von 30 und mehr gesehen.

Genau deshalb ist das Verständnis von Abfragen-Fan-Out wichtig.

AI-basierte Konversationssuche stimmt nicht mehr mit einer einzigen Abfrage mit einem einzigen Ergebnis überein.

Es wird in Dutzende verwandter Suchanfragen, Absichten und Inhaltstypen einbezogen, um eine Antwort zu synthetisieren, die traditionelle SEO -Wege vollständig umgeht.

Die Mechanik hinter Abfrage-Fan-Out

Hier ist mein Verständnis dafür, wie Query-Fan-Out auf der wunderbaren Forschung von Mike King sowie der Ankündigung und Dokumentation von Google basiert:

1. Bei der klassischen Suche gibt Google eine Rangliste für eine Abfrage zurück. Im AI-Modus explodiert Gemini Ihre Eingabeaufforderung in einen Schwarm von Unterausfragen-jeweils auf eine andere Facette dessen, was Sie sich wirklich interessieren. Beispiel: „Beste Turnschuhe für das Gehen“ verwandelt sich in beste Turnschuhe für Männer, Wanderschuhe für Wanderwege, Schuhe für feuchtes Wetter, Langlebigkeit in Wanderschuhen und so weiter.
2. Diese Unterfragen feuern gleichzeitig in den Live-Webindex, in den Live-Webindex, Das Wissensgrafik, ein Einkaufsdiagramm, Karten, YouTube usw. Das System führt im Grunde genommen einen verteilten Computerjob in Ihrem Namen aus.
3. Anstatt eine Webseite als eine große Antwort zu behandeln, Der KI -Modus hebt die relevantesten Passagen, Tabellen oder Bilder aus jeder Quelle an. Denken Sie nicht an “Nadelspicking” als “Stack-Ranking”. Anstatt eine Suchmaschine zu sagen: „Diese ganze Seite ist die beste Übereinstimmung“, ist es eher wie “Dieser Satz von Standort A, diese Tabelle von Site B und dieser Absatz von Site C” sind die relevantesten Teile.
4. Google führt einen laufenden “Sitzungsspeicher” durch – Ein Benutzer, der aus Ihren früheren Suchanfragen, Standort und Einstellungen destilliert wird. Dieser Vektor stapft an, die Unterfragen generiert werden und wie Antworten gerahmt werden.
5. Wenn die erste Stapel nicht jede Lücke füllt, schleifen und gibt es die Modellschleifen und gibt mehr detailliertere Untergrenze aus, Zieht neue Passagen und näht sie in den Entwurf, bis die Abdeckung vollständig aussieht. All dies in wenigen Sekunden.
6. Schließlich verbindet Gemini alles in eine Antwort und passt zu Zitaten. Deep Search („KI-Modus auf Steroiden“) kann Hunderte dieser Unterausfragen ausführen und in Minuten einen vollständig zitierten Bericht ausspucken.

Beachten Sie, dass Entitäten das Rückgrat darüber sind, wie Google die Bedeutung versteht und erweitert. Und sie sind von zentraler Bedeutung für die Funktionsweise von Query -Fan.

Nehmen Sie eine Anfrage wie “Wie man Angst auf natürliche Weise reduzieren”. Google stimmt nicht nur mit diesem Ausdruck mit den Seiten mit genauem Wortlaut überein.

Stattdessen identifiziert es Entitäten wie „Angst“, „natürliche Heilmittel“, „Schlaf“, „Bewegung“ und „Diät“.

Von dort aus tritt der Abfrage-Fan-Out ein und erzeugt möglicherweise zugehörige Unterausfragen, wobei sich auf der Grundlage früherer Suchanfragen des Benutzers verfeinert:

• “Hilft Magnesium bei Angst?”
• “Atemtechniken für Stress”
• “Beste Kräutertees für beruhigende Nerven”
• “Wie der Schlaf beeinflusst das Angstniveau”

Dies sind nicht nur Keyword -Umschreibungen. Sie sind semantisch und kontextuell verwandte Ideen, die aus bekannten Einheiten und ihren Beziehungen stammen.

Wenn Ihr Inhalt also nicht über die primäre Abfrage hinausgeht, um die Beziehungen zwischen den unterstützenden Unternehmen abzudecken, riskieren Sie, in der neuen KI-gesteuerten SERP unsichtbar zu sein.

Die Entitätsabdeckung ermöglicht es Ihren Inhalten, über diese vollständige semantische Spread zu zeigen.

Hier ist eine gute Möglichkeit, dies zu visualisieren, die Beziehung zwischen Fragen, Themen und Entitätserweiterung (von ebenfalls geschliffen.com):

Bildnachweis: Kevin Indig

Wenn dies alles an das Konzept der Benutzerabsicht erinnert, sind Ihre Instinkte gut abgestimmt.

Auch wenn Abfragebürger-Out cool klingt und innovativ aussieht, gibt es kaum einen Unterschied darüber, wie wir bereits über Entitätsinhalte anstelle von Schlüsselwörtern anstelle von Schlüsselwörtern abzielen sollten. (Und wir alle hätten das schon eine Weile tun sollen.)

Interjektion von Amanda hier: Ich würde argumentieren, dass diese Art von Prozess (oder ein ähnlicher) seit einiger Zeit hinter den Kulissen in klassischen SEO -Ergebnissen stattfindet… obwohl ich leider keinen konkreten Beweis habe. Nur eine starke Mustererkennung durch viel zu viel Zeit in den SERPs, die Dinge testen. 😆

Bereits in den Jahren 2018-2019 bemerkte ich, dass dieses Muster häufig mit ausführlichen, entitätsreichen Content-Teilen auftrat-und gut abschneidet-für mehrere verwandte Absichten bei der Suche. Je mehr Entität ein Inhaltsstück war, und je mehr der Inhalt mit dem „nächsten natürlichen Bedürfnis“ des Suchers ging, desto mehr Engagement Verweilzeit stieg und endete gleichzeitig die Suchreise…

Und je mehr der Inhalt diese Dinge tat, desto mehr war der Inhalt für unsere Zielgruppe in klassischen Rankings sichtbar… und je länger die Sichtbarkeit oder das Ranking trotz Algorithmusänderungen oder Aktualisierungen von Wettbewerbern inhaltlich waren.

Implementierbare SEO-Bewegungen im Zusammenhang mit Abfragen-Fan-Out-Mechanik

Wenn Sie den Fan-Out von Abfragen im Auge behalten, können Sie einige praktische Schritte unternehmen, um Ihre Inhalte zu formen, und die Optimierung effektiver.

Bevor Sie es jedoch um einen Scan geben, muss ich wiederholen, was zuvor erwähnt wurde: Ich werde nicht behaupten, ich habe einen klaren Weg, um den Fan-Out-Prozess des Google-Modus-Abfrages zu „optimieren“-es ist einfach zu neu.

Stattdessen hilft Ihnen diese Liste Ihnen, Ihr Inhalts -Ökosystem zu optimieren, um die vielfältigen Anforderungen des Suchziels Ihres Zielbenutzers vollständig anzusprechen.

Denn die Optimierung der Konversuche beginnt mit einer einfachen Verschiebung: Adressierungsanforderungen aus mehreren Blickwinkeln und sicherstellen, dass sie diese mehrere Winkel auf Ihrer Website finden… nicht nur eine Abfrage jeweils.

1. Passage-First Authoring.

• Schreiben Sie in 40-60 Wörternblöcken und beantworten jeweils eine Mikrofragung.
• Leiten Sie mit der Antwort und detailliert – spiegelt die Auswahl der Ausschnitte aus.

2. Semantisch reiche Überschriften.

• Vermeiden Sie generische Überschriften und Unterschritte („Übersicht“). Einbettungsunternehmen und Modifikatoren Die KI kann sich in Unterausfragen eindrehen (z. B. „Akkulaufzeit von EV-SUVs im Winter“).

3..

• Zitieren von Peer-Review-Quellen, staatlicher oder hochfärblicher Quellen; Die LLM von Google begünstigt Passagen mit Zitaten und Quellen für Erde.

4. Architektur Clustered.

• Bauen Sie Hub-Seiten auf, die Speichen zusammenfassen und tief verlinken. Fan-Out Out Out Out Out Out Out Out Oberflächen gemischte URLs mit gemischten Tiefen; Enge Cluster erhöhen die Chancen, dass eine Geschwisterseite ausgewählt wird.

5. Contextual Jump Links (“Fraggles” oder “Ankerlinks”).

• Verwenden Sie für Langforminformationen interne Sprungverbindungen in der Körperkopie, nicht nur im TOC. Diese helfen LLMs und durchsuchen Bots Null in den relevantesten Entitäten, Abschnitten und Mikro-Antworten auf der Seite. Sie verbessern auch UX. (Kredit an Cindy Krums „Fraggles“ -Konzept.)

6. Frische Pings.

• Aktualisieren Sie oft zeitsensitive Statistiken. Sogar ein kleines Zeilenbearbeiten sowie ein neues Datum fördern die Rekraxen und qualifiziert die Seite für Unter-Fragen “Live-Web”.

So optimieren Sie für die Abdeckungsabdeckung-eine Schlüsselkomponente des Abfrage-Fan-Outs

Der KI-Modus von Google und der Abfrage-Fan-Out-Prozess spiegeln wider, wie Menschen denken-eine Frage in Teile einbricht und die besten Informationen zusammenfügt, um einen Bedarf zu lösen.

Menschen suchen nicht in einem Silo – wenn sie suchen, suchen sie aus einer Perspektive, einer Geschichte und mit Emotionen und mehreren Fragen/Bedenken.

Aber als Branche, wir konzentrieren sich lange auf einzelne Abfragen, Absichten oder Themencluster, um unsere Optimierung zu leiten. Sicher, das ist nützlich, aber es ist eine schmale Linse.

Und es übersieht das größere Bild: Optimierung Ihres Inhalts-Ökosystems, um die breiteren, facettenreichen Bedürfnisse hinter dem Ziel einer Person vollständig anzusprechen.

Wir wissen, dass der KI -Modus von Google aus:

• Verwandte Abfragen.
• Verwandte Benutzerabsichten.
• Verwandte und vernetzte Einheiten.
• Neu formatieren/neu auf der Eingabeaufforderung.
• Vergleich.
• Personalisierung: Suchhistorie, E -Mails usw.

Also, hier ist mein schrittweise (unbewiesener) Konzept:

1. Eingabeaufforderungen sind Fragen.
2. Es ist jedoch nicht ausreichend, wenn Fragen abdecken. Wir müssen Inhalte für ihre zugrunde liegende Benutzerabsicht erstellen.
3. Wenn wir eine große Anzahl von Fragen zu einem Thema klassifizieren können, können wir unsere Chancen erhöhen, sichtbar zu sein, wenn der KI -Modus ausgeht.

Hier ist eine Schritt-für-Schritt-Anleitung:

1. Sammeln Sie Fragen für ein Thema von:
   • Kundeninterviews (die beste Quelle meiner Erfahrung).
   • Das Keyword Magic Tool von Semrush.
   • Die Keyword -Ideen von Ahrefs.
   • Reddit (z. B. über Gummysearch).
   • YouTube (Vidiq).
   • Mike Kings ausgezeichnetes QFORIA -Tool.
2. Gruppieren Sie Ihre Sammlung von Fragen nach Benutzungsabsichten.
3. Passen Sie jede Absicht zu einem Inhalt oder einer bestimmten Passage auf Ihrer Website an.
4. Verwenden Sie Suchwerkzeuge und testen Sie die tatsächlichen Gespräche mit LLMs, um zu sehen, wer für die Absicht oben rangiert.
5. Vergleichen Sie Ihren Inhalt/Ihre Passage mit den obersten Inhaltsstücken.
6. Stellen Sie sicher, dass Ihre Inhalte entitätsreich sind und diese süßen, süßen Informationen erhalten.

Bezahlte Abonnenten erhalten nicht nur mehr Inhalte, mehr Daten und mehr Erkenntnisse, sondern sie erhalten auch das Intent -Klassifikator -Tool, das ich erstellt habe, um Ihnen bei dieser Arbeit, die ich oben aufgelistet habe, zu sparen (wenn Sie später in dieser Woche zu Premium -Abonnenten kommen).

Wenn Sie vor der AI-Search-Ära SEO-Ära durchgeführt haben, haben Sie wahrscheinlich bereits eine Version dieser Arbeit durchgeführt.

Das Wichtigste ist, wenn Sie Fragen und Abfragen nach Absicht gruppieren – und für Absichten über Ihre Kernthemen hinweg optimieren.

Denken Sie durch eine „Suchreise“ oder „Inhaltsreise“ für Ihren Benutzer in der klassischen Suche und erkennen Sie, dass dies jetzt auf einmal in einer Chat -Sitzung passiert.

Die größte Denkweise, die Sie wahrscheinlich vornehmen müssen, besteht darin, über Anfragen als Eingabeaufforderungen im Vergleich zu Suchanfragen nachzudenken.

Und diese Aufforderungen? Sie werden von Benutzern auf verschiedene Weise oder semantische Strukturen eingegeben. Deshalb spielt ein Verständnis der Entitäten eine wichtige Rolle.

Bevor Sie jedoch springen, muss ich einen Kernfaktor hervorheben, um Inhalte mit Abfrage-Fan-Out zu erstellen: Stellen Sie sicher, dass Sie die Arbeit erledigen, um Ihre gesammelten Fragen zu nehmen, die Sie zielen und diese nach Absicht gruppieren.

Dies ist ein entscheidender erster Schritt.

Um Ihnen dies zu helfen, habe ich ein Intent -Klassifikator -Tool erstellt, das Premium -Abonnenten später in dieser Woche in ihren Posteingang erhalten. Es ist einfach zu bedienen, und Sie können Ihre gesammelte Liste der Fragen in wenigen Minuten nach Absicht in die Gruppe geben.

Ausgewähltes Bild: Paulo Bobbita/Suchmaschinenjournal