Wpisz w AI Mode „jaki laptop do montażu wideo do 6000 zł”. Zanim zobaczysz odpowiedź, system wykona w tle kilkanaście zapytań: „wymagania DaVinci Resolve”, „laptop RTX 4060 vs 4070 do montażu”, „laptopy 16 cali 2026 ranking”, „ile RAM do Premiere” i tak dalej. Z wyników każdego z nich wybierze fragmenty i złoży odpowiedź. Google nazywa to query fan-out i opisuje w oficjalnym przewodniku jako podstawowy mechanizm AI Overviews i AI Mode.
Co to zmienia
Klasyczne SEO optymalizuje stronę pod jedno zapytanie główne. Fan-out sprawia, że o cytowaniu decyduje pozycja na zapytania składowe – często długie, konkretne, o małym wolumenie. Stąd wynik badań zewnętrznych: tylko około 32% cytowań pochodzi z top 10 głównego zapytania. Strona, która ma najlepszą w sieci odpowiedź na „ile RAM do Premiere”, zostanie zacytowana w odpowiedzi o laptopach, choć nigdy nie rankowała na „laptop do montażu”.
Jak przewidzieć zapytania sk2adowe
- Zapytaj modelu. Poproś AI Mode, ChatGPT lub Gemini, żeby wypisały, jakie pytania pomocnicze zadałyby, odpowiadając na Twoje główne pytanie. Powtórz trzy razy, zbierz części wspólne.
- Sprawdź „inni szukali również” i PAA w zwykłych wynikach – to te same dane, z których korzysta fan-out.
- Przejrzyj Search Console – zapytania z wyświetleniami, ale bez kliknięć, często są pytaniami składowymi, na które Twoja strona odpowiada tylko częściowo.
- Przeanalizuj cytowania konkurencji – które fragmenty ich stron AI wybiera i na jakie pytania.
Jak odpowiedzieć bez łamania polityk
Tu jest pułapka. Najprostsza reakcja – osobna podstrona pod każde zapytanie składowe – to dokładnie to, co Google w 2026 roku dopisał do definicji scaled content abuse: tworzenie stron pod warianty zapytania lub fan-out głównie dla rankingu. Zamiast tego:
- jedna solidna strona na temat, z sekcjami odpowiadającymi na pytania składowe (nagłówek = pytanie, pierwsze zdanie = odpowiedź);
- osobne strony tylko tam, gdzie pytanie składowe ma własną, odrębną intencję i zasługuje na pełne opracowanie;
- tabele i listy z konkretami – to z nich model najchętniej wycina odpowiedzi;
- własne dane: pomiar, test, cennik, porównanie – rzeczy, których model nie znajdzie u nikogo innego.
Jak to mierzyć
Raport generatywnej AI w Search Console pokazuje wyświetlenia i kliknięcia z AI Overviews i AI Mode – zbiorczo, bez zapytań składowych. Dlatego dokładam ręczny monitoring: lista 30–50 pytań klientów, sprawdzana co miesiąc w trzech systemach, z zapisem, czy marka jest wymieniona i czy strona jest cytowana. Trend z trzech miesięcy mówi więcej niż dowolny „wskaźnik widoczności w AI” z narzędzia.
Jak wygląda cały proces – od listy pytań po przebudowę treści – opisuję na stronie usługi pozycjonowanie w AI. Kontekst, czyli co Google mówi o GEO i AEO, znajdziesz w poprzednim wpisie.