II-B9 query fan-outを理解する

このレッスンでは、Googleが公式に採用を認めているquery fan-out（クエリ分解）を扱います。AIはユーザーの質問を1回検索して終わりにするのではなく、裏側で何本もの検索を並行して走らせています。4段階のプロセスと、それを踏まえたコンテンツ設計の考え方——押さえるべきはこの2点です。

query fan-outとは何か

query fan-outとは、ユーザーの1つの質問をAIが複数の意図・サブトピックに自動分解し、並行して検索した結果を統合して1つの回答にまとめる技術のことです。Googleは「AI Mode」でこの技術を採用していると公式に説明しています（出典: Google公式ブログ, 2025年5月）。RAG（II-B5参照）が「検索してから答える」仕組みだとすれば、query fan-outは「その検索を裏側でいくつに枝分かれさせるか」という工程にあたります。

4段階のプロセス

SEO専門家のAleyda Solis氏によれば、Google AI Modeのquery fan-outは次の4段階で進みます（出典: Aleyda Solis, 2026年7月）。

1. クエリ分析・分解：質問の意図・複雑さ・必要な回答形式を判定する。単純な事実質問はあまり分解されないが、複雑な質問は複数のサブクエリに分解される
2. 並列サブクエリ検索：分解された各サブクエリを同時に検索する
3. 複数ソースからの拡張：Web・ナレッジグラフ・ショッピング情報等を横断して結果を集める
4. 意図の精緻化と統合：品質シグナルで内容を評価し、複数ソースを統合して一貫した回答に合成する

例えば「ワイヤレスイヤホン」の比較質問が、約12種類のサブクエリに分解された例が紹介されています（出典: Aleyda Solis, 2026年7月）。イメージとしては、次のような分解です。

入力クエリ: 「ワイヤレスイヤホン おすすめ」
  → サブクエリ1: 価格帯別の比較
  → サブクエリ2: 用途別（通勤・スポーツ・在宅ワーク）の適性
  → サブクエリ3: 装着感・バッテリー持続時間の比較
  → サブクエリ4: ノイズキャンセリング性能の比較
  …（計12件程度）

Deep Searchという、より発展した形

query fan-outをさらに進めた機能として、Googleは「Deep Search」を提供しています。この機能についてGoogleは「数百回の検索を発行し、バラバラの情報を横断して推論し、数分で専門家レベルの引用付きレポートを作成する」と説明しています（出典: Google公式ブログ, 2025年5月）。単純な質問への回答が数個のサブクエリへの分解だとすれば、Deep Searchは同じ仕組みを桁違いの規模で動かしていると理解すると位置づけがつかみやすくなります。

query fan-outを踏まえたコンテンツ設計

query fan-outの存在を踏まえると、メインキーワード1つだけに最適化する発想では不十分だと分かります。AIが質問を複数のサブクエリに分解して並行検索する以上、コンテンツ側にも、想定される属性・条件・比較軸のそれぞれに答えられるセクションを用意しておく必要があります。「このキーワードで何位につけているか」ではなく、「関連しそうな質問群にどれだけ幅広く答えられているか」という視点への転換が、query fan-out時代のコンテンツ設計の出発点になります。

実践ステップ

1. 1
   自社の主要キーワードを1つ選び、想定される質問の意図を書き出す
2. 2
   そのキーワードに関連しそうな属性・条件・比較軸（価格帯・用途・対象者等）を最低5〜10個洗い出す
3. 3
   洗い出した軸それぞれについて、対応する見出し・セクションが記事内にあるか確認する
4. 4
   不足している軸があれば、その軸に答えるセクションを追加する
5. 5
   追加後、見出し一覧を通しで読み、サブクエリの束をカバーできているか自己点検する

このレッスンはテキストとスライドで学べます。スライドは上のビューアからご覧ください。