> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # Query fan-out 是什麼？AI 把一個問題拆成 9 到 11 個，四個平台還各挑各的來源 - URL: https://growthhackers.tw/blog/query-fan-out-ai-platform-citation/ - Published: 2026-08-18T13:00:00.000Z - Updated: 2026-08-18T13:00:00.000Z - Description: query fan-out 不是新的關鍵字清單，而是 AI 判斷子主題與引用來源的底層機制。拆解 AI Overviews、AI Mode、ChatGPT、Perplexity 的引用差異，以及台灣電商該補哪些內容缺口。 - Author: Lewis wang - Tags: AEO, AI 搜尋, SEO, GEO, 電商經營 先給你一組很奇怪的數字。 Google 自己有兩個 AI 搜尋產品：AI Overviews（AI 概述）和 AI Mode（AI 模式）。同一家公司、同一個搜尋生態。Ahrefs 拿 73 萬則 AI 回應去比對，發現這兩個產品給出的答案，語意相似度高達 86%。講的話幾乎一樣。 但它們引用的網址，重疊率只有 13.7%。 同一個問題，答案講得差不多，來源卻幾乎完全不同兩批。這份數字出自 [Ahrefs 的 AI Overviews vs AI Mode 研究](https://ahrefs.com/blog/ai-overviews-vs-ai-mode?ref=growthhackers.tw)，用的是 2025 年 9 月的美國資料，[Search Engine Journal 也做了報導](https://www.searchenginejournal.com/google-ai-mode-ai-overviews-cite-different-urls-per-ahrefs-report/563364/?ref=growthhackers.tw)。如果只比每則回應的前三個引用，重疊率也只上升到 16%。 我最近把 [Ahrefs 這門 AEO 課程](https://www.youtube.com/watch?v=uza9GX0E2mw&ref=growthhackers.tw)從頭看完，這組數字是整堂課最讓我停下來的地方。 你知道為什麼嗎？因為它把一件我們一直講不清楚的事講白了：AI 搜尋不是一個地方，是好幾個各自有脾氣的地方。要理解它們脾氣為什麼差這麼多，得先看底下那層機制。 ## 你以為你在打一個關鍵字，AI 在背後問了十一個 先說結論：AI 收到你的問題之後，不會拿那句話直接去搜尋。 它會把那句話拆開。 Ahrefs 這門課用一個很好懂的演化順序來講。最早的搜尋是「一對一」：一個查詢字，一組結果。後來進化成「多對一」：「台北水電工」和「水電維修 台北」這種不同寫法，會回同一組結果。 現在 AI 搜尋翻轉成「一對多」。一個 prompt 被展開成一堆子查詢，同時在背景跑，最後合併成一個答案。這個技術叫 query fan-out（查詢扇出）。 規模有多大？[Ahrefs 官方的 query fan-out 指南](https://ahrefs.com/blog/query-fan-out/?ref=growthhackers.tw)引用 Seer Interactive 與 Nectiv 的研究，平均一個 prompt 會觸發 9 到 11 個 fan-out 子查詢，其中 59% 落在 5 到 11 個之間，24% 會跑到 12 到 19 個，最高紀錄 28 個。 [Seer Interactive 自己那份研究](https://www.seerinteractive.com/insights/identifying-signal-from-noise-6-ways-to-leverage-query-fan-outs-for-ai-search-strategy?ref=growthhackers.tw)講得更細：他們用 Gemini 3 的 API，一天抓兩次、抓了一週，13 輪下來總共 1,300 個 prompt，平均每個 prompt 展開 8.52 個子查詢，總共產生 11,029 個不重複的子查詢。 Ahrefs 那份指南還舉了一個更誇張的對照：「網路上買一個紅色手機殼」這種小事，AI Mode 通常跑 5 到 11 次搜尋，ChatGPT 的 deep research 模式跑了 420 次。 這就像從自己逛街，進化到派了一個採購助理。 我以前在百貨公司做過專櫃櫃哥，那幾年很清楚一件事：顧客自己走進來，你只要卡到好櫃位、動線上被看見，生意就成一半。但如果今天來的是幫老闆採購的助理，他手上有一張二十幾項的清單，材質、保固、交期、報價、備品、退換貨政策，一項一項問。你只答得出其中一項，剩下十九項他就去問隔壁櫃了。最後回報給老闆的那份總結裡，出現最多次的名字不會是你。 Query fan-out 就是這個採購助理。 ![搜尋模式從一對一、多對一，演進到 AI 搜尋的一對多：一個提問展開成多個子查詢，再合併成一個答案](https://growthhackers.tw/content/images/2026/08/qfo-inline-fan-out-mechanism-v1.png) 搜尋模式從一對一、多對一，演進到 AI 搜尋的一對多：一個提問展開成多個子查詢，再合併成一個答案 ## 但千萬不要把 fan-out 子查詢當成新的關鍵字清單 先把結論放前面：fan-out 子查詢不能當關鍵字清單用，它的正確用途是拿來補主題覆蓋率。 這是我認為這門課裡最重要、也最容易被做壞的一段。 看到「一個問題會展開成十個子問題」，很多人的第一反應是：太好了，那我把這些子查詢挖出來，一個一個寫成文章不就好了？ 不要這樣做。 Ahrefs 在官方指南裡把這個誤用點名出來，原文的意思是：很多人以為這些子查詢是「主題叢集 2.0」，然後跑去針對這些字詞本身做優化，這就走偏了。 原因有兩個。 一來是這些子查詢是 AI 當下即時生成的，是合成的（synthetic），不穩定。同一個 prompt 問兩次，展開出來的子查詢可能就不一樣，換一個模型更是完全不同。 這件事 Seer 的資料量得很清楚：同樣那批 prompt 跑了 13 輪，從頭到尾每一輪都出現的子查詢，只有 8 個。 八個。其他一萬多個都是來來去去。你今天挖到的清單，明天不一定還在。 二來是超過 95% 的 fan-out 子查詢沒有穩定的重複搜尋量。因為真人根本不會這樣打字。那是機器為了自己好回答，寫給自己看的問句。 所以正確的用法是什麼？ 把它當成一扇窗，看 AI 認為「這個問題底下有哪些子主題是重要的」。 你要對齊的是那些子主題的覆蓋率，不是那些字串本身。這個區別聽起來很細，但做起來完全是兩件事：前者你會去補一個章節、補一張比較表；後者你會生出 11 篇沒人搜尋的廢文。 想看實際長相的話，Ahrefs 的 Brand Radar 有一份「AI responses」報告，可以看到 ChatGPT 和 Perplexity 實際展開的 fan-out 子查詢。 ## AI 引用是機率分佈，不是排行榜 搞懂 fan-out 之後，第二件事就順了：AI 引用沒有「名次」這種東西。 傳統 SEO 的排名相對穩定。你今天排第三，明天大概還在附近晃。你可以截圖、可以跟老闆報告、可以做成趨勢圖。 AI 引用不是這樣運作的。同一個問題連問五次，可能三次引用到你、兩次引用到別人。中間還有模型的隨機性（temperature）在攪動。 這就像從段考排名，變成隨堂抽點。 段考你排第三，那個第三是穩的。隨堂抽點是老師每次抽五個人，你被抽到幾次，是機率問題。你能做的不是「爭第三名」，是「讓自己在名單裡的權重變高」。 所以衡量方式要跟著換。 以前你問「我排第幾」，現在你要問「我問十次，被提到幾次」。 那什麼會影響這個機率？課程裡列了幾個，其中「品牌提及比連結數更重要」這一條我之前已經專門寫過一篇拆解，這裡就不重複了，想看數據的直接讀 [AI 搜尋引用的來源，7 到 8 成不在你的網站上](https://growthhackers.tw/blog/ai-search-third-party-citations/)。剩下兩個比較少人講： ★ **新鮮度**：被 AI 引用的內容，平均比一般搜尋結果頁上的內容新約 25%。AI 在主動找比較近期的資訊，尤其是會變動的題目。 ★ **權威度，但它正在鬆動**：這一點的數字變化很值得看。Ahrefs 在 2025 年 7 月的研究說，76% 的 AI Overviews 引用來自 Google 前十名的頁面。到了 2026 年 3 月，同一團隊用 86.3 萬個關鍵字、400 萬個 AI Overviews 網址重跑，這個比例掉到 38%。剩下的幾乎對半分：31.2% 來自 11 到 100 名，31.0% 來自 100 名之外。 我要先幫這個數字踩一下煞車。 Search Engine Journal 在[報導這份研究](https://www.searchenginejournal.com/google-ai-overview-citations-from-top-ranking-pages-drop-sharply/568637/?ref=growthhackers.tw)時有寫清楚，兩份資料因為解析方法有改進，並不能直接拿來相比。所以「76% 掉到 38%」不是一條乾淨的趨勢線。另外時間上剛好 Google 在 2026 年 1 月把 AI Overviews 全球升級到 Gemini 3，Ahrefs 把這件事標註為時間背景，並沒有說它是原因。我這裡也不幫它們建立因果。 不過方向是清楚的：Google 排名跟 AI 引用之間的連動，比一年前鬆了。順帶一提，我在 [AEO 12 個檢查點](https://growthhackers.tw/blog/aeo-answer-engine-optimization-checklist/)那篇就對 76% 這個數字提過但書，現在算是有新數據接上了。 ## 四個平台，四種脾氣：AI Overviews、ChatGPT、Perplexity、AI Mode 一句話講完這段：四個平台挑來源的口味不一樣，所以不能用同一套 AEO 策略打天下。 Ahrefs 比對了 Google AI Overviews、ChatGPT、Perplexity 三個平台最常被引用的前 50 大網域。三個平台都出現的，只有 7 個。 重疊率 14%。 意思很簡單：你只把一個平台做起來，在另外兩個平台上可能等於隱形。 | 平台 | 偏好什麼 | 關鍵數字 | | ----------------------- | ------------------------------------------------------------ | --------------------------------------------------------------------------- | | **Google AI Overviews** | 權威、老牌網站，健康／財經／百科類，以及 Google 自家產品 | YouTube 佔所有 AI Overviews 引用約 5.6%；在沒進 Google 前 100 名的引用裡，18.2% 是 YouTube 網址 | | **ChatGPT** | 媒體與出版商：Reddit、Wikipedia、Amazon、Forbes、Business Insider、Wired | 最常被引用頁面的網域評級中位數高達 90；與 Google 前十名的重疊只有約 8 到 10% | | **Perplexity** | 跟傳統 Google 排名最一致 | 約 28.6% 的引用來自 Google 前十名頁面 | | **Google AI Mode** | 影音與社群，比 AI Overviews 更明顯 | 最常引用 YouTube 且遙遙領先；引用 Quora 的頻率是 AI Overviews 的 3.5 倍 | 先說一下口徑：前三列的「前 50 大網域重疊率 14%」是同一份三平台比對，AI Mode 那一列來自前面講的 AI Overviews vs AI Mode 研究，是另一份資料，不要把四個平台當成同一張表算出來的。 ChatGPT 那個中位數 90，可能跟 OpenAI 與部分媒體的授權合作有關。這也解釋了為什麼 ChatGPT 那麼難攻：它看的不完全是你網站的 Google 排名，它看的是「有沒有夠份量的第三方報導提到你」。 如果你問我，這張表最實用的一句話是： 你在 Google 排名的老本，比較容易延伸到 AI Overviews 和 Perplexity 這兩桌。 ChatGPT 那一桌，得靠別人提到你才進得去。 ![四個 AI 平台從同一個來源池抓取引用，但各自挑中的來源幾乎不重疊，只有極少數是共通的](https://growthhackers.tw/content/images/2026/08/qfo-inline-platform-preferences-v1.png) 四個 AI 平台從同一個來源池抓取引用，但各自挑中的來源幾乎不重疊，只有極少數是共通的 ## 被引用，不等於有連結 大部分人聽到「品牌被 AI 提到」，直覺會以為那則回應裡有一個可以點的連結。實際上平均只有約 28% 的 AI 提及附帶連結。大約七成的時候，你被講出來了，但使用者點不過去。 各平台差很多。Perplexity 最大方，約 51.6% 的提及有連結；AI Mode 約三成；ChatGPT 約兩成；AI Overviews 最小氣，只有約 10.7%。 這幾個數字我要標一下：它們來自課程影片的口述，機器轉錄在小數點的位置有點模糊，所以我一律用「約」來寫。你自己引用時也建議抓量級就好，不要抓小數點。 但這裡有個反轉，我覺得是整堂課最違反直覺的一段。 如果改用曝光次數加權來看，有連結的引用集中在流量最大的那些查詢上。Perplexity 的連結只出現在約 51% 的個別提及裡，卻覆蓋了約 78% 的總曝光。Gemini 更誇張：只在約 16.8% 的提及裡，卻覆蓋約 71% 的曝光。 翻成生意話：拿到連結很稀有，但它一旦發生，通常發生在人最多的那個路口。 所以不要因為「連結比例好低」就放棄追。稀有跟沒價值，是兩回事。 ![AI 提及帶連結的比例偏低，但以曝光次數加權後，有連結的引用集中在流量最大的查詢上](https://growthhackers.tw/content/images/2026/08/qfo-inline-mention-vs-link-v1.png) AI 提及帶連結的比例偏低，但以曝光次數加權後，有連結的引用集中在流量最大的查詢上 ## 台灣電商的實際長相：一台除濕機 台灣電商的覆蓋率缺口，幾乎都不在商品規格，而在「決策時會問的子問題」。我用一個台灣人一定懂的例子把它接地。 想像一下，台北一個租屋族在梅雨季問 AI：「小套房適合買哪一台除濕機？」 這句話進到 AI 手上，會被 fan-out 拆成什麼？大概像這樣：幾坪要配幾公升的除濕力、壓縮機式跟除濕輪式差在哪、一天開八小時電費多少、運轉幾分貝會不會吵到睡覺、需不需要連續排水、國際牌跟三菱跟 LG 這幾牌怎麼比、小坪數放哪裡效果最好。 七、八個子問題跑完，AI 才合成一段推薦給他。 現在你打開自己的電商網站看一眼。 如果你是賣除濕機的，你站上大概有：商品頁（規格表：除濕量、水箱容量、能源效率分級）、分類頁、可能還有一篇「除濕機推薦 TOP 10」。 那「幾坪換算幾公升」呢？「壓縮機跟除濕輪差在哪」呢？「開一整晚電費」呢？ 多半沒有。就算有，也是塞在商品描述最下面那三行，沒有標題、沒有結構、AI 讀不出來那是一個獨立的答案。 所以 AI 去哪裡拿？Mobile01 的開箱討論串、Dcard 的租屋版、YouTube 的實測影片、PTT 的舊文。 這就是覆蓋率缺口最具體的長相。你的商品頁在回答「這台機器是什麼」，而 fan-out 問的是「我這種情況該怎麼選」。這兩件事在傳統 SEO 時代可以分開處理，一個放商品頁一個放部落格，反正各自去排各自的關鍵字。在 fan-out 的世界裡，它們會在同一次提問裡被一起問完。 補一句：台灣的社群地圖跟課程裡講的 Reddit 完全是兩回事，這件事我在 [AEO 12 個檢查點](https://growthhackers.tw/blog/aeo-answer-engine-optimization-checklist/)的第 10 點寫過怎麼換，這裡就不重講。 ## 你這週可以做的四件事 ► **第一，挑三個你最在乎的商業問題，各問 AI 五次。** 就用真實顧客會講的白話問，不要用關鍵字。記下每次被引用的網域。問完你會得到兩個東西：你的被提及機率，還有你的競爭對手是誰（通常跟你以為的不一樣）。 ► **第二，把你最重要的那張商品頁或分類頁，攤開來做子問題檢查。** 拿除濕機那個例子的方法，列出顧客決策時真的會問的 7 到 10 個子問題，然後一項一項對：這一頁答得出來嗎？答案有沒有自己的標題？沒有的就是你的覆蓋率缺口。 ► **第三，先選一個平台當主戰場，不要三個一起打。** 判斷方式很簡單：如果你 Google 排名本來就不錯，先吃 AI Overviews 和 Perplexity，那是你的老本。如果你在 Google 一直打不上去，那就別硬碰，把資源放到「讓別人提到你」，走 ChatGPT 那條路。 ► **第四，把衡量指標從排名改成提及率。** 你的報表上如果只有關鍵字排名，那張報表已經看不到一半的戰場了。至少加一欄：這個月問十次，我出現幾次。 如果你想做得再細一點，Ahrefs 課程裡有一套「品牌缺口分析」的思路，從能見度、敘事、主題、格式、外部提及、需求六個方向去找缺口。這套框架值得單獨拆一篇來講，這裡先提個方向給你。 做完這四件事，如果你想接著把技術面和內容格式一次盤乾淨，直接照 [AEO 答案引擎優化的 12 個檢查點](https://growthhackers.tw/blog/aeo-answer-engine-optimization-checklist/)走一遍，那篇是可以照著打勾的清單，跟這篇的機制剛好互補。 ## 最後 這幾個月我自己在追 growthhackers.tw 的流量來源，會固定去 GA4 看有沒有 chatgpt.com、perplexity.ai 這些來源進來。老實說量還很小，小到不太好意思拿出來講。 但我看的不是那個數字，是它的組成一直在變。這個月進來的來源，跟上個月不一樣。 以前做 SEO，你優化完等兩個月，排名會慢慢往上爬，那個過程看得見、摸得到。現在你面對的是一個會自己把問題拆成十一份、每次拆得還不太一樣、四個平台各有各口味的東西。 這年頭就是覆蓋率、覆蓋率、覆蓋率。 不用焦慮，也先不用推翻你現在在做的事。AEO 是接在 SEO 上面的，這點我在 [2026 Google AI 搜尋優化指南](https://growthhackers.tw/blog/google-ai-search-seo-guide-2026/)那篇已經拆過 Google 官方怎麼講。 只是「一頁打一個關鍵字」這個做法，紅利期真的過去了。 ## 常見問題 ### Query fan-out 是什麼？ Query fan-out（查詢扇出）指 AI 搜尋收到提問後，不直接拿它去搜尋，而是在背景展開成多個子查詢同時執行，再合併成一個答案。根據 Seer Interactive 的研究，平均一個 prompt 觸發 9 到 11 個子查詢，最高可到 28 個。 ### 我可以把 fan-out 子查詢當成新的關鍵字清單來優化嗎？ 不建議。這些子查詢是 AI 即時生成的合成查詢，同一個提問每次展開的結果都可能不同，而且超過 95% 沒有穩定的重複搜尋量。正確用法是把它當成「AI 認為這個主題底下哪些子問題重要」的觀察窗口，用來補內容覆蓋率，而不是針對那些字串本身寫文章。 ### 為什麼同一個問題問 AI 兩次，引用的來源不一樣？ 因為 AI 引用是機率分佈，不是固定排名。模型本身有隨機性，每次展開的子查詢也不同，所以同一個問題連問五次，可能三次引用你、兩次引用別人。衡量方式該從「我排第幾名」改成「問十次我被提到幾次」。 ### 四個 AI 平台我該優先做哪一個？ 看你在 Google 的既有排名。Perplexity 約 28.6% 的引用來自 Google 前十名頁面，AI Overviews 也仍有 38% 來自前十名，Google 排名好的品牌先吃這兩個最省力。ChatGPT 與 Google 前十名的重疊只有約 8 到 10%，更看重權威媒體的報導，要走外部提及的路線。 ### 品牌被 AI 提到但沒有連結，有價值嗎？ 有。無連結的提及仍會讓使用者記住品牌名，之後可能主動搜尋你。而且用曝光加權來看，有連結的引用往往集中在流量最大的查詢上，例如 Perplexity 的連結覆蓋了約 78% 的總曝光次數。 --- **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。