大家好，我是Neo。

今天这篇的起点，是一篇让我会心一笑的 SEJ 文章。作者 Greg Jarboe 开头就说：“在有人给这件事起名叫 query fan-out 之前，我已经手工干了二十年。我当时管它叫——俄罗斯套娃。”

他的做法很朴素：优化一条新闻稿的时候，他会去找一个四词短语，让它里面天然嵌着一个三词短语。比如核心词是“airfare to Philadelphia”（飞费城的机票），他不会只用这个三词版本，而是去找四词版本“cheap airfare to Philadelphia”，然后整条稿子围绕长版本写。

理由也朴素得不能再朴素：用长版本，短查询和长查询都能命中你；只用短版本，那些打长查询的人永远找不到你——因为你的页面上压根没出现那个词。

这个“套娃”技巧，2003 年就有效。而到了 2026 年，它开始变得比当年重要得多——因为现在不只是人在搜索，AI 也在搜，而 AI 是把一个提示词拆成一堆子查询去搜的。

一、先把 Query Fan-Out 说清楚

Query Fan-Out（查询扇出）指的是：AI 搜索引擎不会拿你那一整句话去匹配页面，而是把一个问题拆成若干个相关子查询并行检索，再把结果合成一个答案给你。

Google 自己在文档里确认了这件事：

“AI Overviews 和 AI Mode 都可能使用 query fan-out 技术，针对子主题和数据源发起多个相关搜索，以生成回答。”

拆多少个？业内口径不完全一致，但大差不差：

来源	子查询数量
SEO 顾问 Aleyda Solis 及多家分析	每次搜索约 8–12 个并行子查询
部分 AI Mode 实测分析	单次最多约 16 个子搜索
MJ Cachón 的品牌提示词数据集（2026年8月）	189 个提示词 → 共 1,797 个子查询，平均每个提示词约 9.5 个，每个子查询平均 7 个词

也就是说：用户输入的一句话，在你看不见的地方变成了十来个短查询。 你的内容能不能被 AI 引用，取决于你能不能在这些你从来没研究过的子查询里胜出——而这些子查询，往往比用户原话更短、更具体。

二、Cachón 那份数据里最值钱的一条规律

Cachón 这份数据集的价值不在数量，在于顺序。

她发现品牌提示词的 fan-out 不是随机撒网，而是有固定套路：

1. 第一次子查询，是口语化的自然语言——像人聊天那样问；
2. 然后开始出现 site: 操作符——模型在圈定可信范围，直接去特定站点里找；
3. 再往后，开始拉精确的引号短语——目的是验证“某个来源是不是真的这么说过”。

而第 3 步的强度，在整个搜索链条里是递增的：从一次运行的第一次搜索到最后一次搜索，引号使用量涨了 25 倍。

这条规律有多重要？它意味着两件事：

第一，“被检索到”和“被采信”是两道不同的关。 前几个子查询决定你能不能进候选池；最后几个引号查询决定 AI 敢不敢把你写进答案。前者靠覆盖面，后者靠你页面上有没有一句可以被原样拎出来的原文。

第二，AI 的检索方向是“由宽到窄”，而老式 SEO 是“由窄到宽”。 Jarboe 当年的套娃是从小短语往外扩，保证各种长度的查询都能落在他页面上；今天的模型是从一句话往里收，收到某个字面短语为止。两个方向，落在你身上的要求是同一个：你的内容必须同时包含多个长度的同义表述，少一个，你就在漏斗的某一段消失。

三、三个把这件事拉到地上的数字

数字一：每天 15% 的查询是全新的。

Google 在 2019 年介绍 BERT 时写过：它每天见到的查询里，有 15% 是以前从未出现过的。2025 年 3 月 Search Central Live NYC 上，John Mueller 又提了一遍，语气几乎是无奈：

“我本来以为总有一天，大部分搜索都会被搜过一遍，人们就是一遍一遍问同样的问题。但每次重新算这个指标，它还是在 15% 左右。”

他原本以为大模型会把比例推高。结果没有。它就一直卡在那儿。

把 15% 乘上每天几十亿次搜索，就是每天几亿次“人类从未打过的字”。而这部分查询大多不是凭空来的——它们来自刚刚发生的事：一条突发新闻、一个新发布的品牌名、一个刚改的政策、一个记者在截稿前造出来、一小时内被上千人打进搜索框的词。

数字二：AI 时代的查询，长度翻了三倍。

Google 在 2026 年 5 月发布的 AI Mode 使用报告里说得很直接：AI Mode 的平均查询长度是传统搜索的 3 倍，而传统搜索历史上长期停在 3–4 个词。同期数据还包括：AI Mode 全球月活超过 10 亿，追问（follow-up）每月增长 40% 以上，AI 概览覆盖的查询占比，不同口径下在 13%–20% 之间（也有统计说接近一半）。

长度不是 AI 搜索的副产品，它就是现在的地形。 而 Cachón 的数据刚好接上：一个品牌提示词扇出去，平均 7 个词的子查询。

数字三：73% 的子查询，每次搜都不一样。

有一份对 fan-out 子查询稳定性的分析给出了一个很扎心的结论：只有 27% 的子查询在重复搜索中保持稳定，73% 每次都变。

这条数字看起来像坏消息，其实是好消息：它宣判了“精确狙击某个子查询”这条路是死路，同时说明“覆盖整个话题面”才是唯一稳的做法。

四、所以你到底该改什么

Jarboe 给了三个习惯，我把它翻成独立站能直接落地的版本，再加一条我自己的。

1. 找嵌套短语，而不是只找种子词。

拿到一个核心词（比如“货代软件”），先写下两到三个天然包含它的更长表述（“面向中小货代的软件”“货代公司用什么管理软件”），然后把开头段落或 H2 围绕长版本写。

去哪儿找这些长版本？Search Console 里“曝光高、点击低”的查询。 那些几乎都是已经在你门口敲门的更长变体——你只要把它们的话说完，点击就回来了。

2. 按新闻的速度发布，而不是按内容日历的速度。

那 15% 的新查询，和“刚发生的事”高度绑定。如果你的团队有当天发布的通道——新闻稿、快讯页、公司博客的快速响应位——那就是你抢在竞争对手知道这个短语存在之前占住它的最好机会。

独立站最大的优势恰好在这里：你决策链短。 大品牌走完流程要两周，等他们发布，那波新查询的红利期已经过了大半。

3. 把答案写成“能被单独拎出来”的完整句子。

Cachón 的数据说明 AI 越来越依赖精确引用做验证。如果你的答案句必须靠着上下文才讲得通，那它就没法被引用。 改到“单独拿出来仍然成立、仍然有信息量”为止。

这一条有个可以量化的参照：一份覆盖 15,847 个 AI 概览结果的分析（2025年12月）发现，134–167 个词的段落拿到了最高的引用率。不长不短，正好是一段能把一件事说完整的话。

4. Neo 再加一条：把“嵌套”用在你的产品页和标题层级上。

上面三条偏内容。但独立站真正天天被检索的是产品页。我的做法是把嵌套短语直接写进 H2 和参数小标题：

• H2 用长版本（“适合中小货代的报关管理软件”）；
• 正文第一段自然包含短版本（“货代软件”）；
• 规格表里用完整表述而不是缩写（AI 引用的时候，WMS 不如“仓储管理系统（WMS）“安全）。

五、别过度解读：这不是新魔法

得说清楚三个边界，否则这篇会变成又一篇制造焦虑的文章。

第一，Google 官方立场是“优化 AI 搜索仍然是 SEO”。 没有一套只给 AI 看的隐藏层。把 fan-out 当成一个新学科来卖课的，多半在卖焦虑。

第二，别为了 fan-out 去堆变体词。 “在页面上把所有长度变体都塞一遍”是关键词堆砌的老毛病换了个马甲，在 AI 时代一样会被判定为低质。

第三，新查询的窗口期很短。 15% 的新查询涨得快、塌得也快。它是一个机会，不是一条稳定流量渠道。你不可能靠它撑起月度报表。

Neo的解读

我特别喜欢 Jarboe 那篇文章的地方，是它写出了一个行业规律：“新概念”往往只是旧手工活的命名。

二十年里他一直在做这件事，只是当时叫“俄罗斯套娃”。等到它被命名为 query fan-out，它才变得可以被讲课、被卖、被外包、被产品化。命名本身创造了市场，但没有创造价值——价值是二十年前就成立的写作纪律。

这对我们做独立站的人其实是个提醒：每次出现一个新名词，你要先问一句“这个动作在没有这个名字之前，有没有效？” 如果有效，那说明它本来就是基本功，只是换了个包装；如果无效，那才是真新东西。

另一个我觉得更实用的观察是：fan-out 把“宽度”这件事的权重提高了，但不是把“深度”降低了。

73% 的子查询每次都变，说明你不可能预判所有角度——你只能覆盖话题面。但引号使用量涨 25 倍、134–167 词的段落引用率最高，说明最终被采信的还是某一段把一件事讲透的话。

所以这套东西合起来，结论其实非常“老派”：

面要铺得够宽（覆盖子查询），话要说得够准（能被整句引用）。而这两件事，一篇写扎实的、带具体步骤和参数的内容，同时做到了。

我自己的做法是：一个主题，先把子查询面铺开成 H2 和小标题（宽度），再保证每个 H2 底下有一段 130–170 词的“可被单独引用”的完整答案（深度）。做完这两件事，我基本不再为“这个月 AI 引用了多少我”焦虑——因为该做的动作已经做完了，剩下的交给模型的迭代。