क्वेरी फ़ैन-आउट (query fan-out) वह स्टेप है जिसमें AI सर्च इंजन आपके एक सवाल को कई छोटी, ज़्यादा सटीक सर्च में बदल देता है, उन्हें चलाता है (अक्सर एक साथ), और उन सबसे जो नतीजे मिलते हैं उनसे एक जवाब लिख देता है। Google ने AI Mode और AI Overviews के लिए इसे खुद डॉक्यूमेंट किया है, और ChatGPT, Perplexity और Gemini इसके अपने-अपने वर्ज़न चलाते हैं। यही वजह है कि कोई पेज ऐसे प्रॉम्प्ट पर भी साइट हो जाता है जिस पर वह कभी रैंक ही नहीं हुआ, और मुख्य कीवर्ड पर पहले नंबर पर बैठा पेज जवाब से बाहर रह जाता है।
इस गाइड में हम यह पूरा तरीका उसी आधार पर समझाएंगे जो Google, OpenAI और Perplexity ने सच में प्रकाशित किया है। साथ ही बताएंगे कि 18 अक्टूबर 2026 को Gemini API से असली फ़ैन-आउट क्वेरी कैप्चर करने पर हमें क्या दिखा, और आपको एक ऐसा तरीका देंगे जिसे दोहराकर आप किसी भी टॉपिक की सब-क्वेरी मैप कर सकें और उन्हें एक अच्छे से बने पेज में बदल सकें। नीचे हर आंकड़े के साथ लिखा है कि उसे किसने और कैसे मापा।
मुख्य बातें
- फ़ैन-आउट असली है और आधिकारिक तौर पर डॉक्यूमेंटेड है: Google कहता है कि AI Mode सवाल को सबटॉपिक में तोड़ता है और "एक साथ ढेर सारी क्वेरी" चलाता है; OpenAI कहता है कि ChatGPT search आपके प्रॉम्प्ट को "एक या ज़्यादा टारगेटेड क्वेरी में" दोबारा लिखता है।
- प्रकाशित फ़ैन-आउट गिनती प्रति प्रॉम्प्ट करीब 1.4 से 10.7 तक है। इतना फ़र्क तरीके से आता है: कौन-सा इंजन, कौन-सा मॉडल, और सर्च को ज़बरदस्ती चालू किया गया था या नहीं।
- सटीक क्वेरी स्ट्रिंग टिकती नहीं हैं। Seer के Gemini 3 टेस्ट में 11,029 फ़ैन-आउट में से सिर्फ़ 8 सभी 13 रन में दिखे। इसलिए स्ट्रिंग नहीं, थीम के हिसाब से प्लान करें।
- हमारे अपने कैप्चर में नए Gemini मॉडल ने "सबसे अच्छे टूल" ढूंढने वाली सर्च छोड़ दी और सिर्फ़ उस शॉर्टलिस्ट की कीमतें जांचीं जो उन्हें पहले से पता थी। अगर आप उस शॉर्टलिस्ट में नहीं हैं, तो कोई फ़ैन-आउट क्वेरी आपको ढूंढने नहीं निकलेगी।
- खरीदार के हर असली सवाल के लिए एक पूरा पेज लिखें, जिसमें हर सब-सवाल का साफ़ जवाब देने वाला एक सेक्शन हो। हर फ़ैन-आउट वेरिएंट के लिए अलग पेज बनाना वही है जिसे Google "scaled content abuse" कहता है।
AI सर्च में क्वेरी फ़ैन-आउट क्या होता है?
क्वेरी फ़ैन-आउट एक रिट्रीवल तकनीक है: लैंग्वेज मॉडल एक प्रॉम्प्ट को कई जुड़ी हुई सर्च क्वेरी में फैला देता है, हर एक के नतीजे लाता है, और इन सबको मिलाकर एक जवाब तैयार करता है। Google अपनी Guide to Optimizing for Generative AI Features की शब्दावली में इसे ऐसे परिभाषित करता है: "मॉडल द्वारा ज़्यादा जानकारी मांगने के लिए बनाई गई एक साथ चलने वाली, आपस में जुड़ी क्वेरी का सेट"।
Google का उदाहरण इसलिए काम का है क्योंकि वह बिल्कुल आम है। सवाल है "how to fix a lawn that's full of weeds" (खरपतवार से भरे लॉन को कैसे ठीक करें)। इसकी फ़ैन-आउट क्वेरी में "best herbicides for lawns", "remove weeds without chemicals" और "how to prevent weeds in lawn" जैसी सर्च हो सकती हैं। इनमें से कोई भी वह नहीं है जो यूज़र ने टाइप किया था। हर क्वेरी पेजों का अलग सेट लाती है, और आख़िरी जवाब तीनों सेट के हिस्सों को साइट कर सकता है।
इससे दो बातें निकलती हैं। पहली, रिट्रीवल की इकाई सब-क्वेरी है, इसलिए आपका पेज सिर्फ़ दिखने वाले प्रॉम्प्ट के लिए नहीं, बल्कि पीछे चल रही छिपी सर्च के लिए भी मुकाबला करता है। दूसरी, फ़ैन-आउट सामान्य सर्च के ऊपर बैठता है। Google साफ़ कहता है कि AI Overviews और AI Mode उसके मुख्य रैंकिंग सिस्टम पर टिके हैं, और सपोर्टिंग लिंक के तौर पर दिखने के लिए पेज का "इंडेक्स होना और Google Search में स्निपेट के साथ दिखाए जाने लायक होना ज़रूरी है" (AI features and your website)। फ़ैन-आउट जाल को चौड़ा करता है, इंडेक्स की जगह नहीं लेता। अगर आप इस पूरे क्षेत्र में नए हैं, तो जनरेटिव इंजन ऑप्टिमाइज़ेशन पर हमारी गाइड से पूरा संदर्भ समझ लें।
Google AI Mode क्वेरी फ़ैन-आउट का इस्तेमाल कैसे करता है?
AI Mode एक Gemini मॉडल से तय करवाता है कि किसी सवाल के लिए कौन-से सबटॉपिक चाहिए, उन सबटॉपिक के लिए एक साथ कई Google सर्च चलाता है, और लिंक के साथ एक जवाब जोड़ देता है। यही आधिकारिक विवरण है, और लॉन्च से अब तक इसमें कोई बदलाव नहीं आया:
- मार्च 2025, लॉन्च। Google ने कहा कि AI Mode "'query fan-out' तकनीक का इस्तेमाल करता है, यानी सबटॉपिक पर एक साथ कई जुड़ी हुई सर्च चलाता है", और यह Gemini 2.0 के एक कस्टम वर्ज़न पर चलता है (Google, 5 मार्च 2025)।
- मई 2025, Google I/O. Head of Search एलिज़ाबेथ रीड ने बताया कि AI Mode "आपके सवाल को सबटॉपिक में तोड़ता है" और "एक साथ ढेर सारी क्वेरी" चलाता है, जिससे Search "पारंपरिक सर्च के मुकाबले वेब में ज़्यादा गहराई तक" जा पाता है। इसी पोस्ट में Deep Search भी पेश किया गया, जो साइटेशन वाली रिपोर्ट बनाने के लिए "सैकड़ों सर्च चला सकता है" (Google, 20 मई 2025)।
- जुलाई 2025, और जानकारी। Search के VP of Product रॉबी स्टाइन ने समझाया कि नैशविल ट्रिप के लिए सिस्टम "बहुत सारे सवाल सोच सकता है, जैसे बढ़िया रेस्टोरेंट, बढ़िया बार, बच्चों के साथ क्या करें" और फिर "बस Google करना शुरू कर देता है"। उन्होंने यह भी जोड़ा कि AI Mode, Google Finance और Shopping Graph जैसे Google के रियल-टाइम सिस्टम से भी जानकारी लेता है (Search Engine Journal)।
- नवंबर 2025, Gemini 3. Google ने कहा कि क्वेरी फ़ैन-आउट को "बड़ा अपग्रेड मिल रहा है": Search अब ज़्यादा सर्च चला सकता है और "ऐसा नया कंटेंट ढूंढ सकता है जो शायद पहले छूट गया हो" (Google, 18 नवंबर 2025)।
Google के पेटेंट भी इसी तरफ़ इशारा करते हैं, पर एक शर्त के साथ। "Search with stateful chat" नाम की एप्लिकेशन (US20240289407A1) में "LLM आउटपुट से एक या ज़्यादा सिंथेटिक क्वेरी बनाने" और नतीजों के डॉक्यूमेंट चुनने की बात है, और मंज़ूर हो चुका "Thematic search" पेटेंट (US12158907B1) सब-थीम बनाने और पहली क्वेरी को दूसरी क्वेरी से निखारने की बात करता है। पेटेंट यह दिखाता है कि Google ने क्या ईजाद किया है, यह नहीं कि प्रोडक्शन में क्या चल रहा है। इसलिए इन्हें सटीक स्पेसिफ़िकेशन नहीं, बल्कि संभावित विवरण मानें।
क्या Google AI Overviews भी क्वेरी फ़ैन-आउट करते हैं?
हां, कभी-कभी। Google के डॉक्यूमेंटेशन के मुताबिक AI Overviews और AI Mode दोनों "'query fan-out' तकनीक का इस्तेमाल कर सकते हैं, यानी सबटॉपिक और डेटा सोर्स पर कई जुड़ी हुई सर्च चला सकते हैं"। यहां "कर सकते हैं" शब्द अहम है: AI Overviews छोटी क्वेरी पर तेज़ी से जवाब देने के लिए बने हैं, और नवंबर 2025 की पोस्ट कहती है कि दोनों फ़ीचर में मुश्किल सवाल बड़े मॉडल के पास भेजे जाते हैं जबकि आसान सवाल तेज़ मॉडल संभालते हैं। व्यवहार में, एक झटपट AI Overview में हल्का फ़ैन-आउट और AI Mode व Deep Search में भारी फ़ैन-आउट की उम्मीद रखें। Google दोनों में से किसी की गिनती प्रकाशित नहीं करता।
ChatGPT और Perplexity एक प्रॉम्प्ट को कैसे फ़ैन-आउट करते हैं?
ChatGPT आपके प्रॉम्प्ट को एक या ज़्यादा सर्च क्वेरी में दोबारा लिखता है, उन्हें अपने सर्च प्रोवाइडर्स को भेजता है, और पहले नतीजे पढ़ने के बाद और सटीक क्वेरी भी चला सकता है। ChatGPT search पर OpenAI का हेल्प आर्टिकल कहता है कि यह "आम तौर पर आपकी क्वेरी को एक या ज़्यादा टारगेटेड क्वेरी में दोबारा लिखता है"। उसमें बायोटेक का एक उदाहरण है जहां पहली क्वेरी के बाद "और ज़्यादा स्पेसिफ़िक क्वेरी" चलती हैं। यह भी लिखा है कि Memory चालू होने पर दोबारा लिखी गई क्वेरी में आपकी सेव की गई जानकारी जुड़ सकती है (सैन फ़्रांसिस्को का कोई वीगन यूज़र रेस्टोरेंट पूछे, तो क्वेरी "good vegan restaurants San Francisco" बन जाती है)। पर्सनलाइज़ेशन का मतलब है कि एक ही प्रॉम्प्ट पर दो यूज़र के लिए अलग-अलग फ़ैन-आउट चल सकते हैं।
Perplexity का Pro Search सवाल को कदम-दर-कदम सुलझाता है और "पिछले नतीजों पर आधारित फ़ॉलो-अप सर्च" शुरू कर सकता है। यह क्रमवार फ़ैन-आउट है: सर्च करो, पढ़ो, फिर सर्च करो।
जो बातें कंपनियां खुद नहीं बतातीं, उनकी कमी थर्ड-पार्टी माप पूरी करते हैं:
- प्रति प्रॉम्प्ट कितनी क्वेरी। Peec AI ने अप्रैल 2026 के 5 मिलियन फ़ैन-आउट का विश्लेषण किया और ChatGPT पर प्रति प्रॉम्प्ट 2.1, Perplexity पर 1.4 और Grok पर 6.8 क्वेरी गिनीं (Peec AI, मई 2026)। Profound ने 14 दिन तक 10,000 प्रॉम्प्ट चलाए और ChatGPT, Perplexity और Copilot पर हर रन में करीब 1.4 से 2 सर्च देखीं।
- लंबी और ज़्यादा स्पेसिफ़िक क्वेरी। पांच देशों के 20 मिलियन ChatGPT फ़ैन-आउट में औसत लंबाई अक्टूबर 2025 के करीब 6 शब्दों से बढ़कर जनवरी 2026 में करीब 12 शब्द हो गई, यानी लगभग दोगुनी, जबकि प्रति प्रॉम्प्ट क्वेरी की संख्या 2.3 और 2.8 के बीच ही रही (Peec AI, फ़रवरी 2026)। ChatGPT ज़्यादा बार सर्च नहीं कर रहा, बल्कि ज़्यादा सटीक सर्च कर रहा है।
- दोहराव बहुत कम। Profound की स्टडी में बार-बार चलाए गए रन में ChatGPT की 91% क्वेरी स्ट्रिंग यूनिक थीं, जबकि Perplexity पर यह 14% था, क्योंकि वह यूज़र के शब्दों के करीब रहता है।
- हर प्रॉम्प्ट पर सर्च नहीं होती। DataForSEO ने पाया कि 100,000 ChatGPT प्रॉम्प्ट में से 47.5% पर फ़ैन-आउट सर्च चलीं (DataForSEO, मई 2026)। बाक़ी के जवाब मॉडल ने अपनी जानकारी से ही दे दिए।
गैर-अंग्रेज़ी प्रॉम्प्ट पर भी ChatGPT अंग्रेज़ी में सर्च क्यों करता है?
OpenAI के बाहर कोई पक्के तौर पर नहीं जानता, लेकिन यह पैटर्न अच्छी तरह मापा जा चुका है। Peec ने पाया कि गैर-अंग्रेज़ी मामलों में से करीब 78% में ChatGPT ने अंग्रेज़ी सर्च जोड़ीं, और गैर-अंग्रेज़ी प्रॉम्प्ट के सभी फ़ैन-आउट स्टेप में से 43% अंग्रेज़ी में चले; तुर्की के लिए यह 94% और स्पैनिश के लिए 66% था (Peec AI)। उनके उदाहरणों में जर्मन सॉफ़्टवेयर वाले प्रॉम्प्ट भी हैं जिनके जवाब में एक भी जर्मन कंपनी नहीं आई। OpenAI यह डॉक्यूमेंट नहीं करता कि भाषा कैसे चुनी जाती है। अंग्रेज़ी न बोलने वाले बाज़ारों के ब्रांड के लिए इसका सीधा मतलब है: आपकी स्थानीय भाषा के पेज रिट्रीवल पूल का सिर्फ़ एक हिस्सा हैं, इसलिए आपकी कैटेगरी में रैंक करने वाले अंग्रेज़ी सोर्स में भी आपका सही ब्योरा होना ज़रूरी है।
| इंजन | कंपनी आधिकारिक तौर पर क्या कहती है | थर्ड पार्टी ने क्या मापा | आपके लिए इसका मतलब |
|---|---|---|---|
| Google AI Mode | सवाल को सबटॉपिक में तोड़ता है; "एक साथ ढेर सारी क्वेरी"; Gemini 3 से अपग्रेड हुआ | Gemini 3 API: ग्राउंडिंग ज़बरदस्ती चालू करने पर प्रति प्रॉम्प्ट 10.7 फ़ैन-आउट (Seer, 501 प्रॉम्प्ट) | सबसे भारी फ़ैन-आउट। सिर्फ़ मुख्य कीवर्ड नहीं, पूरे फ़ैसले को कवर करें |
| Google AI Overviews | फ़ैन-आउट "कर सकते हैं"; आसान क्वेरी तेज़ मॉडल के पास जाती हैं | कोई सार्वजनिक गिनती नहीं। ज़्यादातर साइट हुए पेज अब भी टॉप 10 में रैंक करते हैं (Ahrefs, जुलाई 2025) | यहां पारंपरिक रैंकिंग ही सबसे ज़्यादा मायने रखती है |
| Google Deep Search | "सैकड़ों सर्च चला सकता है" | कोई सार्वजनिक गिनती नहीं | गहराई वाला कंटेंट और प्राइमरी डेटा लंबी रिपोर्ट में खींचे जाते हैं |
| ChatGPT search | "एक या ज़्यादा टारगेटेड क्वेरी" में दोबारा लिखता है; फ़ॉलो-अप; मेमोरी का ध्यान रखता है | प्रति प्रॉम्प्ट 2.1; लंबाई ~6 से ~12 शब्द; 91% स्ट्रिंग यूनिक; ~47.5% प्रॉम्प्ट पर सर्च | कम, सटीक और बदलती क्वेरी। हर खास ज़रूरत के लिए सबसे अच्छा पेज बनें |
| Perplexity | Pro Search कई स्टेप में फ़ॉलो-अप सर्च चलाता है | Sonar पर प्रति प्रॉम्प्ट 1.4; क्वेरी यूज़र के शब्दों के करीब रहती हैं | यहां यूज़र के अपने शब्दों से मेल खाना अब भी मदद करता है |
एक प्रॉम्प्ट से कितनी फ़ैन-आउट क्वेरी बनती हैं?
शून्य से लेकर सैकड़ों तक। प्रकाशित औसत आपस में मेल नहीं खाते, क्योंकि हर स्टडी अलग चीज़ माप रही है। इन्हें ऐसे पढ़ें:
- Seer Interactive, Gemini 3 API: 501 प्रॉम्प्ट पर प्रति प्रॉम्प्ट 10.7 (रेंज 3 से 28), जो Gemini 2.5 के 6.01 से 78% ज़्यादा है (Seer, नवंबर 2025)। Seer ने हर प्रॉम्प्ट पर ग्राउंडिंग ज़बरदस्ती चालू रखी थी, इसलिए हर प्रॉम्प्ट पर सर्च हुई।
- Seer Interactive, बार-बार के रन: 100 प्रॉम्प्ट को 13 बार चलाने पर प्रति प्रॉम्प्ट 8.52 (Seer, जनवरी 2026)।
- Peec AI और Profound, आम यूज़र वाले इंजन: ChatGPT, Perplexity और Copilot पर प्रति प्रॉम्प्ट 1.4 से 2.1, ट्रैक किए गए प्रॉम्प्ट से मापा गया।
- डीप रिसर्च मोड: Google कहता है कि Deep Search सैकड़ों सर्च चला सकता है; Ahrefs ने ChatGPT Deep Research के एक टास्क में 420 सर्च चलने की बात बताई (Ahrefs, मार्च 2026), लेकिन यह एक अकेला उदाहरण है, औसत नहीं।
तो सीधा जवाब यह है: एक सामान्य चैट जवाब में गिनी-चुनी सर्च चलती हैं, AI Mode में उससे ज़्यादा, और रिसर्च मोड में कहीं ज़्यादा। गिनती से ज़्यादा अहम है इन क्वेरी का स्वरूप। उसी Seer स्टडी में Gemini 3 के 95% फ़ैन-आउट का मासिक सर्च वॉल्यूम शून्य था, और बार-बार के रन वाली स्टडी में 11,029 यूनिक फ़ैन-आउट में से सिर्फ़ 8 सभी 13 रन में दिखे। फ़ैन-आउट क्वेरी लंबी, स्पेसिफ़िक और ज़्यादातर उसी पल गढ़ी गई होती हैं, इसलिए कोई कीवर्ड टूल आपको इनमें से ज़्यादातर कभी नहीं दिखाएगा।
असली फ़ैन-आउट क्वेरी कैप्चर करने पर हमें क्या दिखा
दूसरों के सारांश दोहराने के बजाय यह तरीका खुद देखने के लिए हमने 18 अक्टूबर 2026 को अपना एक छोटा कैप्चर किया। हमने Google Search ग्राउंडिंग टूल चालू करके Gemini API को प्रॉम्प्ट भेजे (ज़बरदस्ती नहीं; सर्च करनी है या नहीं, यह मॉडल खुद तय करता है) और API रिस्पॉन्स में लौटी हर सर्च क्वेरी को लॉग किया जो मॉडल ने चलाई। हमने तीन मॉडल इस्तेमाल किए: gemini-2.5-flash, gemini-3.1-pro-preview और gemini-3.8-flash।
कमर्शियल प्रॉम्प्ट यह था (अंग्रेज़ी में भेजा गया): "Which project management tool is best for a 15-person remote marketing agency, and how much will it cost us per year?" यानी 15 लोगों की रिमोट मार्केटिंग एजेंसी के लिए कौन-सा प्रोजेक्ट मैनेजमेंट टूल सबसे अच्छा है और साल का खर्च कितना आएगा। हमने इसे 13 बार चलाया (हर मॉडल पर क्रमशः 5, 3 और 5 रन)। Google का अपना लॉन-खरपतवार वाला उदाहरण भी हमने 6 बार चलाया।
| मॉडल | रन | हर रन में सर्च | "कौन-सा टूल सबसे अच्छा" वाली खोज क्वेरी वाले रन | किन ब्रांड के लिए सर्च हुई |
|---|---|---|---|---|
| gemini-2.5-flash | 5 | 2, 8, 6, 12, 7 | 5 में से 5 | Asana, ClickUp, Monday.com (हर एक 5 में से 4 रन), Wrike और Trello (5 में से 3), Teamwork.com (5 में से 2), Notion, Jira, Smartsheet (5 में से 1) |
| gemini-3.1-pro-preview | 3 | 3, 3, 4 | 3 में से 1 | ClickUp, Asana, Monday.com (3 में से 3) |
| gemini-3.8-flash | 5 | 4, 4, 4, 3, 4 | 5 में से 0 | Asana, ClickUp, Monday.com (5 में से 5), Teamwork.com (5 में से 4) |
तीन बातें साफ़ उभरकर आईं:
- नए मॉडल ने खोज वाला स्टेप छोड़ दिया। Gemini 2.5 Flash ने "best project management tools for remote marketing agency" सर्च किया और फिर आठ तक वेंडर की कीमतें देखीं। दोनों Gemini 3.x मॉडल ज़्यादातर सीधे "clickup pricing plans annual" जैसी क्वेरी पर गए, वह भी उन तीन-चार वेंडर के लिए जो उनके दिमाग में पहले से थे। Gemini 3.x के 8 में से 7 रन में किसी भी सर्च ने यह नहीं पूछा कि सबसे अच्छा टूल कौन-सा है। शॉर्टलिस्ट मॉडल की अपनी थी, और सर्च सिर्फ़ कीमतें पक्की करने के लिए हुई।
- कीमत ही अकेली चीज़ थी जो हर बार आई। सभी 13 रन में कीमत की सर्च हुई, 13 में से 9 में "annual" जुड़ा, और 13 में से 4 में साल (2025 या 2026) जुड़ा। 13 में से किसी भी रन में रिव्यू, इंटीग्रेशन, क्लाइंट या गेस्ट एक्सेस, या टाइम ट्रैकिंग के लिए सर्च नहीं हुई, जबकि एजेंसी के लिए ये चीज़ें मायने रखती हैं। इन ज़रूरतों का जवाब, अगर दिया भी गया, तो मॉडल ने अपनी जानकारी से दिया।
- कुछ प्रॉम्प्ट पर सर्च होती ही नहीं। लॉन-खरपतवार वाले सवाल पर Gemini 3.8 Flash ने 3 में से 3 रन में अपनी जानकारी से जवाब दिया। Gemini 2.5 Flash ने 3 में से 2 रन में सर्च की, 5 और 6 क्वेरी के साथ, जैसे "natural weed control methods for lawns" और "chemical weed killers for lawns", जो Google के डॉक्यूमेंटेड उदाहरण से काफ़ी मिलती-जुलती हैं।
सीमाएं: यह एक ही दिन की 19 API कॉल हैं। ग्राउंडिंग वाला Gemini API, Google AI Mode जैसा सिस्टम नहीं है, क्योंकि AI Mode अपनी रैंकिंग, Shopping Graph और पर्सनलाइज़ेशन की परतें जोड़ता है। इसे Gemini मॉडल के सर्च प्लान करने के तरीके की एक झलक मानें, AI Mode का माप नहीं। फिर भी वेंडर के लिए सबक व्यावहारिक है: अगर मॉडल के पास पहले से एक शॉर्टलिस्ट है, तो आपको उसमें होना होगा (और यह पूरे वेब पर आपके बारे में लिखी बातों से आता है, किसी एक पेज से नहीं), और जो क्वेरी सच में चलती है, जैसे "[your brand] pricing per user annual", उसे एक क्रॉल होने लायक, अप-टू-डेट प्राइसिंग पेज पर पहुंचना चाहिए।
मुख्य कीवर्ड पर पहली रैंक AI साइटेशन के लिए काफ़ी क्यों नहीं है?
क्योंकि AI Mode सिर्फ़ प्रॉम्प्ट के लिए नहीं, बल्कि सब-क्वेरी के लिए भी पेज लाता है, और सब-क्वेरी जीतने वाले पेज अक्सर वे नहीं होते जो मुख्य कीवर्ड पर रैंक करते हैं। seoClarity ने सितंबर 2025 में अमेरिका की 1,000 ट्रांज़ैक्शनल क्वेरी जांचीं और पाया कि 12,011 AI Mode साइटेशन में से सिर्फ़ 19% ऑर्गैनिक टॉप 20 से आए, और सिर्फ़ 28% क्वेरी में कम से कम एक टॉप-10 URL साइट हुआ (seoClarity, अक्टूबर 2025)। iPullRank के माइक किंग ने भी यही देखा: साइट हुए पेज अक्सर मूल क्वेरी के लिए टॉप 100 में भी नहीं थे, क्योंकि वे सिंथेटिक सब-क्वेरी के ज़रिए लाए गए थे (iPullRank)।
AI Overviews की कहानी अलग है, और यहां सटीक रहना ज़रूरी है। Ahrefs ने जुलाई 2025 के 1 मिलियन Overviews के सैंपल में पाया कि 76.1% AI Overview साइटेशन टॉप 10 से आए (Ahrefs), और जब लेखकों ने जांचा कि क्या बाक़ी साइटेशन फ़ैन-आउट की वजह से हैं, तो डेटा ने इसका समर्थन नहीं किया। तो निचोड़ यह है: AI Overviews के लिए अच्छी रैंकिंग अब भी सबसे बड़ा लीवर है; AI Mode और चैट इंजन में मुख्य कीवर्ड की रैंकिंग आपको कई रिट्रीवल पूल में से सिर्फ़ एक में पहुंचाती है, और बाक़ी पूल इस पर तय होते हैं कि आप हर सब-सवाल का जवाब कितनी अच्छी तरह देते हैं।
एक प्रॉम्प्ट का फ़ैन-आउट मैप कैसा दिखता है?
फ़ैन-आउट मैप उन सब-सवालों की सूची है जो एक प्रॉम्प्ट में छिपे होते हैं, साथ में हर सवाल का प्रकार और यह कि आपका पेज उसका जवाब कहां देता है। ऊपर वाले प्रोजेक्ट मैनेजमेंट प्रॉम्प्ट के लिए हमने यह मैप बनाया, और उसे हमारे 13 रन में Gemini मॉडल की असल सर्च से मिलाया। इसमें 12 सब-क्वेरी हैं, जो उस 8 से 11 की रेंज के आसपास है जो प्रकाशित स्टडी आम तौर पर किसी विस्तृत प्रॉम्प्ट के लिए बताती हैं।
| # | सब-क्वेरी | प्रकार | हमारे 13 रन में सर्च हुई? | किस हिस्से को इसका जवाब देना चाहिए |
|---|---|---|---|---|
| 1 | मार्केटिंग एजेंसियों के लिए सबसे अच्छा प्रोजेक्ट मैनेजमेंट सॉफ़्टवेयर | खोज (Discovery) | 13 में से 6 (ज़्यादातर Gemini 2.5) | रैंक की गई शॉर्टलिस्ट और चुनने के मानदंड वाला H2 |
| 2 | रिमोट टीमों के लिए प्रोजेक्ट मैनेजमेंट टूल | शर्त (Constraint) | 13 में से 5 ("remote") | एसिंक फ़ीचर और टाइम ज़ोन पर H3 |
| 3 | [Tool] की प्रति यूज़र कीमत, सालाना बिलिंग | पुष्टि (Verification) | 13 में से 13 | जांच की तारीख के साथ प्राइसिंग टेबल |
| 4 | 15 यूज़र का सालाना खर्च | गणना (Calculation) | 13 में से 5 ("15 users") | हर टूल के लिए खर्च का हल किया हुआ उदाहरण |
| 5 | [Tool] की कीमत 2026 | ताज़गी (Recency) | 13 में से 4 (साल जोड़ा गया) | साफ़ दिखती "कीमतें जांचने की तारीख" |
| 6 | एजेंसियों के लिए [Tool A] vs [Tool B] | तुलना (Comparison) | 13 में से 2 (सामान्य "comparison") | तुलना टेबल |
| 7 | मार्केटिंग एजेंसियों के लिए [Tool] | एंटिटी + यूज़ केस | 13 में से 1 | हर टूल पर एक छोटा पैराग्राफ़ |
| 8 | क्लाइंट पोर्टल या गेस्ट एक्सेस | अनकही ज़रूरत | 13 में से 0 | क्लाइंट के साथ काम करने पर H3 |
| 9 | टाइम ट्रैकिंग और बिल होने वाले घंटे | अनकही ज़रूरत | 13 में से 0 | बिलिंग वर्कफ़्लो पर H3 |
| 10 | Slack, Google Workspace, HubSpot के साथ इंटीग्रेशन | अनकही ज़रूरत | 13 में से 0 | इंटीग्रेशन टेबल |
| 11 | एजेंसी यूज़र्स के रिव्यू | भरोसा (Validation) | 13 में से 0 | स्वतंत्र रिव्यू का सार, लिंक के साथ |
| 12 | सालाना vs मासिक बिलिंग पर छूट | खर्च का ब्योरा | 13 में से 9 ("annual") | प्राइसिंग टेबल के नीचे एक लाइन |
शून्य वाली पंक्तियों को ध्यान से पढ़ें। इनका मतलब "इन्हें छोड़ दो" नहीं है। इनका मतलब है कि मॉडल ने ये ज़रूरतें अपनी पहले से मौजूद जानकारी से पूरी कीं, इसलिए इन पर असर डालने का तरीका है पूरे वेब पर (रिव्यू, तुलना, डॉक्यूमेंटेशन में) आपका सही ब्योरा होना, न कि किसी ऐसी सर्च का इंतज़ार करना जो शायद कभी चले ही नहीं। जिन पंक्तियों की गिनती ज़्यादा है, वहां एक पेज सीधे रिट्रीवल जीत सकता है।
अपने टॉपिक की फ़ैन-आउट क्वेरी कैसे पता करें?
एक मैनुअल मैप (मॉडल किन बातों के बारे में सोचते हैं, यह कवर करने के लिए) को असल में देखी गई क्वेरी के एक सैंपल (वे सच में क्या सर्च करते हैं, यह देखने के लिए) के साथ मिलाइए। हम यही तरीका अपनाते हैं:
- प्रॉम्प्ट वैसे लिखें जैसे खरीदार पूछेगा। पूरा वाक्य, उन शर्तों के साथ जो असली इंसान जोड़ता है (टीम का साइज़, बजट, लोकेशन, डेडलाइन)। छोटे कीवर्ड से छोटे और भ्रामक फ़ैन-आउट बनते हैं।
- इसे प्रकार वाले सब-सवालों में तोड़ें। ऊपर वाले मैप के प्रकार इस्तेमाल करें: खोज, शर्त, पुष्टि, गणना, ताज़गी, तुलना, एंटिटी, अनकही ज़रूरत, भरोसा। 8 से 12 सब-सवालों का लक्ष्य रखें।
- असली लोगों के सवाल जोड़ें। मुख्य कीवर्ड और दो-तीन सब-क्वेरी के लिए People Also Ask (लोग यह भी पूछते हैं) और related searches निकालें। ये फ़ैन-आउट नहीं हैं, लेकिन यही सवाल इंसानी शब्दों में हैं। AI Rank Lab का कीवर्ड प्लानर वॉल्यूम के साथ PAA और related searches भी देता है, जिससे यह स्टेप तेज़ हो जाता है।
- असल फ़ैन-आउट कैप्चर करें। प्रॉम्प्ट को 5 या ज़्यादा बार किसी ऐसे सोर्स से चलाएं जो असली क्वेरी लौटाता हो: Google Search ग्राउंडिंग वाला Gemini API (रिस्पॉन्स में चलाई गई क्वेरी की सूची होती है, जैसा Google के ग्राउंडिंग डॉक्स में लिखा है), या SE Ranking का मुफ़्त ChatGPT Fan-Out Query Extractor। कुछ लोग ब्राउज़र DevTools में ChatGPT के नेटवर्क रिस्पॉन्स भी पढ़ते हैं; यह उन अनडॉक्यूमेंटेड फ़ील्ड पर टिका है जिन्हें OpenAI कभी भी बदल सकता है, और इस आर्टिकल के लिए हमने इसकी पुष्टि नहीं की।
- स्ट्रिंग नहीं, थीम के हिसाब से ग्रुप करें। "clickup pricing plans annual" और "ClickUp pricing per user per month annual" को एक ही थीम में समेट दें: ClickUp की सालाना कीमत। Seer के बार-बार वाले रन का डेटा बताता है कि सटीक स्ट्रिंग शायद ही दोहराई जाती हैं, इसलिए गिनें कि कोई थीम कितने रन में दिखती है।
- हर थीम को अपने पेज से मिलाएं। अच्छा जवाब दिया, अधूरा जवाब दिया, या है ही नहीं। जो थीम बार-बार आती हैं पर आपके पेज पर नहीं हैं, वही आपकी आउटलाइन है।
- हर तिमाही दोबारा चलाएं। मॉडल बदलते रहते हैं। Seer के डेटा में Gemini 3 ने Gemini 2.5 से 78% ज़्यादा फ़ैन-आउट किया, और हमारे डेटा में नए मॉडल ने फिर से अलग तरह से सर्च किया।
कौन-से टूल फ़ैन-आउट क्वेरी दिखाते हैं, और वे असल हैं या अनुमानित?
किसी भी फ़ैन-आउट टूल के बारे में सबसे ज़रूरी सवाल यह है: क्या वह वे क्वेरी दिखाता है जो किसी इंजन ने सच में चलाईं (असल, observed), या वे क्वेरी जो किसी LLM के हिसाब से इंजन चला सकता है (अनुमानित, predicted)? दोनों काम के हैं, लेकिन सबूत सिर्फ़ असल क्वेरी होती हैं।
डिस्क्लोज़र: AI Rank Lab हमारा प्रोडक्ट है। यह हमारी साइट है, इसलिए हमने इसे सबसे ऊपर रखा है, और नीचे दिए हर टूल के लिए हमने एक जैसे मानदंड रखे हैं।
| टूल | असल या अनुमानित | आपको क्या मिलता है | किसके लिए सबसे अच्छा |
|---|---|---|---|
| AI Rank Lab | फ़ैन-आउट स्ट्रिंग के लिए दोनों में से कोई नहीं; साइटेशन के लिए असल | फ़ैन-आउट क्वेरी स्ट्रिंग नहीं दिखाता। यह उनके आसपास के स्टेप कवर करता है: कीवर्ड प्लानर में PAA और related searches, Content Suite में प्रॉम्प्ट सुझाव और कॉम्पिटिटर रिसर्च पर बनी आउटलाइन, और ChatGPT, Claude, Gemini और Perplexity के साथ AI Overviews और AI Mode पर शेड्यूल्ड प्रॉम्प्ट ट्रैकिंग, जो रिकॉर्ड करती है कि कौन-से URL साइट हुए | फ़ैन-आउट मैप को कंटेंट में बदलना और यह जांचना कि साइटेशन बदले या नहीं |
| Google Search ग्राउंडिंग वाला Gemini API | असल | हर कॉल में मॉडल की चलाई गई सटीक क्वेरी और इस्तेमाल किए गए सोर्स | अगर आप एक छोटी स्क्रिप्ट चला सकते हैं तो खुद कैप्चर करने के लिए; हर कॉल का भुगतान |
| SE Ranking ChatGPT Fan-Out Query Extractor | असल (OpenAI के API के ज़रिए) | हर बैच में 10 तक प्रॉम्प्ट के लिए ChatGPT की चलाई क्वेरी; रोज़ की लिमिट के साथ मुफ़्त; CSV एक्सपोर्ट | ChatGPT के झटपट, मुफ़्त सैंपल |
| Peec AI | असल (ट्रैक किए गए प्रॉम्प्ट से) | आपके ट्रैक किए प्रॉम्प्ट से कैप्चर हुए फ़ैन-आउट; उनके रिसर्च पेज इसी डेटा पर बने हैं | ChatGPT, Perplexity और Grok के फ़ैन-आउट की लगातार निगरानी |
| DataForSEO LLM Mentions API | असल (वेंडर द्वारा जुटाया गया) | API के ज़रिए फ़ैन-आउट क्वेरी, उन टीमों के लिए जो अपने डैशबोर्ड बना रही हैं | बड़े पैमाने पर काम करने वाले डेवलपर |
| Otterly AI Query Fan-Out tool | अनुमानित | ChatGPT और Google AI सरफ़ेस के लिए बनाए गए विस्तार, प्रकार और इंटेंट के लेबल के साथ, जिन्हें आप ट्रैक होने वाले प्रॉम्प्ट में जोड़ सकते हैं | फ़ैन-आउट मैप पर फटाफट ब्रेनस्टॉर्म |
| Qforia (iPullRank) | अनुमानित (सिमुलेटेड) | Google AI Mode और AI Overviews के लिए सिमुलेट की गई सिंथेटिक क्वेरी | Google जैसे मैप के लिए मुफ़्त शुरुआत |
हमने कीमतें नहीं लिखीं, क्योंकि इनमें से ज़्यादातर टूल बड़े प्लान का हिस्सा हैं जो अक्सर बदलते रहते हैं; जिस दिन खरीदें, उस दिन हर वेंडर का प्राइसिंग पेज देख लें (18 अक्टूबर 2026 को जांचते समय SE Ranking का टूल मुफ़्त था)।
पेज को कैसे बनाएं कि हर हिस्सा एक सब-क्वेरी का जवाब दे?
बार-बार आने वाले हर सब-सवाल को उसका अपना साफ़ हेडिंग वाला सेक्शन दें, जो एक सीधे और अपने-आप में पूरे जवाब से शुरू हो और फिर उसे सपोर्ट करे। फ़ैन-आउट रिट्रीवल पेज के हिस्सों को कई स्पेसिफ़िक क्वेरी से मिलाता है, इसलिए जो सेक्शन पहले दो वाक्यों में एक सवाल का साफ़ जवाब दे दे, उसे निकालना और कोट करना आसान होता है। यह पाठकों के लिए भी अच्छा लेखन है, और Google साफ़ कहता है कि इससे ज़्यादा कुछ करने की ज़रूरत नहीं: "AI को बेहतर समझाने के लिए अपने कंटेंट को छोटे-छोटे टुकड़ों में तोड़ना ज़रूरी नहीं है", और उसके सिस्टम "पर्यायवाची शब्द समझ सकते हैं", इसलिए फ़ैन-आउट के शब्दों से हूबहू मिलान की कोई ज़रूरत नहीं।
खरीदार के एक सवाल के लिए यह आउटलाइन टेम्पलेट इस्तेमाल करें:
- शुरुआती जवाब (2-3 वाक्य)। मुख्य प्रॉम्प्ट का सीधा जवाब, जिसे अकेले भी कोट किया जा सके।
- मुख्य बातों का बॉक्स। चार-पांच लाइनें जिन्हें पाठक (या मॉडल) सीधे उठा सके।
- H2: खोज वाली सब-क्वेरी ("Y के लिए कौन-सा X सबसे अच्छा है?"), शॉर्टलिस्ट और उसके पीछे के मानदंड के साथ।
- हर शर्त के लिए H2 या H3 (टीम साइज़, बजट, क्षेत्र, यूज़ केस)। हर एक उस शर्त के जवाब से शुरू हो।
- पुष्टि वाली सब-क्वेरी के लिए टेबल: कीमतें, लिमिट, स्पेसिफ़िकेशन, जांच की तारीख के साथ।
- "A vs B" वाली सब-क्वेरी के लिए तुलना टेबल।
- अनकही ज़रूरतों के लिए H3, जो खरीदार ने कही नहीं पर जिनकी उसे परवाह होगी।
- प्रक्रिया के लिए क्रमवार सूची, अगर सवाल में कुछ करने की बात छिपी है।
- FAQ एंट्री बचे हुए छोटे सब-सवालों के लिए।
- सोर्स और कार्यप्रणाली वहीं टेक्स्ट में, ताकि हर दावे के साथ उसका सबूत हो।
हमारी AEO चेकलिस्ट तकनीकी पहलू कवर करती है (इंडेक्स होना, स्निपेट के लायक होना, पेज स्पीड), जो तय करता है कि इनमें से कोई भी हिस्सा रिट्रीव हो भी सकता है या नहीं। AI Rank Lab का Content Suite एक प्रॉम्प्ट और कॉम्पिटिटर रिसर्च से ऐसी आउटलाइन बनाता है, और इसका SEO, AEO और GEO ऑडिट पेज लाइव होने के बाद उसकी बनावट जांचता है।
क्या हर फ़ैन-आउट क्वेरी के लिए अलग पेज बनाना चाहिए?
नहीं। Google की गाइड साफ़ कहती है कि भले ही "लोगों के सर्च करने के हर संभव तरीके के लिए अलग कंटेंट बनाने का मन करे", रैंकिंग या AI जवाबों में हेरफेर के लिए ऐसा करना उसकी scaled content abuse पॉलिसी का उल्लंघन है, और "ढेर सारे पेज होने से वेबसाइट की क्वालिटी नहीं बढ़ती"। फ़ैन-आउट खुद भी इस तरकीब के ख़िलाफ़ काम करता है: स्ट्रिंग लगभग हर रन में बदल जाती हैं, इसलिए हर स्ट्रिंग पर एक पेज बनाना ऐसे टारगेट के पीछे भागना है जो अगली बार वहां होगा ही नहीं। खरीदार के हर असली सवाल पर एक पूरा पेज, जिसमें हर सब-सवाल का एक सेक्शन हो, नियमों के हिसाब से भी सही है और असरदार भी। अलग पेज तभी समझ में आते हैं जब कोई सब-सवाल सच में अलग काम हो (जैसे पूरा प्राइसिंग पेज या किसी इंटीग्रेशन की अलग गाइड)।
क्वेरी फ़ैन-आउट में होने वाली आम गलतियां
- हर सब-क्वेरी पर एक पेज बनाना। Google की भाषा में यह scaled content abuse है, और फ़ैन-आउट स्ट्रिंग जितनी अस्थिर हैं, उसे देखते हुए बेकार भी।
- सटीक फ़ैन-आउट स्ट्रिंग के लिए ऑप्टिमाइज़ करना। Seer के सभी 13 रन में Gemini 3 के 11,029 फ़ैन-आउट में से सिर्फ़ 8 दोहराए गए, और Profound की स्टडी में ChatGPT की 91% स्ट्रिंग यूनिक थीं। थीम को टारगेट करें।
- प्राथमिकता तय करने के लिए कीवर्ड वॉल्यूम पर भरोसा करना। Seer के डेटा में 95% से 99% फ़ैन-आउट का रिकॉर्ड किया गया वॉल्यूम शून्य है। प्राथमिकता इस पर तय करें कि कोई थीम कितने रन में दिखती है और खरीदने के फ़ैसले के कितने करीब है।
- अनुमानित फ़ैन-आउट को सबूत मान लेना। जो टूल संभावित सब-क्वेरी बनाता है, वह ब्रेनस्टॉर्म है, माप नहीं। असल कैप्चर से इसकी पुष्टि करें।
- मॉडल की पहले से बनी राय को नज़रअंदाज़ करना। हमारे कैप्चर में नए मॉडल ने सिर्फ़ उन्हीं ब्रांड के लिए सर्च की जिन्हें वे पहले से जानते थे। थर्ड-पार्टी रिव्यू, तुलना और डॉक्यूमेंटेशन में आपका सही ब्योरा होना भी फ़ैन-आउट ऑप्टिमाइज़ेशन का हिस्सा है।
- प्राइसिंग पेज को पुराना होने देना या क्रॉलर के लिए ब्लॉक कर देना। "[brand] pricing annual" जैसी पुष्टि वाली क्वेरी हमारे सभी 13 रन में चलीं। अगर वह पेज पुराना है, किसी फ़ॉर्म के पीछे छिपा है या सिर्फ़ JavaScript से रेंडर होता है, तो मॉडल किसी और के पेज से पुष्टि कर लेगा।
- अंग्रेज़ी वाले पूल को भूल जाना। गैर-अंग्रेज़ी बाज़ारों के लिए Peec का डेटा दिखाता है कि ChatGPT की सर्च का बड़ा हिस्सा अंग्रेज़ी में चलता है।
- Google के लिए खास AI मार्कअप या llms.txt जोड़ना। Google कहता है कि उसके AI फ़ीचर में दिखने के लिए आपको नई मशीन-रीडेबल फ़ाइल, AI टेक्स्ट फ़ाइल या खास schema.org मार्कअप की ज़रूरत नहीं है।
कैसे मापें कि फ़ैन-आउट ऑप्टिमाइज़ेशन काम कर रहा है?
मुख्य प्रॉम्प्ट के साइटेशन और इंप्रेशन बार-बार के रन में मापें, एक बार के स्नैपशॉट से नहीं। ये दो सोर्स मिलकर ठीक-ठाक तस्वीर देते हैं:
- Google Search Console की Generative AI performance रिपोर्ट। 3 जून 2026 को लॉन्च हुई और 31 अगस्त 2026 तक सभी साइट के लिए उपलब्ध हो गई। यह AI Overviews, AI Mode और Discover AI फ़ीचर के लिए इंप्रेशन, पेज, देश, डिवाइस और तारीखें दिखाती है (Google Search Central)। इसमें फ़ैन-आउट क्वेरी नहीं दिखतीं, इसलिए इसका इस्तेमाल यह देखने के लिए करें कि पेज को दोबारा बनाने के बाद किन पेजों के AI इंप्रेशन बढ़े।
- अलग-अलग इंजन पर बार-बार प्रॉम्प्ट ट्रैकिंग। मुख्य प्रॉम्प्ट को एक तय शेड्यूल पर चलाएं और रिकॉर्ड करें कि कौन-से डोमेन और URL साइट हुए। उतार-चढ़ाव की उम्मीद रखें: AI Rank Lab में ट्रैक किए गए 42 प्रॉम्प्ट-इंजन जोड़ों के 968 रन (फ़रवरी से अक्टूबर 2026) में, लगातार दो रन के बीच साइट हुए डोमेन का मीडियन ओवरलैप 0.41 (Jaccard) था, और मीडियन के हिसाब से साइट हुए डोमेन में से सिर्फ़ 3.5% हर रन में दिखे। जब एक रन से दूसरे रन में इतना फ़र्क हो, तो बदलाव को एक बार की जांच से नहीं, हफ़्तों के रन से परखें। AI Overview checker पर हमारी गाइड बताती है कि Google के लिए इसे कैसे सेट करें, और ChatGPT साइटेशन की 30 दिन वाली प्लेबुक ChatGPT के लिए यही चक्र समझाती है।
श्रेय देने में ईमानदार रहें। कोई भी प्रकाशित नियंत्रित स्टडी फ़ैन-आउट कवरेज को साइटेशन बढ़ने की वजह के तौर पर अलग से साबित नहीं करती, और Ahrefs के AI Overview डेटा ने टॉप 10 से बाहर के साइटेशन के लिए फ़ैन-आउट वाली व्याख्या का समर्थन नहीं किया। फ़ैन-आउट मैपिंग एक प्लानिंग का तरीका है जो पूरे पेज बनाने की संभावना बढ़ाता है; यह कोई जादुई स्विच नहीं है।
संक्षेप में
क्वेरी फ़ैन-आउट एक प्रॉम्प्ट को कई सटीक और बदलती सर्च में बदल देता है। Google इसे डॉक्यूमेंट करता है, OpenAI इसे डॉक्यूमेंट करता है, और मापी गई गिनती इंजन, मॉडल और तरीके पर निर्भर करती है। सब-सवालों को प्रकार के हिसाब से मैप करें, असल क्वेरी के एक सैंपल से मिलान करें, उन्हें थीम में ग्रुप करें, और हर थीम का जवाब एक पूरे पेज के साफ़ हेडिंग वाले सेक्शन में दें, और जिन पेजों पर पुष्टि वाली क्वेरी पहुंचती हैं, वहां तारीख के साथ तथ्य रखें। फिर बार-बार के रन में नतीजे मापें।
अगर आप देखना चाहते हैं कि आपके प्रॉम्प्ट पर ChatGPT, Claude, Gemini, Perplexity, AI Overviews और AI Mode किन पेजों को साइट करते हैं, और कमियों को आउटलाइन में बदलना चाहते हैं, तो AI Rank Lab में अपने प्रॉम्प्ट ट्रैक करें।
Get a free AI ranking consultation
Want your brand to show up when ChatGPT, Gemini and Perplexity answer questions in your market? Tell us about your site and our team will send a personalized strategy.
