Query Fan-Out 内容规划：先把 AI 搜索的子问题画出来，再决定写什么

你在 Perplexity 或 ChatGPT 里问一句话，背后发生的事比看起来多。系统先把你的问题拆成一串子问题：多少钱、有什么替代品、适不适合你的行业、靠不靠谱、怎么入门，每个子问题分别去搜，最后把这些答案拼成一段回复给你。Google 给这个机制起了名字，叫 query fan-out，AI Mode 和 AI Overviews 都在用。

这个机制改变了内容竞争的单位。传统 SEO 抢一个主词，谁的页面排第一谁拿流量。AI 搜索不是这样：一次提问扇出十几个分支，引擎从每个分支里挑最好的段落来引用。你的文章只回答了主词，就只在十几个分支里竞争了一个。排第一也未必被引用，因为合成答案时引擎看的是分支覆盖，不是主词排名。

所以写内容之前，应该先把这棵子查询树画出来，再决定哪些分支值得单独成文。这篇讲一个干这件事的 CLI 工具，命令和输出全部真实。

工具生成什么

工具是 zens-ink 包里的 geo_fanout，纯标准库，零依赖，不需要任何 key。方法论基础来自 Span 的 AI 引用排名因子研究和 GEO 论文（arxiv:2311.09735），核心结论是 AI 引擎偏好能直接回答具体子问题、结构上可摘录的内容。

它把种子词沿七个意图维度展开，每个维度带商业意图权重：

• 人群 {关键词} for developers、for small business、for agencies（高）
• 场景 {关键词} workflow、use cases、examples（中）
• 价格 {关键词} pricing、cost、free alternative、roi（极高）
• 功能 {关键词} api、integrations、open source（中）
• 竞品 {关键词} alternatives、best {关键词}、review（极高）
• 疑虑 {关键词} safe、worth it、is {关键词} legit（中）
• 入门 what is {关键词}、how does {关键词} work（低）

每个种子 55 条候选子查询。生成本身是即时的、离线的。有意思的是下一步：每条子查询会拿去查 Google 自动补全，十个节流请求打公开接口，不要 key，看真人是不是真的在搜它。生成出来但补全里毫无踪迹的查询只是一个假设，补全里有确认的才是需求。

每条子查询再算一个金矿分：商业意图权重加倍，减去竞争度惩罚，通过真实需求校验的再加一分。4 分以上进金矿列表。

真实跑一次

种子词 ai seo tools，人群 solo developers：

python3 -m zens_ink.geo_fanout "ai seo tools" --icp "solo developers"

报告开头：

GEO Fan-out Report: "ai seo tools"

ICP: solo developers
Total sub-queries generated: 55
Gold mine opportunities: 23
Live search demand validated: 38 queries

GOLD MINE QUERIES (high intent + low competition)

Query                              Intent       Comp     Live
----------------------------------------------------------------
ai seo tools free alternative      very_high    low      ✓
ai seo tools vs free               very_high    low      ✓
ai seo tools vs competitors        very_high    low      ✓
ai seo tools pricing               very_high    medium   ✓
ai seo tools cost                  very_high    medium   ✓
cheapest ai seo tools              very_high    medium   ✓
ai seo tools roi                   very_high    medium   ✓
ai seo tools for solo developers   high         low      ✓
ai seo tools for small business    high         low      ✓
...

再往下是从头部金矿推导的支柱加集群内容计划，10 篇集群文章各有意图和竞争度标注。

对比一下 --no-live（纯离线生成，零请求）：同样 55 条子查询，金矿只剩 15 条。差的那 8 条全靠真实需求校验捞回来，这一步就是内容日历和愿望清单的区别。

真正该看的那一段

金矿表看起来是报告的精华，其实只是及格线。价格和替代品查询，任何内容规划工具都会生成。报告里信号密度最高的部分在最底下，很容易漏看：意外发现查询：自动补全里真实出现、但不匹配任何模板的查询。

那次真实运行的产出：

SERENDIPITOUS QUERIES (from live search, not in templates)

• ai seo tools 2026
• ai seo tools for marketing agencies
• ai seo tools for shopify
• ai seo tools for wordpress
• ai seo tools for youtube
• ai seo tools hostinger
• ai seo tools reddit
• best ai seo tools for early stage startups
• best ai seo tools for saas
• best ai seo tools for solo founders
• best ai seo tools reddit

ai seo tools hostinger 这种查询，模板永远生成不出来，只有需求能。平台修饰词（for shopify、for wordpress、for youtube）和人群修饰词（for solo founders、for early stage startups）正是 AI 合成引擎奖励的具体性信号，而且它们来自真实接口，不是猜测。一份扇出报告如果只带走一样东西，带走这一段。reddit 后缀出现两次本身也是一个信号：搜索者在这个话题上更信论坛而不是厂商，这是引用来源层面的洞察，不只是个关键词。要系统性地挖这一层，配合 Reddit 关键词研究管线。

启发式哪里会骗你

两个诚实的局限，naive 使用会白白烧掉写作预算。

竞争度估算是词数代理。五词以上判低、三四词判中、更短判高。长尾方向上没问题，但 best project management software for construction 是五个词的 DR 90 血战。金矿分只用来在报告内部排序，永远不要当难度结论。入围的集群文章动笔前，跑真实的 SERP 难度评分，按页面类型和品牌指纹对实际 SERP 打分，那才是值得拿来规划的竞争度数字。

需求校验是子串匹配。模板 ai seo tools free 会匹配任何包含或被包含于这个字符串的补全建议，所以校验打勾的含义是「存在相关的补全面」，不是「这个精确串被建议过」。信号是真的，但是粗的。终选清单要精确需求量的话，过一遍 Bing Webmaster 搜索量管线。整个工作流就是：扇出时放开撒，校验时收窄。

在管线里的位置

扇出规划插在发现和聚类之间：

1. 发现种子词，来源是自动补全和 GSC 挖掘管线
2. 扇出，把每个种子展开成子查询树（这个工具），生成式，包含还没有内容的分支
3. 聚类，合并后的关键词集做主题分组，回顾式归并已观察需求，见关键词聚类方法
4. 难度校验，入围清单跑真实 SERP 难度
5. 发布，按扇出结构写：每节自带 BLUF 答案、对比表、FAQ 结构化数据

第 2 步和第 3 步经常被混为一谈，它们方向相反。聚类压缩你见过的需求，扇出扩展 AI 引擎会去找的需求。两步都要，先扇出后聚类。

覆盖分支的目的既然是被合成引擎引用，发布后的另一半循环也得有：GEO 得分方法审计已发布页面是否真的可摘录，见 GEO 得分方法论；定期的 AI 搜索可见度审计告诉你这一切有没有起效，见 AI 搜索可见度审计。扇出规划是循环的输入侧，审计是反馈。

工具本身在 开源 SEO 工具 里，pip install zens-ink，纯标准库，可离线跑，自动补全校验的成本只是一秒钟的礼貌请求。

FAQ

什么是 query fan-out（查询扇出）？

AI 搜索引擎在回答之前做的查询扩展步骤。系统不直接拿你输入的原话去检索，而是生成 8 到 12 个相关子问题，覆盖不同意图维度（价格、替代品、使用场景、疑虑、入门），每个子问题各自检索排序，最后合成一个带引用的答案。Google 的 AI Mode、Perplexity、ChatGPT 搜索都是这个架构。对内容策略的含义是：竞争单位从主词变成了扇出树的每个分支。

扇出规划和关键词聚类有什么区别？

聚类是把已有的关键词（GSC 导出、自动补全、竞品数据）按语义分组，是回顾式的，基于已观察到的需求。扇出规划是生成式的：枚举 AI 引擎会把种子词扩展成哪些子问题，包括还没有人写过内容的分支。两者是上下游关系，先用扇出生成子查询树，再对产出聚类排优先级，落成支柱加集群的内容计划。

这个工具需要 API key 或付费数据源吗？

不需要。geo_fanout 是纯 Python 标准库实现。模板生成完全离线可用（--no-live 参数）。真实需求校验用的是 Google 公开自动补全接口，不需要 key，和关键词挖掘管线用的是同一个免费端点，每个种子约十次节流请求，一秒左右跑完。

报告里的竞争度估算准吗？

它是刻意的代理指标：按词数算。五个词以上判低竞争，三四个词判中，更短判高。方向上符合长尾规律，但它不是难度分。一个五词查询如果 SERP 前排全是 DR 90 的对比页，它一点也不容易。正确用法是拿金矿分在报告内部排优先级，入围的查询写之前再跑真实 SERP 难度评分。