Query fan-out: cos’è, come funziona e cosa dicono davvero i brevetti di Google

Tra il 27 maggio e il 9 giugno 2025, tre SEO noti hanno collegato al query fan-out tre documenti diversi di Google (iPullRank, Search Engine Journal, Olaf Kopp). Il query fan-out è la tecnica con cui l’AI di Google trasforma una domanda in tante ricerche. Qui trovi cosa dichiara Google, cosa dicono davvero quei documenti e cosa cambia per il tuo sito.

Cos’è il query fan-out, con un esempio#

Fan-out vuol dire “aprirsi a ventaglio”: la domanda si divide in sotto-ricerche lanciate insieme. Il sistema raccoglie i risultati e scrive una sola risposta, con i link alle fonti.

Un esempio illustrativo: Google non mostra le sotto-ricerche. Il titolare di una srl chiede: “Per l’auto aziendale mi conviene il noleggio a lungo termine o il leasing?”. La domanda potrebbe aprirsi così:

1. noleggio a lungo termine o leasing: differenze
2. cosa include il canone del noleggio
3. come funziona il riscatto finale del leasing
4. costi deducibili dell’auto aziendale per una srl

Nessuna sotto-ricerca contiene “mi conviene”: si cercano i pezzi della risposta.

Cosa dice Google del query fan-out#

Google lo ha descritto al lancio di AI Mode, il 5 marzo 2025. Il sistema lancia in parallelo più ricerche correlate, su sottotemi e su più fonti di dati (Google). Nell’annuncio italiano dell’8 ottobre 2025, AI Mode “scompone la vostra domanda in sottotemi ed esegue contemporaneamente numerose ricerche per voi” (Google Italia).

Dove si usa. AI Overview e AI Mode “possono usare” il fan-out (Google Search Central). Deep Search, la ricerca approfondita di AI Mode, può lanciare centinaia di ricerche (Google).

Cosa Google non dice. Quante sotto-ricerche partono in AI Mode e AI Overview, con quali criteri, quale brevetto le descrive. Non te le mostra: il report sull’AI generativa di Search Console ha solo pagine, paesi, date e dispositivi (Guida di Search Console).

Cosa dicono i brevetti, e cosa non dicono#

Abbiamo letto su Google Patents i cinque documenti citati dagli SEO per il fan-out, rivendicazioni (claim) comprese. In nessuna descrizione compaiono “fan-out”, “AI Mode” o “AI Overview”. Un brevetto descrive un metodo possibile, non prova che Google lo usi.

Nel nostro catalogo tutti e cinque hanno un soprannome SEO “forzato” rispetto all’abstract. Succede a 28 voci su 109 (nostra analisi su 109 brevetti e domande di brevetto di Google legati alla ricerca; stato indicato da Google Patents all’8 ottobre 2026).

US11663201B2: le varianti della ricerca, dal 2017#

Cosa dice. Un modello generativo crea varianti della ricerca dell’utente e le manda al motore. Prima, un “modello di controllo” decide se servono, guardando le risposte alla ricerca originale (rivendicazione 1). La rivendicazione 19 ne elenca otto tipi: equivalente, successiva, generalizzazione, forma standard, implicazione, specificazione, chiarimento, traduzione (Google Patents).

Cosa non dice. Non fissa un numero: le varianti cambiano da ricerca a ricerca, anche “more than 15”, oltre quindici. E non descrive riassunti scritti per l’utente. Stato: brevetto concesso il 30 maggio 2023, attivo secondo Google Patents (verifica del 9 ottobre 2026).

US11769017B1: il riassunto che pesca anche da ricerche correlate#

Cosa dice. Un grande modello linguistico (LLM) scrive un riassunto dai documenti trovati. Può aggiungere documenti di una “ricerca correlata” (rivendicazioni 12 e 16), cioè cercata spesso insieme alla prima, a poca distanza di tempo. Un link si aggancia a una parte del riassunto se è “verifiable based on document content”, verificabile nel documento (rivendicazione 19).

Cosa non dice. Nessun numero di ricerche. E quelle in più sono selettive: partono, per esempio, se i risultati principali sono di bassa qualità o poco vari. Stato: brevetto concesso il 26 settembre 2023, attivo secondo Google Patents, verifica del 9 ottobre 2026 (Google Patents). La scheda dedicata spiega le due rivendicazioni indipendenti.

US20240289407A1: la chat che genera query sintetiche#

Cosa dice. In una sessione di ricerca, un modello generativo elabora la domanda e il contesto: ricerche precedenti, calendario, posizione (rivendicazioni 1-7). Dal suo output nascono “una o più” query sintetiche. I documenti si scelgono perché rispondono alla domanda e a queste query. Più query possono partire “in parallel or in series”, in parallelo o in sequenza (Google Patents).

Nell’esempio del testo, per chi cerca una fotocamera per il matrimonio di un amico nascono query su prezzi, accessori e matrimoni all’aperto. Secondo noi, tra i cinque è il più vicino al fan-out descritto da Google.

Cosa non dice. Quante query e con quali regole. Stato: domanda di brevetto pubblicata il 29 agosto 2024, “Pending” (in esame) secondo Google Patents (verifica del 9 ottobre 2026). La scheda dedicata spiega le sette classi di domanda.

US12158907B1: i temi nella pagina dei risultati#

Cosa dice. Un modello riassume i passaggi dei documenti trovati. I riassunti, raggruppati, diventano temi con una frase che li descrive (rivendicazioni 1 e 3). Per “moving to Denver”, trasferirsi a Denver, i temi possono essere quartieri, costo della vita, cose da fare, pro e contro (Google Patents).

Cosa non dice. Nelle rivendicazioni la ricerca in più parte quando l’utente sceglie un tema (rivendicazione 11). Come lo leggono gli SEO. Roger Montti lo ha accostato al fan-out su Search Engine Journal. Indica il deposito a dicembre 2024, mese della concessione: la domanda è del 16 maggio 2023. Stato: brevetto concesso il 3 dicembre 2024, attivo secondo Google Patents (verifica del 9 ottobre 2026).

I cinque documenti in sintesi (stato secondo Google Patents al 9 ottobre 2026; legame: nostra valutazione)

WO2024064249A1: il “brevetto del query fan-out” che parla d’altro#

Cosa dice il testo#

È una domanda internazionale pubblicata il 28 marzo 2024, con priorità del 21 settembre 2022 e titolare Google LLC (Google Patents). Nella rivendicazione 1 un LLM riceve almeno due prompt, cioè istruzioni con esempi, per un compito di ricerca. Genera “a synthetic training dataset comprising a plurality of query-document pairs”, coppie query-documento sintetiche. Con queste si addestra un modello che, data una query, trova il documento giusto.

La direzione è opposta al fan-out: si parte dai documenti, non dalla domanda di un utente. L’LLM scrive “relevant queries for all documents”, query pertinenti per ogni documento: in un esempio, 8 a testa. Un filtro tiene una query solo se ritrova il passaggio da cui è nata. E “diverse retrieval”, nel titolo, indica compiti diversi, come verificare un’affermazione o trovare controargomenti (rivendicazione 11).

Nella descrizione non compaiono “fan-out”, “user query” né “original query” (nostra analisi del testo). Il metodo si chiama PROMPTAGATOR, come un articolo scientifico del 23 settembre 2022 (arXiv).

Stato. Secondo Google Patents (verifica del 9 ottobre 2026) la domanda internazionale è “Ceased” (cessata). La scadenza è il 21 marzo 2025, 30 mesi dopo la priorità. È la durata tipica della fase internazionale: poi decidono gli uffici nazionali o regionali (WIPO).

Come l’hanno letto gli SEO#

Il 27 maggio 2025 Mike King ha definito la domanda “a detailed blueprint of how query fan-out works”, un progetto dettagliato del fan-out (iPullRank). Ha descritto un’espansione della query originale e un filtro per categorie come transazionale e informativa. Nel testo pubblicato non ci sono (nostra analisi del testo).

Il 2 giugno 2025, su Search Engine Land, l’ha chiamata “The method for query fan-out”. Nello stesso articolo descrive però bene il meccanismo: coppie sintetiche per addestrare un modello di recupero. Ma la domanda non descrive il passaggio successivo, dall’addestramento al fan-out in tempo reale.

Un legame indiretto è possibile: un modello addestrato così potrebbe cercare i documenti per ogni sotto-ricerca. Ma è un’ipotesi che il testo non contiene. Il merito di King resta: ha portato i brevetti nel dibattito su AI Mode. Il 9 giugno 2025 Olaf Kopp ha proposto un altro candidato, US11663201B2 (LinkedIn).

Quante sotto-ricerche fa Google? Cosa sappiamo e cosa no#

Cosa non sappiamo. Nessun documento dice quante sotto-ricerche partono in AI Mode.

Cosa hanno misurato altri. Le stime usano l’API di Gemini, l’accesso per sviluppatori, con la Ricerca Google attiva, non AI Mode:

• Seer Interactive (novembre 2025): 501 domande con Gemini 3, media di 10,7 sotto-ricerche, da 3 a 28. Il 95% non ha volume di ricerca (Seer Interactive).
• Nectiv (dicembre 2025): circa 9.000 domande commerciali, media 9,06, solo 3,79 nel settore locale. Gli autori non sanno se AI Mode funzioni così (Nectiv).
• Surfer: tra le pagine citate nelle AI Overview presenti nei primi 10 risultati, il 51,2% compare anche per una sotto-ricerca, il 19,6% solo per la domanda. È una correlazione, non una causa (Surfer).

Ripetendo la stessa domanda, solo il 27% circa delle sotto-ricerche resta uguale (Surfer). Vale anche per i simulatori di fan-out online basati su questa API. Google avverte che nessuno strumento di terzi accede ai suoi sistemi interni (Google Search Central). Usali come spunto, non come mappa.

Cosa cambia per il tuo sito: 4 indicazioni#

Le liste di azioni sono nelle guide a Google AI Mode e alle AI Overview. Eccone quattro, nate dai documenti letti sopra.

1. Una pagina completa, non una per ogni sotto-ricerca#

Cosa fare. Raggruppa le sotto-domande dello stesso bisogno in una pagina, una sezione per ognuna. Per Google, contenuti separati per ogni sotto-ricerca fatti per manipolare ranking o risposte AI violano la policy sull’abuso di contenuti su larga scala (Google Search Central).

Esempio. Una società di noleggio pubblica una guida “noleggio o leasing” con sezioni su canone, riscatto, costi e chilometri. Non trenta pagine quasi uguali.

2. Guarda chi vince le sotto-ricerche nei risultati classici#

Cosa fare. Per Google le funzioni AI recuperano le pagine con i sistemi di ranking della Ricerca (Google Search Central). Per 3-5 domande chiave scrivi 5-8 sotto-ricerche plausibili. Cercale con il filtro Web e annota i primi cinque risultati.

Esempio. Il noleggiatore scopre che in 4 sotto-ricerche su 6 compaiono un comparatore e uno studio di commercialisti: sono loro i concorrenti da studiare.

3. Scrivi frasi che si possono verificare#

Cosa fare. In US11769017B1 il link va alle parti del riassunto verificabili nel documento. In US11663201B2 le risposte non confermate dalle varianti possono essere scartate. Non provano l’uso, ma indicano una direzione: dati chiave in frasi complete, con numero, condizione e data.

Esempio. Non “canone tutto incluso”, ma “Il canone include RCA, manutenzione ordinaria e bollo; esclusi carburante e gomme invernali. Condizioni aggiornate a ottobre 2026”.

4. Fai il test di andata e ritorno su ogni sezione#

Cosa fare. Prendi in prestito il filtro di WO2024064249A1: una domanda nata da un passaggio è buona se ritrova quel passaggio. È un esercizio di scrittura, non un segnale di Google. Per ogni H2 o H3 scrivi la domanda a cui risponde: se è vaga o doppia, riscrivi o unisci.

Esempio. La sezione “Vantaggi” risponde a “quali sono i vantaggi?”: troppo vago. Diventa “Quando il noleggio conviene più del leasing?”.

Conclusione#

Il query fan-out esiste e Google lo descrive. I brevetti aiutano a capirne la logica, ma nessuno è “il” brevetto del fan-out, e uno dei più citati parla d’altro. Per il tuo sito conta comparire nelle sotto-ricerche con pagine complete e frasi verificabili, non moltiplicare le pagine. E quando leggi “il brevetto dimostra che”, apri il documento e leggi le rivendicazioni.

Vuoi capire se le tue pagine compaiono nelle sotto-ricerche del tuo settore? Richiedi l’audit SEO gratuito: controllo a mano SEO tecnica, contenuti, visibilità nelle AI e prestazioni e ti mando le 5 cose da sistemare per prime, entro 2 giorni lavorativi.