Một truy vấn tìm kiếm trước đây chỉ đơn giản là như vậy: một truy vấn, một tập hợp kết quả. Giờ đây, một truy vấn tìm kiếm AI phức tạp có thể kích hoạt ước tính từ tám đến 20 hoặc nhiều hơn các tìm kiếm nền (Google chưa công bố số lượng chính xác), mỗi tìm kiếm tạo ra kết quả riêng của nó. Những kết quả này được đánh giá về mức độ liên quan, với những kết quả mạnh nhất từ tất cả các tìm kiếm phụ được tổng hợp thành một câu trả lời toàn diện.
Đây là query fan-out trong một câu ngắn gọn, và đây là cách mà các hệ thống tìm kiếm AI cải thiện tính hữu ích của câu trả lời. Đây cũng là một yếu tố chính trong việc quyết định các trang mà các hệ thống này sử dụng để tạo ra câu trả lời: các trang giải quyết nhiều truy vấn nền hơn có khả năng liên quan hơn đến prompt, khiến các hệ thống AI có khả năng tham chiếu và trích dẫn chúng nhiều hơn. Ngay cả khi chúng không đứng thứ #1 cho bất kỳ từ khóa nào.
Dưới đây, chúng ta sẽ tìm hiểu cách thức hoạt động của query fan-out, cách tìm các truy vấn con liên quan đến thương hiệu của bạn và cách tối ưu cho chúng.
Query fan-out là gì?
Query fan-out là một quy trình của hệ thống tìm kiếm AI chia một truy vấn của người dùng thành nhiều truy vấn con (còn được gọi là “truy vấn fan-out”), thu thập thông tin cho mỗi truy vấn con, và sau đó tổng hợp thông tin liên quan thành một phản hồi duy nhất.
Google đã phổ biến thuật ngữ này khi giới thiệu Google AI Mode, một giao diện AI hội thoại có sẵn trong Google Search.
Trong bài phát biểu chính của mình tại Google I/O 2025, Trưởng bộ phận Tìm kiếm Elizabeth Reid đã nói: “AI Mode không chỉ cung cấp cho bạn thông tin — nó mang đến một cấp độ trí tuệ hoàn toàn mới cho tìm kiếm. Điều làm cho điều này trở nên khả thi là một cái mà chúng tôi gọi là kỹ thuật query fan-out.”
“Giờ đây, bên trong, Tìm kiếm nhận ra khi một câu hỏi cần lý luận nâng cao. Nó gọi đến phiên bản tùy chỉnh của chúng tôi về Gemini để chia câu hỏi thành các chủ đề con khác nhau, và nó phát hành nhiều truy vấn đồng thời thay mặt bạn.”
Các hệ thống tìm kiếm AI sử dụng query fan-out để nâng cao câu trả lời của chúng. Thực tế, tài liệu tìm kiếm chính thức của Google đề cập đến query fan-out như một kỹ thuật cốt lõi để truy xuất nội dung từ chỉ mục tìm kiếm của nó nhằm tạo ra các câu trả lời AI.
Cách thức hoạt động của query fan-out
Query fan-out hoạt động bằng cách xác định ý định của một prompt, truy xuất nội dung đáp ứng chúng, và sau đó tổng hợp một câu trả lời từ các kết quả liên quan nhất.
Nói chung, mô hình này bao gồm năm thành phần:
- Phân tích của prompt để hiểu ý định của nó, hoặc những gì người dùng đang tìm kiếm. Ví dụ, prompt “Laptop nào tốt nhất cho sinh viên đại học cần thời gian sử dụng pin lâu và làm một số công việc chỉnh sửa video?” cho thấy rằng người dùng đang tìm kiếm một chiếc laptop phù hợp cho việc học đại học, có thời gian sử dụng pin lâu, và có thể hỗ trợ công việc chỉnh sửa video. Do đó, AI cần tạo ra một câu trả lời đáp ứng cả ba ý định.
- Phân rã, hoặc chia nhỏ, prompt thành nhiều truy vấn con giải quyết các ý định đã xác định. AI có thể chia prompt ví dụ của chúng ta thành các truy vấn con như “laptop tốt nhất cho sinh viên đại học,” “laptop có thời gian sử dụng pin lâu,” và “các yêu cầu cho laptop chỉnh sửa video.”
- Truy xuất, nơi hệ thống AI tìm kiếm các nguồn như chỉ mục sở hữu và công cụ tìm kiếm để tìm nội dung giải quyết bất kỳ truy vấn con nào của prompt. Hệ thống cũng có thể thực hiện thêm nhiều tìm kiếm dựa trên những gì nó phát hiện từ các kết quả ban đầu.
- Đánh giá tất cả nội dung đã truy xuất dựa trên mức độ tốt mà nó giải quyết từng truy vấn con, để xác định và xếp hạng các kết quả liên quan nhất đến prompt.
- Tổng hợp, nơi hệ thống AI sử dụng nội dung có điểm số cao nhất để tạo ra câu trả lời của mình
Ý nghĩa? Các trang giải quyết các ý định đứng sau nhiều truy vấn con có khả năng được AI tham chiếu và trích dẫn nhiều hơn. Chỉ giải quyết một ý định tổng thể, tương ứng với một từ khóa mục tiêu, không còn đủ nữa.
Các loại truy vấn fan-out
Các loại truy vấn fan-out bao gồm cải biên, ngụ ý, so sánh, tính thời sự, biến thể ngữ cảnh và bước tiếp theo. Dưới đây là ý nghĩa của chúng và ví dụ về query fan-out cho từng loại.
Loại truy vấn fan-out | Định nghĩa | Prompt gốc | Ví dụ truy vấn fan-out |
Cải biên | Diễn đạt lại prompt gốc để tính đến cách mà người dùng có thể diễn đạt cùng một ý định theo nhiều cách khác nhau | “thiết lập hồ sơ doanh nghiệp Google” | “tạo danh sách doanh nghiệp Google” |
Ngụ ý | Xác định các nhu cầu tiềm ẩn mà người dùng không đề cập rõ ràng trong prompt của họ | “địa điểm du lịch thân thiện với xe lăn” | “địa điểm du lịch có thang máy” |
So sánh | Đánh giá hai hoặc nhiều thứ với nhau | “các tùy chọn bàn đứng” | “bàn đứng điện vs bàn đứng cơ” |
Tính thời sự | Các truy vấn mà việc có thông tin mới nhất, cập nhật nhất là rất quan trọng | “ngày đua f1” | “ngày đua f1 2026” |
Biến thể ngữ cảnh | Sửa đổi prompt để tính đến các đặc điểm cá nhân của người dùng | “phòng tập gym có dịch vụ chăm sóc trẻ em” | “phòng tập gym có dịch vụ chăm sóc trẻ em ở [thành phố của người dùng]” |
Bước tiếp theo | Giải quyết các nhu cầu tiếp theo của người dùng sau khi họ nhận được câu trả lời cho truy vấn ban đầu của họ | “cách đăng ký nhãn hiệu” | “luật sư đăng ký nhãn hiệu” |
Một điều cần lưu ý về những truy vấn này: chúng là tổng hợp và xác suất. Các hệ thống AI tạo ra chúng ngay lập tức, chúng thay đổi từ lần chạy này sang lần chạy khác, và hầu hết không có lượng tìm kiếm riêng. Hãy coi chúng như là tín hiệu ý định cần được đề cập, chứ không phải là các cụm từ chính xác để nhắm đến.
Tất cả các loại truy vấn phân nhánh này chỉ ra những ý định cụ thể của người dùng, như muốn có thông tin mới nhất (truy vấn gần đây) hoặc thông tin phù hợp với tình huống của họ (truy vấn biến thể theo ngữ cảnh). Nhận thức được những ý định này và đáp ứng chúng trong nội dung của bạn là chìa khóa để tối ưu hóa cho việc phân nhánh truy vấn trong AI.
Tại sao tối ưu hóa cho việc phân nhánh truy vấn lại quan trọng cho khả năng hiển thị trên công cụ tìm kiếm và AI
Tối ưu hóa cho việc phân nhánh truy vấn quan trọng cho khả năng hiển thị trên công cụ tìm kiếm và AI vì các thương hiệu có trang web đáp ứng ý định của người dùng một cách đầy đủ hơn có thể đạt được khả năng hiển thị cao hơn trên công cụ tìm kiếm và nhiều đề cập đến AI và trích dẫn.
Các thương hiệu bao quát các truy vấn phụ liên quan có khả năng xuất hiện trong AI Overviews, có thể xuất hiện ở đầu trang kết quả của công cụ tìm kiếm. Nghiên cứu về traffic tìm kiếm bằng AI của chúng tôi cho thấy khả năng hiển thị này ngày càng định hình nơi mà việc khám phá bắt đầu. Giống như cách mà AI Overview của Google nổi bật đề xuất điện thoại của Samsung và Apple khi phản hồi truy vấn tìm kiếm "điện thoại tốt nhất cho video buổi hòa nhạc":
AI Overview đề xuất những thương hiệu này, trích dẫn các trang web như Digital Camera World để hỗ trợ, mặc dù không có trang nào của họ đứng thứ nhất trên kết quả tìm kiếm.
Các nền tảng tìm kiếm bằng AI cũng có thể tham chiếu và trích dẫn các trang của thương hiệu thường xuyên hơn khi nội dung của họ liên tục xuất hiện phù hợp với các truy vấn phân nhánh.
Kinh nghiệm của chúng tôi khi cập nhật bốn bài viết blog để nhắm đến các truy vấn phân nhánh liên quan chỉ ra điều này, mặc dù hiệu ứng là hướng đi chứ không phải là đảm bảo. Trong vòng một tháng, số lượng trích dẫn của các bài viết này cho các truy vấn mà chúng tôi theo dõi đã tăng gấp đôi, từ hai lên khoảng năm. Sự gia tăng này rất biến động, có lúc đạt đến chín trước khi ổn định, và thực tế số lần đề cập đến thương hiệu đã giảm trong cùng khoảng thời gian. Chúng tôi coi đây là bằng chứng ban đầu khuyến khích, chứ không phải là kết quả đã được xác định.
Cách tìm các truy vấn phân nhánh
Để tìm các truy vấn phân nhánh mà nội dung của bạn chưa đề cập, hãy sử dụng các công cụ chạy các truy vấn mục tiêu của bạn trong các hệ thống AI để tìm ra các truy vấn phụ có thể có của những truy vấn này. Chúng tôi chia sẻ hai trong số các công cụ này dưới đây.
Khi bạn có danh sách các truy vấn phụ, hãy loại bỏ những truy vấn mà nội dung của bạn đã đề cập, để bạn có thể tập trung vào việc tối ưu hóa cho phần còn lại.
Các hệ thống AI tạo ra các phản hồi theo xác suất. Vì vậy, cùng một truy vấn có thể tạo ra các truy vấn phân nhánh khác nhau mỗi lần bạn chạy nó. Chúng tôi đề xuất xác định các xu hướng trong ý định của truy vấn phụ thay vì cố gắng xác định cụ thể cách diễn đạt của truy vấn phụ.
1. Semrush
Semrush là một nền tảng khả năng hiển thị tìm kiếm giúp các thương hiệu theo dõi và cải thiện sự nổi bật của họ trong kết quả tìm kiếm và câu trả lời của AI. Bộ công cụ AI Visibility Toolkit xấp xỉ các truy vấn phụ mà các hệ thống AI có thể tạo ra cho các truy vấn mục tiêu của bạn, trong khi Enterprise AIO cho thấy các truy vấn phân nhánh thực tế của Google ở quy mô lớn.
Để tìm các truy vấn phân nhánh với AI Visibility Toolkit, hãy nhập chủ đề mục tiêu của bạn vào báo cáo Prompt Research và nhấp vào “Analyze.”
Tab “Topics” trong phần “Related topics” của báo cáo hiển thị các chủ đề liên quan đến truy vấn của bạn. Nhấp vào bất kỳ chủ đề nào để xem các truy vấn phụ liên quan, mà các hệ thống AI cũng có thể sử dụng làm truy vấn phân nhánh.
Để xem các truy vấn phân nhánh thực tế của Google cho các truy vấn, hãy sử dụng AI Automations Phân Tích Truy Vấn Phân Nhánh của Enterprise AIO.
2. Công cụ Phân Nhánh Truy Vấn
Queryfanout.io là một công cụ miễn phí giúp xác định các truy vấn phụ bằng cách sao chép quy trình phân nhánh truy vấn của Google cho truy vấn mục tiêu của bạn.
Các tùy chọn khác để tìm các truy vấn phân nhánh bao gồm Công cụ Phân Nhánh Truy Vấn ChatGPT, một công cụ tạo truy vấn phân nhánh miễn phí cho trình duyệt Chrome.
Cách tối ưu hóa cho việc phân nhánh truy vấn
Khi bạn đã xác định được các truy vấn phân nhánh liên quan, hãy sử dụng các bước sau để tối ưu hóa các trang của bạn cho chúng:
1. Xác định các chủ đề cốt lõi
Xác định các chủ đề cốt lõi để xây dựng khả năng hiển thị AI của bạn, để bạn có thể tập trung nỗ lực tối ưu hóa phân nhánh truy vấn của mình một cách hiệu quả hơn.
Bắt đầu với các chủ đề liên quan trực tiếp đến thương hiệu của bạn và những gì bạn cung cấp. Làm như vậy giúp bạn:
- Kiểm soát cách mà các hệ thống AI mô tả thương hiệu của bạn trong các câu trả lời của họ
- Xuất hiện trong các giai đoạn hành trình của khách hàng nơi mà khả năng hiển thị và ảnh hưởng là quan trọng nhất
- Tận dụng quyền lực của bạn vì bạn là chuyên gia trong các chủ đề này
Xác định các chủ đề quan trọng nhất của thương hiệu bạn với báo cáo Questions trong bộ công cụ AI Visibility Toolkit của Semrush. Để làm điều này, hãy nhập miền của bạn vào báo cáo. Sau đó, xem các chủ đề trong phần “Topic Distribution”.
Tiếp theo, xem phần “Intent by Topic” của báo cáo để tìm hiểu ý định chiếm ưu thế cho mỗi chủ đề. Thông tin này hữu ích cho việc lập bản đồ các chủ đề với các giai đoạn hành trình của khách hàng.
Sau khi xác định các chủ đề liên quan đến thương hiệu, hãy mở rộng nghiên cứu của bạn để bao gồm các chủ đề liên quan phù hợp với chuyên môn của thương hiệu bạn. Ưu tiên các chủ đề liên quan này dựa trên mục tiêu kinh doanh và sở thích của khán giả.
Ví dụ, tại Semrush, chúng tôi xuất bản nội dung không chỉ bao gồm các công cụ khả năng hiển thị tìm kiếm của mình, mà còn các chủ đề marketing kỹ thuật số rộng hơn.
2. Lập kế hoạch cụm chủ đề
Lập kế hoạch các cụm chủ đề mà bạn sẽ xuất bản nội dung xung quanh để bao phủ các truy vấn phân nhánh mà bạn đã xác định.
Cụm chủ đề là nhóm các trang web liên kết với nhau, cùng nhau bao quát một chủ đề cốt lõi một cách sâu sắc. Chúng bao gồm một trang chính (pillar page) cung cấp cái nhìn tổng quan về chủ đề cốt lõi, và nhiều trang cụm (cluster pages) bao quát các tiểu chủ đề liên quan trong nhiều phần phụ, bao gồm cả những phần giải quyết các truy vấn mở rộng.
Cụm chủ đề có thể khuyến khích các hệ thống AI ưu tiên đề cập và trích dẫn nội dung của bạn. Nó xây dựng quyền lực chủ đề trong khi trực tiếp giải quyết các truy vấn phụ mà các hệ thống này có thể tạo ra trong quá trình mở rộng truy vấn.
Bạn có thể tạo một bản đồ tư duy như thế này để lập kế hoạch cho các cụm chủ đề của mình:
Nếu bạn cần giúp xác định các tiểu chủ đề, hãy sử dụng Keyword Strategy Builder. Nhập chủ đề cốt lõi của bạn (như một chủ đề bạn tìm thấy với AI Visibility Toolkit), và công cụ sẽ nhóm các truy vấn liên quan thành các cụm chủ đề, với một trang gợi ý cho mỗi cụm.
Khi có thể, hãy sử dụng những cụm đó làm chủ đề cho các trang cụm của bạn, và các truy vấn được nhóm dưới mỗi cụm như các phần phụ trong các trang đó.
Sau đó, lập bản đồ cho các truy vấn mở rộng mà bạn đã xác định như là các phần phụ của các trang cụm mới hoặc hiện có. Nếu các truy vấn mở rộng của bạn không phù hợp với bất kỳ trang cụm hiện có nào, hãy bắt đầu các trang mới cho chúng.
3. Viết nội dung thân thiện với NLP
Viết nội dung thân thiện với xử lý ngôn ngữ tự nhiên (NLP) cho các trang cụm chủ đề của bạn để các hệ thống AI có thể hiểu rõ hơn cách nội dung của bạn đáp ứng các ý định truy vấn mở rộng liên quan.
NLP là một nhánh của trí tuệ nhân tạo giúp máy tính xử lý, hiểu và tạo ra văn bản bằng ngôn ngữ con người. Viết theo những cách như thế này có thể cải thiện cách các hệ thống AI hiểu nội dung của bạn:
- Viết theo từng đoạn. Các đoạn là những phần nội dung độc lập, có ý nghĩa mà có thể đứng riêng, giúp các hệ thống AI dễ dàng xử lý, truy xuất và tóm tắt chúng hơn. Viết bằng câu hoàn chỉnh, và nhắc lại ngữ cảnh khi cần thiết.
- Cung cấp định nghĩa. Khi bạn giới thiệu một khái niệm mới, hãy cung cấp một định nghĩa rõ ràng và trực tiếp về nó. Việc này giúp các hệ thống AI hiểu bạn đang nói về điều gì, đặc biệt khi chúng sử dụng một truy vấn mở rộng như “[chủ đề] định nghĩa” để có được một định nghĩa.
- Cấu trúc nội dung một cách hiệu quả. Thêm các tiêu đề mô tả để chia nhỏ nội dung của bạn thành các phần, và sử dụng thẻ tiêu đề để thể hiện thứ bậc của chúng. Cấu trúc nội dung của bạn như thế này giúp các hệ thống AI xác định nội dung liên quan đến các truy vấn phụ rất cụ thể. Bạn cũng có thể sử dụng bảng và danh sách để tạo thông tin dễ dàng phân tích. Hướng dẫn của chúng tôi về tối ưu hóa nội dung cho các công cụ tìm kiếm AI
- đi sâu hơn vào từng vấn đề này.Sử dụng ngôn ngữ rõ ràng
. Tránh sử dụng thuật ngữ chuyên ngành, cấu trúc câu quá phức tạp và những phần thừa không cần thiết. Viết rõ ràng giúp các hệ thống AI dễ dàng hiểu nội dung của bạn và trích xuất thông tin giá trị.
4. Áp dụng schema markup
Áp dụng schema markup cho các trang của bạn để giúp các hệ thống AI phân tích và trích xuất nội dung của chúng cho các truy vấn phụ liên quan.
Schema markup là một phương pháp định dạng dữ liệu trong HTML của các trang của bạn để báo hiệu cho máy móc, như các công cụ tìm kiếm và hệ thống AI, các loại nội dung mà các trang này chứa.
Ví dụ, bạn có thể sử dụng schema markup cho sản phẩm để thêm các nhãn có thể đọc được bởi máy cho tên và kích thước của sản phẩm:{ "@context": "https://schema.org/", "@type": "Product", "name": "Nike Air Force 1 '07 Men's Shoes", "size": "US 8"}</script>
Với những nhãn này, các hệ thống AI có thể xác định tốt hơn tên và kích thước của sản phẩm của bạn để giải quyết các truy vấn phụ về bất kỳ thuộc tính nào.
Hãy xem hướng dẫn của chúng tôi về schema markup để tìm hiểu thêm về các loại schema markup có sẵn và cách triển khai chúng trên các trang của bạn.
5. Xây dựng sự hiện diện bên ngoài của bạn
Xây dựng sự hiện diện của thương hiệu bạn trên các trang bên thứ ba, vì các hệ thống AI tìm kiếm trên web rộng lớn hơn để tìm câu trả lời cho các truy vấn mở rộng, không chỉ trên trang của bạn. Một dấu chân bên ngoài lớn hơn cung cấp cho các hệ thống này nhiều bề mặt hơn để khám phá sự liên quan của thương hiệu bạn đối với các truy vấn phụ, và nhiều cơ hội hơn để đề cập đến bạn trong các phản hồi.
Tăng cường sự hiện diện bên ngoài của bạn bằng cách thực hiện các bước như sau:
- Thiết lập danh sách thư mục: Tạo một hồ sơ cho thương hiệu của bạn trên các thư mục liên quan đến ngành của bạn. Ví dụ về các thư mục là G2 cho các doanh nghiệp phần mềm và Yelp cho các nhà hàng. Nếu bạn vận hành một doanh nghiệp địa phương, hãy xác nhận hồ sơ Google Business của bạn, vì đây là nguồn thông tin chính cho các hệ thống AI.
- Thực hiện các chiến dịch quan hệ công chúng kỹ thuật số : Đảm bảo có được sự phủ sóng về những thành tựu, sản phẩm hoặc phát hiện mới nhất của bạn trên các ấn phẩm ngành uy tín. Sự phủ sóng này cung cấp cho các hệ thống AI những câu trả lời mới cho các truy vấn phụ về độ tin cậy và tin tức mới nhất của thương hiệu bạn.Tham gia vào các diễn đàn cộng đồng
- : Cung cấp các câu trả lời hữu ích trên Reddit, Quora và các diễn đàn khác, đặc biệt là ở những nơi mà các cuộc thảo luận liên quan đến các ý định truy vấn phụ phổ biến, để khuyến khích các hệ thống AI tham khảo ý kiến của bạn trong các câu trả lời.6. Tối ưu hóa cho các truy vấn thương mại
Tối ưu hóa cho các truy vấn thương mại bằng cách giải quyết các truy vấn mở rộng mà các hệ thống AI tạo ra về các đặc điểm của sản phẩm của bạn, như màu sắc, kiểu dáng, giá cả, khả năng có kế hoạch miễn phí hoặc giờ hoạt động, nếu có liên quan. Việc này giúp các hệ thống AI thường xuyên đề xuất sản phẩm của bạn trong các phản hồi liên quan.
Các chiến thuật để tối ưu hóa cho các truy vấn mở rộng thương mại bao gồm:
Giải quyết trực tiếp các truy vấn mở rộng tiềm năng.
- Giải quyết trực tiếp các truy vấn fan-out tiềm năng bằng cách thêm nội dung liên quan vào các trang sản phẩm và dịch vụ của bạn. Ví dụ, nếu bạn đã xác định “[tên sản phẩm] chính sách hoàn tiền” là một truy vấn tiềm năng, bạn có thể thêm một câu hỏi như “Chính sách hoàn tiền cho [tên sản phẩm] là gì?” vào phần câu hỏi thường gặp (FAQs) trong danh sách sản phẩm của bạn, tiếp theo là câu trả lời của bạn cho câu hỏi đó.
- Xuất bản nội dung so sánh để định hình câu chuyện AI về cách mà các sản phẩm của bạn so sánh với đối thủ cạnh tranh trong phản hồi với các truy vấn fan-out như “[sản phẩm của bạn] so với [sản phẩm cạnh tranh] đánh giá”
- Nhận thêm đánh giá từ người dùng, vì chúng giúp xác thực thông tin về sản phẩm của bạn, chẳng hạn như liệu chúng có đúng kích cỡ hay không. Ngôn ngữ đánh giá tích cực cũng có thể ảnh hưởng đến các hệ thống AI để mô tả sản phẩm của bạn một cách thuận lợi hơn. Những tác động này quan trọng nhất khi người dùng đang tích cực nghiên cứu xem sản phẩm của bạn có đáp ứng nhu cầu của họ hay không.
7. Kiểm tra độ bao phủ của các truy vấn phụ
Kiểm tra độ bao phủ của các truy vấn phụ để xác định mức độ nội dung của bạn đáp ứng ý định của các truy vấn fan-out mục tiêu, để bạn có thể thực hiện các bước cải thiện độ bao phủ.
Liệt kê các trang của bạn, sau đó ánh xạ chúng với các cụm chủ đề và các truy vấn fan-out mà bạn đã xác định trước đó. Đánh dấu các truy vấn fan-out mà các trang của bạn hiện tại không đề cập đến.
Tiếp theo, kiểm tra chất lượng nội dung trên các trang mà có đề cập đến các truy vấn fan-out. Chất lượng nội dung của bạn ảnh hưởng đến việc các hệ thống AI có sử dụng các trang của bạn để tạo ra câu trả lời hay không, vì vậy hãy đánh dấu các trang có nội dung mỏng hoặc không liên quan đến các truy vấn phụ mục tiêu của bạn.
Cuối cùng, lấp đầy các khoảng trống mà bạn đã xác định. Tạo các trang mới cho các truy vấn fan-out mà bạn thiếu độ bao phủ. Ngoài ra, cập nhật các trang hiện có để cung cấp các câu trả lời trực tiếp, liên quan hơn cho các truy vấn phụ cần độ bao phủ mạnh mẽ hơn.
Lặp lại kiểm tra độ bao phủ này và tìm kiếm các truy vấn fan-out mới mỗi quý. Việc bảo trì thường xuyên sẽ giúp bạn phát hiện và lấp đầy các khoảng trống nội dung mới khi sở thích của khán giả của bạn phát triển.
Thêm: Nghiên cứu tình huống nhỏ
Như một phần thưởng, đây là một nghiên cứu tình huống nhỏ về cách mà nỗ lực tiếp thị của Stripe thể hiện nhiều nguyên tắc của tối ưu hóa truy vấn fan-out.
Trang web của thương hiệu có các trang giải pháp được điều chỉnh cho các giai đoạn kinh doanh khác nhau, mô hình kinh doanh và trường hợp sử dụng. Tương ứng, các trang này có các phần phụ cung cấp thông tin trực tiếp, chi tiết về các chủ đề liên quan.
Thông tin chi tiết và đa dạng này có khả năng giúp các hệ thống AI nhận ra sự liên quan của Stripe đối với nhiều ý định khác nhau và trích xuất thông tin hữu ích cho các truy vấn fan-out.
Trang web của Stripe cũng đề cập đến các chủ đề liên quan thông qua các nguồn tài nguyên như blog, câu chuyện khách hàng, trung tâm hỗ trợ và phòng tin tức.
Trong hướng dẫn dưới đây, Stripe sử dụng cấu trúc rõ ràng để phân tích một chủ đề phức tạp. Và cung cấp các giải thích trực tiếp, dễ hiểu trong suốt nội dung.
Ngoài trang web của mình, Stripe thường xuất hiện trong các bài báo từ các ấn phẩm và trang tin tức uy tín trong ngành, điều này giúp mở rộng khả năng hiển thị của nó trên web rộng lớn hơn.
Khả năng hiển thị tìm kiếm bằng AI của Stripe vượt trội hơn so với các đối thủ cạnh tranh, theo dữ liệu từ AI Visibility Toolkit. Nhiều yếu tố có thể giải thích điều này, nhưng độ rộng và chiều sâu của nội dung trên trang của thương hiệu, cộng với sự hiện diện rộng rãi bên ngoài trang, có thể đóng vai trò đặc biệt quan trọng.
Đo lường độ bao phủ của bạn về các truy vấn fan-out
Đo lường độ bao phủ của bạn về các truy vấn fan-out bằng một công cụ như AI Visibility Toolkit, công cụ này báo cáo về khả năng hiển thị và câu chuyện của thương hiệu bạn trong các hệ thống AI.
Nhập miền của bạn vào công cụ, và báo cáo Narrative Drivers sẽ cho bạn thấy tỷ lệ chia sẻ giọng nói của bạn cho các truy vấn không có thương hiệu trên các nền tảng tìm kiếm AI. Nói cách khác, tần suất mà các nền tảng này đề cập đến bạn so với (hoặc cùng với) các đối thủ cạnh tranh của bạn cho các truy vấn không chứa tên thương hiệu.
Bạn thậm chí có thể xem liệu thương hiệu của bạn có được đề cập đầu tiên, thứ hai hay ở vị trí thấp hơn trong các phản hồi của các hệ thống AI đối với các yêu cầu cụ thể.
Phần “Key Sentiment Drivers” trong báo cáo Perception của công cụ cung cấp cái nhìn sâu sắc về cách mà thương hiệu của bạn được mô tả trong các phản hồi của AI.
Nỗ lực nhấn mạnh các điểm mạnh và giảm thiểu điểm yếu, để bạn tạo ra nhiều phản hồi tích cực hơn trong các phản hồi của AI. Và cuối cùng thu hút nhiều khách hàng hơn.
Câu hỏi thường gặp
Liệu truy vấn fan-out có áp dụng cho ChatGPT và các LLM khác, hay chỉ cho Google AI Mode?
Truy vấn fan-out áp dụng cho ChatGPT và nhiều LLM khác, không chỉ cho Google AI Mode. Google đã đặt tên cho thuật ngữ này để mô tả kỹ thuật thu thập thông tin của nó cho AI Mode, và ngành công nghiệp đã áp dụng "truy vấn fan-out" như một thuật ngữ chung cho quy trình tương đương trong các LLM như ChatGPT và Claude. Không có công ty nào phát triển các LLM này đã chia sẻ tên riêng của họ cho nó.
AI chạy bao nhiêu truy vấn phụ cho mỗi yêu cầu?
Số lượng truy vấn phụ mà AI chạy cho mỗi yêu cầu phụ thuộc vào độ phức tạp của yêu cầu và sức mạnh của mô hình AI. Một hệ thống AI có thể chỉ chạy một truy vấn phụ cho một yêu cầu đơn giản, nhưng có thể phát động từ 8 đến 20+ truy vấn phụ cho một yêu cầu phức tạp, đặc biệt nếu bạn bật chế độ nghiên cứu sâu của hệ thống.
Các truy vấn fan-out có giống như từ khóa dài không?
Không, các truy vấn fan-out không giống như từ khóa dài. Mặc dù cả hai có thể trông giống nhau, nhưng từ khóa dài là sản phẩm của hành vi tìm kiếm thực tế của con người, là những cụm từ mà mọi người đã gõ vào thanh tìm kiếm. Ngược lại, các truy vấn fan-out là tổng hợp. Các hệ thống AI tạo ra chúng ngay lập tức để truy xuất một số lượng lớn kết quả liên quan nhằm xây dựng các câu trả lời đầy đủ hơn.
Làm thế nào để tôi tìm các truy vấn fan-out cho một chủ đề?
Để tìm các truy vấn fan-out cho một chủ đề, hãy sử dụng các công cụ có thể chạy các yêu cầu liên quan đến nó, và sau đó hiện ra các truy vấn phụ khả thi của chúng. Ví dụ, công cụ AI Visibility Toolkit xấp xỉ các truy vấn con mà các hệ thống AI có thể tạo ra cho các yêu cầu mục tiêu của bạn, trong khi Enterprise AIO cho thấy các truy vấn thực tế của Google ở quy mô lớn.
Schema markup có giúp với việc phân tán truy vấn không?
Schema markup hỗ trợ việc phân tán truy vấn bằng cách thêm các nhãn có thể đọc được bởi máy vào dữ liệu trên các trang của bạn, điều này giúp các hệ thống AI phân tích và trích xuất chính xác. Nó không phải là một công cụ trích dẫn tự nó. Các loại dữ liệu bạn có thể thêm schema markup bao gồm thông tin sản phẩm và dịch vụ, cũng như các câu hỏi và câu trả lời thường gặp.
Phân tán truy vấn ảnh hưởng như thế nào đến các trang thương mại điện tử và sản phẩm?
Phân tán truy vấn ảnh hưởng đến các trang thương mại điện tử và sản phẩm bằng cách xác định các trang mà các hệ thống AI hiển thị khi họ chia nhỏ các truy vấn thương mại thành các truy vấn con về các chi tiết như màu sắc, mẫu mã và giá cả. Những hệ thống này có khả năng tham chiếu và tạo câu trả lời bằng cách sử dụng các trang giải quyết rõ ràng những chi tiết này.
Đưa góc nhìn thành kế hoạch.
Chia sẻ website và mục tiêu để LionTech tư vấn giải pháp phù hợp.
Đăng ký tư vấn ↗