查询分发

查询扇出，或称查询扇出效应，是指当你向AI助手提问时发生的过程。引擎并非仅搜索你的原话。它会将你的提示重写为多个相关搜索，并行执行，并将结果综合成一个答案。这是ChatGPT、Gemini、Google AI概览、Claude和Perplexity背后的核心流程。

对于营销人员而言，这改变了游戏规则。你不再仅仅针对单一关键词进行优化。你需要针对引擎认为构建可信答案所必需的一系列子查询集群。如果你的内容未能回应这些子查询，它被找到和引用的可能性就会降低。

在传统SEO中，一次搜索会返回十个蓝色链接。而在AI搜索中，答案是一个带有引用的段落。引擎对子查询的选择决定了它会打开并参考哪些页面。如果你的页面与引擎内部的搜索逻辑不匹配，即使它在原始提示词下排名很好，也依然不可见。

理解查询扩散是答案引擎优化的第一步。它能让你从猜测写什么，转变为洞察模型所使用的精确语言和意图。这无关乎操纵系统，而是关乎创建真正满足引擎研究过程的内容，使其成为一个更可靠的信息源。

Mentionry 为您解读查询扇出。当您添加一个提示进行追踪时，Mentionry 每天会将其提交到选定的答案引擎一次。它会捕获完整的答案文本、每一个引用，以及至关重要的、模型在生成答案过程中运行的每一次搜索。这些扇出查询会被存储并显示在您的仪表板上。

查询扇出界面位于 /dashboard/fanouts，负责整理这些数据。您会看到每个被追踪的提示，以及在其下方列出的、引擎生成的每一个子查询变体。该工具会显示每个变体在多次读取中出现的频率，帮助您识别引擎偏好的措辞方式。

打开查询扩散界面，按核心产品主题进行筛选，例如‘最佳项目管理软件’。查看该提示在ChatGPT、Gemini和Google AI概览中生成的子查询。你会发现一些规律：一个引擎可能搜索‘功能’，另一个则搜索‘价格比较’。针对每个不同的子查询集群，起草你落地页的相应部分。

对于你正在更新的博客文章，检查其目标问题的扩散情况。如果你看到新的日期标记或引擎添加的如‘AI原生’等新兴术语，你就知道需要更新页面以保持其作为引用来源的相关性。

当竞争对手被引用而你没有时，分析该答案的扩散查询。找出其页面出现而你页面未出现的具体搜索短语。这揭示了内容缺口，而不仅仅是关键词缺口，你可以通过详细的常见问题解答或对比表格来填补。

特定子查询的高重复率意味着引擎可靠地使用了该搜索模式。这是一个强烈信号，表明应优先为该短语创建内容。低重复率可能表示这是一种实验性或不太常见的改写。

词语转换揭示了用户意图。如果引擎总是在你关于会计软件的提示后添加‘适合小型企业’，这表明它解读出了更广泛的受众需求。你的内容应明确针对该细分群体。

请记住，这些数据是引擎在你追踪的提示下，于Mentionry抓取当天所运行的搜索。它们是引擎行为的一个样本。引擎可能在不同时间或针对不同用户生成不同的扩散查询。此处数据不保证未来的排名或引用结果。它只是窥探引擎当前研究逻辑的一个窗口。

这不是一个预测工具。它记录的是已发生的情况，而非未来将发生什么。它不会为你尚未追踪的提示生成扩散查询。

该功能已上线并可完全使用。在您计划内的提示额度中，没有特定的使用限制。然而，它仅适用于那些公开其内部搜索步骤的引擎。截至目前，Mentionry 能够捕获来自 ChatGPT、Gemini、Google AI Overviews、Perplexity 和 Claude（在可用时）的查询扩散数据。对于不公开此类数据的引擎，它无法显示扩散情况。

查询扇出功能适用于Mentionry的所有套餐，包括免费的七天试用。在试用期间，您可以每天追踪向ChatGPT、Gemini和Google AI Overviews提交的50条提示，并查看每条提示的扇出结果。

每月99美元的Starter套餐，包含针对一个品牌在这三个引擎上的每日数据读取。Enterprise套餐则提供最多九个答案引擎的数据读取，并可根据报价定制提示数量、区域和语言。