クエリファンアウトとは
AI検索の内部の仕組み
ChatGPTやGoogleのAI Modeに質問を打ち込むと、まとまった1つの回答が返ってきます。利用者の体感は「1つ質問して、1つ答えが返る」ですが、その内側では検索がもっと複雑に動いています。AI検索は、入力された質問をそのまま1回検索するのではなく、内部で複数の関連する問い（サブクエリ）に分解し、並列で検索して結果を組み立てています。
この仕組みがクエリファンアウト（query fan-out）です。本記事では、Googleが公開している特許資料を一次ソースとして内部構造を読み解き、生成されるサブクエリの種類、ページが「チャンク」単位で引用される理由、そしてAI検索に引用されるために本当に必要なコンテンツ設計を整理します。
- AI検索（AI Mode・AI Overviews）は、ユーザーの1つの質問を内部で複数の合成クエリへ分解し、並列に検索して回答を統合する。これがクエリファンアウトで、Googleの特許「Search with Stateful Chat」に記述されている
- AIはページ全体ではなく、サブクエリに合致するページ内の部分（チャンク）を単位として引用先を選ぶ
- 対策はAI専用の小細工ではなく、想定されるサブクエリへ漏れなく答える網羅性と、クロール可能性・独自性という従来SEOの土台
01.クエリファンアウトとは
クエリファンアウトの「ファンアウト（fan-out）」は、1つの入力が扇状に複数へ広がる様子を指す言葉です。AI検索の文脈では、1つのユーザークエリが内部で複数のサブクエリへ広がっていく動きを表します。
クエリファンアウトとは、AI検索が1つのユーザークエリから複数の関連サブクエリを自動生成し、それぞれを並列に検索したうえで、得られた結果を統合して1つの回答を組み立てる仕組みです。利用者が入力するクエリは1つでも、その裏では複数の検索が同時に走っています。
従来のキーワード検索は、入力された語に最も一致するページを順位づけして並べるものでした。AI検索はそこから一歩進み、質問に対する完結した回答そのものを生成しようとします。1回の検索で得られる情報だけでは回答を組み立てきれないため、1つの質問を複数のサブクエリへ分解し、足りない情報を補いながら回答を構成するという段取りが必要になります。
02.なぜAI検索は「1問1答」で検索しないのか
利用者が打ち込む質問は、たいてい言葉足らずです。「BtoB向けのSEOツールを知りたい」と入力する人の頭の中には、価格、無料プランの有無、自社の規模に合うか、競合製品との違い、導入事例といった観点が暗黙のうちに含まれています。しかし、それらは検索窓には書かれません。
従来の検索なら、利用者はこの不足を自分で埋めていました。1回検索して結果を眺め、足りない観点に気づいて検索し直す、という往復です。AI検索は、この往復をシステム側が肩代わりします。1つの質問から、利用者が言語化していない観点まで含めてサブクエリを生成し、まとめて検索するわけです。
たとえば「BtoB向けのSEOツールを知りたい」という入力からは、次のような問いが内部で派生し得ます。
- BtoB向けのSEOツールにはどんな種類があるか
- 主要なSEOツールの料金体系はどうなっているか
- 無料で試せるSEOツールはあるか
- SEOツールごとの機能の違いは何か
- 小規模な事業者でも使えるSEOツールはどれか
利用者は1つしか質問していませんが、AI検索はこうした複数の問いを並列に検索し、その結果を1つの回答にまとめます。AI検索の回答は、複数の検索結果を編集して組み立てられた合成物だと理解すると、後述する対策の方向が見えやすくなります。
03.Google特許が描くAI検索の内部構造
クエリファンアウトという仕組みは、Googleが公開している特許資料の中で具体的に記述されています。AI検索が回答を組み立てる流れを記述した特許のひとつとして知られるのが、Google LLCが出願し2024年8月29日に公開したUS20240289407A1「Search with Stateful Chat」です。
この特許は、ユーザーの質問から「追加クエリ（additional queries）」や「合成クエリ（synthetic queries）」を生成し、それらを検索エンジンに投げて関連文書を取得したうえで、大規模言語モデルで回答を組み立てる流れを記述しています。追加クエリの性格について、特許は次のように説明しています。
Additional/alternative queries may be, for instance, alternative query suggestions, supplemental queries, rewritten versions of the user's query, and/or "drill down" queries.（追加・代替クエリとは、たとえば代替的なクエリ候補、補足的なクエリ、ユーザーのクエリを書き換えたもの、あるいは「掘り下げ」クエリなどである）
Google LLC, US20240289407A1 「Search with Stateful Chat」
特許名にある「Stateful Chat（状態を保持する対話）」が示すとおり、この仕組みは複数のやり取りをまたいでユーザーの文脈を保持します。直前の質問や、それまでに表示した内容を踏まえて、次の回答を組み立てられるようにする設計です。1回ごとに独立した検索を返す従来型とは、ここが大きく異なります。
もう1つ関連するのが、検索結果の扱い方を記述した特許US12158907B1「Thematic Search」です。これは、検索で集めた文書をそのまま並べるのではなく、文章の一部（パッセージ）を要約し、テーマごとのまとまりに分類する仕組みを描いています。AIが回答を組み立てるとき、ページを丸ごと扱うのではなく、テーマ単位の小さなまとまりを扱っていることを示す資料です。これは後述する「チャンク単位の引用」の裏づけになります。
集めた文書をテーマごとに整理するだけでなく、そのなかからどのチャンクを優先するかを記述した特許もあります。2025年4月17日に公開されたUS20250124067A1「Method for Text Ranking with Pairwise Ranking Prompting」です。この特許は、クエリと2つのテキストを大規模言語モデルに渡し、「この質問にはどちらがより的確に答えているか」を1対1で比較させてランク付けする手法を記述しています。多くの候補をまとめて順位づけするのではなく、ペアの比較を積み重ねて序列を組み立てる設計です。AIが、検索で集めた情報のうちどれを回答に使うかを選び分ける段階を描いた資料といえます。
なお、Googleはサブクエリの生成に関連する技術として、少数の例文から大規模言語モデルで合成クエリを大量に生成する仕組みの特許（WO2024064249A1、PROMPTAGATOR）も公開しています。こちらは検索回答そのものではなく、文書検索モデルを訓練するための合成クエリ生成を扱う技術で、AI Modeのファンアウトとは役割が異なります。ただ、Googleが「LLMで多様なクエリを生成する」基盤技術を複数の角度から持っていることを示す資料ではあります。
特許は、その企業が出願した発明の内容を示す資料です。実際のサービスがその記述どおりに、一字一句同じ形で動いている保証はありません。本記事も「特許に記述された設計」と「実際に観測されるAI検索の挙動」を分けて扱っています。特許は内部構造を推測する確度の高い手がかりですが、確定した仕様書ではない、という前提で読むのが正確です。
04.生成されるサブクエリの種類
前章で引用した特許の記述をもとに、ファンアウトで生成されるサブクエリを性格ごとに整理すると、次のようになります。1つの質問が、これら複数の方向へ同時に枝分かれしていきます。
| サブクエリの種類 | 性格 | 「SEOツールを知りたい」からの例 |
|---|---|---|
| 言い換えクエリ | 同じ意図を別の語・表現で問い直したもの | 検索順位を調べるツールは何か |
| 補足クエリ | 回答を完成させるために必要な周辺情報を補うもの | SEOツールの料金体系はどうなっているか |
| 掘り下げクエリ | 元の質問より具体的・詳細な下位の問い | 小規模事業者向けのSEOツールはどれか |
| 代替候補クエリ | 元の質問に関連する、別の角度からの問い | SEOツールの主要な機能の違いは何か |
重要なのは、これらのサブクエリの多くが、利用者が実際には検索窓に打たない問いだという点です。とくに掘り下げクエリや補足クエリは、特定の状況や前提に踏み込んだニッチな問いになりやすく、そもそも正面から答えているコンテンツが世の中に少ないことがあります。
裏を返せば、競合がまだ正面から答えていないサブクエリに、明確に答えているコンテンツは、AI検索の回答を組み立てる際の引用元として選ばれやすくなります。検索ボリュームの大きい主クエリだけを見ていると、この機会を取りこぼします。
05.ページは「チャンク」単位で引用される
クエリファンアウトを理解すると、AI検索での評価のされ方が、従来の検索順位とは違うことが見えてきます。従来のSEOは「このページが、このキーワードで何位か」を単位に考えてきました。AI検索は、サブクエリごとに最も的確に答えている情報を集めるため、評価の単位がもっと細かくなります。
前述の「Thematic Search」特許が示すとおり、AIは集めた文書をパッセージ単位で要約し、テーマごとに整理します。つまりAIが見ているのは、ページ全体というより、特定のサブクエリにぴたりと答えているページ内の一部分（チャンク）です。ページ全体としては網羅的な大作でも、個々のサブクエリに対して明快に答える段落がなければ、その質問の回答には使われません。逆に、ページ全体の検索順位がそれほど高くなくても、あるサブクエリに対して的確に答える段落があれば、その部分が引用される可能性があります。
さらに前述の「Pairwise Ranking Prompting」特許は、こうして見つけたチャンクのうちどれを使うかを、AIが2つずつ突き合わせて決める仕組みを描いています。あるサブクエリに対するチャンクは、一定の基準を満たせば採用されるのではなく、ほかのチャンクとの相対比較で序列がつくということです。同じ問いに答えている段落が複数あれば、そのなかで相対的に的確なものが引用先として残ります。自社の段落が選ばれるかどうかは、競合する段落と比べてどれだけ的確かによって決まります。
この「チャンク」を意識すると、本文の書き方に具体的な指針が出てきます。各見出しの直下で、その見出しが表す問いに対して結論から答える。1つの段落は1つの論点に絞り、前後の文脈に依存しなくても意味が通るようにする。こうした構成は、AIにとってチャンクを切り出しやすくするだけでなく、人間の読者にとっても読みやすい本文になります。AI向けに本文を不自然に分割し直す必要はありません。
06.クエリファンアウト時代のコンテンツ設計
サブクエリに漏れなく答えるには、1ページの中に多様な観点を盛り込む方法と、テーマごとに記事を分けて相互に内部リンクで結ぶ方法（トピッククラスター）の2つがあります。どちらが正解かは、サブクエリの主題によって変わるため一概には言えません。
| 設計の方針 | 向いている状況 | 注意点 |
|---|---|---|
| 1ページに観点を集約する | サブクエリが1つの主題の中で完結し、読者も一度に知りたい場合 | 1見出し1論点を守らないと、どの問いにも中途半端な本文になる |
| トピッククラスターで分ける | サブクエリがそれぞれ独立した主題に発展し、深掘りが必要な場合 | 親記事と子記事の役割分担と内部リンクの設計が前提になる |
どちらの方針を採るにせよ、共通して効くのは、各見出し・各段落が特定の問いに対して自己完結的に答えている状態を作ることです。トピッククラスターの考え方や、サイト内の記事をどう構造化するかは、別記事で詳しく整理しています。あわせてご覧ください。
トピッククラスターとは？SEOで効くサイト構造の作り方
親となるピラーページと、関連する子記事を内部リンクで結ぶトピッククラスターの考え方と作り方を整理しています。
サブクエリの存在は、コンテンツの「深さ」の価値も裏づけます。誰でも書ける一般論は、AIがすでに学習データとして持っているため、わざわざ検索して引用する動機が生まれにくい情報です。一方、特定の事例・状況・データに踏み込んだ記述は、ニッチなサブクエリに正面から答える情報になり得ます。AI検索に引用されるコンテンツの条件は、GEO・LLMOの観点として別記事で整理しています。あわせてご覧ください。
GEO・LLMO・AIOの違いとは？AI検索最適化とSEOの関係を整理
AI検索で引用・言及されるための基本設計と、SEOとの関係、効果測定の考え方を整理しています。
07.よくある誤解と実務的な対応
クエリファンアウトという仕組みを知ると、「AI検索のための新しい専用施策が必要だ」と考えたくなります。しかし、ここにはいくつかの誤解が紛れ込みやすいため、整理しておきます。
| よくある誤解 | 実際のところ |
|---|---|
| ファンアウト対策には専用のマークアップやファイルが要る | Googleは生成AI検索向けの公式ガイドで、AI専用ファイルや特別な構造化データは不要だと整理している。土台はクロール可能性と独自性のある本文 |
| サブクエリごとにページを量産すれば引用が増える | 検索バリエーションごとの薄いページの量産は、スパムに関するポリシー上の大量生成と見なされ得る。1ページ内で見出し単位に答える方が安全 |
| 検索順位が高ければAI検索でも引用される | 順位が高いページは引用されやすい傾向はあるが、必ず引用されるとは限らない。評価の単位はページではなくサブクエリに合致するチャンク |
3つ目の誤解は、相関と因果の取り違えに通じます。「検索上位のページがAIに引用されやすい」という傾向が観測されても、それは上位表示そのものが引用の原因だと証明したわけではありません。上位表示と引用のどちらも、本文の質という共通の要因によって引き起こされている、と考えるほうが自然です。順位を操作的に上げれば引用が増える、という発想は危ういものです。
実務的な対応は、AI検索専用の特殊な作業ではなく、従来SEOの基本の延長線上にあります。Googleが公開した生成AI検索向けの最適化ガイドの内容は、別記事で詳しく整理しています。あわせてご覧ください。
Googleが生成AI検索の最適化ガイドを公開｜AIOで本当に必要な対策とは
llms.txtや専用マークアップは不要とした内容と、推奨される従来どおりのSEOの基本を整理しています。
- ✓ robots.txtやCDNの設定で、検索系のAIクローラーを意図せずブロックしていないか確認する
- ✓ 主クエリだけでなく、そこから派生する補足・掘り下げのサブクエリを洗い出す
- ✓ 各見出しの直下で、その見出しが表す問いに結論から答える構成にする
- ✓ 1段落1論点を守り、前後の文脈に依存しなくても意味が通るようにする
- ✓ 誰でも書ける一般論ではなく、事例・データ・実務判断など独自の情報を含める
- ✓ AI経由の流入の規模はGA4の「AIアシスタント」チャネルで定点観測する
AI経由の流入をGA4でどう計測するかは、別記事で詳しく整理しています。あわせてご覧ください。
GA4の「AIアシスタント」チャネルとは？AI流入を計測する仕組みと限界
GA4のデフォルトチャネルグループに追加されたAIアシスタントチャネルの仕組みと、計測の限界を整理しています。
サブクエリに漏れなく答えるコンテンツ設計を、一緒に整えませんか？
TANTOUでは、検索意図とサブクエリの設計、独自性の高い記事制作、技術SEO、公開後の計測まで、AI検索時代のコンテンツ運用を一気通貫で支援します。
08.よくある質問（FAQ）
クエリファンアウトと、従来のクエリ拡張（query expansion）は同じものですか？
近い概念ですが、同じではありません。従来のクエリ拡張は、同義語の追加や表記ゆれの吸収など、検索エンジン内部で1つの検索の精度を高める処理が中心でした。クエリファンアウトは、大規模言語モデルが回答を生成するために、互いに独立した複数のサブクエリを生成し、それぞれを並列に検索して結果を統合する点が異なります。目的が「1つの検索の改善」ではなく「1つの回答の組み立て」にある、と整理すると違いが見えます。
クエリファンアウト対策に、専用の構造化データやllms.txtは必要ですか？
必要ありません。Googleは生成AI検索向けの公式ガイドで、AI専用ファイルや特別なschema.orgマークアップは不要だと説明しています。クエリファンアウトへの対応も、想定されるサブクエリへ漏れなく答える本文の網羅性と、クロール可能性・独自性という従来SEOの土台で達成できます。専用ファイルの設置より、コンテンツそのものの質に投資するのが本質的な対策です。
サブクエリを狙って、その数だけページを作るべきですか？
避けたほうがよい方法です。想定される検索パターンごとに薄いページを量産すると、ランキングや生成AIの回答を操作する目的の大量生成と見なされ、スパムに関するポリシーに抵触する可能性があります。基本は、1つのページの中で見出し単位にサブクエリへ答える構成にし、主題が独立して深掘りが必要なものだけを別記事に切り出します。ページ数ではなく、各見出しが問いに自己完結的に答えているかが重要です。
クエリファンアウトはGoogleだけの仕組みですか？
Googleに限りません。ChatGPTの検索機能やPerplexityなど、ほかのAI検索も、1つの質問を複数のサブクエリへ展開して回答を組み立てる類似の仕組みを持つとされています。本記事でGoogleの特許を取り上げたのは、内部構造を具体的に確認できる一次資料として参照しやすいためです。各サービスの実装の細部は異なりますが、「1つの質問を複数の検索に分解する」という考え方は共通しています。
ファンアウト経由で自社サイトに来た流入は計測できますか？
どのサブクエリから引用されたか、という内訳までは計測できません。AI検索の内部処理は外から見えないためです。一方、AI経由でサイトを訪れた流入の規模は、GA4のデフォルトチャネルグループに追加された「AIアシスタント」チャネルで、ある程度まで定点観測できます。サブクエリ単位の精緻な分析はできないと割り切り、まずはAI経由の流入が増えているかどうかを継続的に見るのが現実的です。
09.まとめ
クエリファンアウトは、AI検索が1つのユーザークエリを複数のサブクエリへ分解し、並列に検索して回答を統合する仕組みです。Googleの特許「Search with Stateful Chat」は、ユーザーの質問から追加クエリ・合成クエリを生成して検索する流れを記述しており、「Thematic Search」特許は、検索結果をテーマ単位で扱うことを示しています。AI検索の評価対象は、1ページの順位ではなく、サブクエリに合致するページ内のチャンクです。
この仕組みを踏まえても、やるべきことはAI専用の小細工ではありません。想定されるサブクエリを洗い出し、各見出しの直下でその問いに自己完結的に答える。誰でも書ける一般論ではなく、独自の事例やデータを含める。クロール可能性を保つ。こうした従来SEOの基本の延長が、そのままクエリファンアウトへの対応になります。
