Query Fan Out Nedir? AI Sorunuzu Nasıl Onlarca Aramaya Çeviriyor?
Bir kullanıcı AI aracına tek bir soru soruyor: "küçük bir kafe için hangi POS sistemini almalıyım?" Ekranda tek cevap beliriyor. Ama perde arkasında tek arama olmuyor. Araç o soruyu alıp parçalıyor: "kafe POS sistemleri karşılaştırma", "POS sistemi aylık ücretleri", "yazarkasa POS entegrasyonu zorunlu mu", "küçük işletme POS şikayetleri" gibi birden çok aramaya çeviriyor, hepsinin sonuçlarını toplayıp tek cevapta birleştiriyor. Bu sorgu çoğaltma işleminin adı query fan out ve bence şu anda GEO'nun en az anlaşılan, en çok sonuç doğuran mekanizması.
Neden önemli? Çünkü kullanıcının yazdığı soruya göre içerik üretiyorsanız, aslında cevabı belirleyen aramaların çoğunu hiç hedeflemiyorsunuz demektir. Bu yazıda mekanizmayı, görünürlüğe etkisini ve içerik tarafında ne yapmanız gerektiğini anlatacağım.
Query fan out nedir?
Query fan out, arama destekli bir AI aracının kullanıcının tek sorusunu birden çok alt aramaya genişletmesi demek. Türkçesi için "sorgu yelpazesi" ya da "sorgu çoğaltma" diyebiliriz; tek soru giriyor, arkada bir yelpaze gibi açılıyor.
Mantığı basit: kullanıcının sorusu genelde birden çok bilgi ihtiyacını aynı anda taşıyor. "Hangi POS sistemini almalıyım" sorusunun içinde ürün seçenekleri, fiyatlar, mevzuat, kullanıcı deneyimi ve entegrasyon soruları gizli. Tek bir aramayla bunların hepsine iyi kaynak bulunmaz. O yüzden model soruyu niyetlere ayırıyor, her niyet için ayrı arama yapıyor, dönen sayfaları okuyor ve sentezliyor. Google bu tekniği AI Mode ve AI Overviews anlatımlarında açıkça "query fan-out" adıyla tarif etti. ChatGPT ve Perplexity tarafında da arama destekli cevaplarda aynı desen görülüyor. Araçtan araca ayrıntılar değişiyor ve alt sorguların tamamı her zaman dışarıya gösterilmiyor, bunu dürüstçe söyleyeyim; ama tek soruya çoklu arama davranışı bu araçların ortak çalışma biçimi.
Klasik aramayla farkı şurada: eski dünyada bir anahtar kelime bir sonuç sayfasıyla eşleşiyordu ve siz o eşleşmeyi hedefliyordunuz. Fan out dünyasında kullanıcının yazdığı cümle, cevabı besleyen aramaların yalnızca tohumu. Asıl rekabet, o tohumdan türeyen alt sorgularda dönüyor.
Query fan out adım adım nasıl çalışıyor
Süreci sadeleştirerek dört adıma indireyim.
Birinci adım, niyet çözümleme. Model soruyu okuyup içindeki alt ihtiyaçları çıkarıyor. Bağlam da işe karışıyor: sohbetin önceki mesajları, kullanıcının konumu, bazen geçmiş tercihleri alt sorguların şekillenmesine etki ediyor. Aynı soru iki farklı kullanıcıda farklı yelpaze açabiliyor.
İkinci adım, paralel arama. Türetilen alt sorgular aynı anda aramaya gönderiliyor. Kimi araç kendi indeksini kullanıyor, kimi Bing ya da Google altyapısına yaslanıyor. Her alt sorgu kendi sonuç listesini getiriyor.
Üçüncü adım, kaynak seçimi. Model dönen sayfaların hepsini değil, işine yarayan bölümlerini okuyor. Soruya doğrudan cevap veren, net iddialı, kendi başına ayakta duran pasajlar burada öne çıkıyor. Modellerin bu seçimi nasıl yaptığının ayrıntısı için ChatGPT marka önerileri yazısına bakabilirsiniz; oradaki güven sinyalleri fan out'un bu adımında devreye giriyor.
Dördüncü adım, sentez. Farklı alt sorgulardan gelen parçalar tek akıcı cevapta birleştiriliyor, kaynaklar bazen dipnot olarak iliştiriliyor. Kullanıcı bu dört adımın hiçbirini görmüyor; tek soru sordu, tek cevap aldı sanıyor.
Görünürlük açısından kritik nokta üçüncü adımda: cevaba girmek için kullanıcının sorusunda değil, alt sorguların herhangi birinde güçlü olmak yetiyor. Ana sorguda ilk sayfaya hiç girmeyen bir sayfa, dar bir alt sorunun en iyi cevabı olduğu için sentezde kendine yer bulabiliyor. Bu, oyunun kapısını beklenmedik yerlerden açıyor.
Kimsenin aramadığı sorularda görünmek ne demek?
Burası fan out'un en ilginç sonucu. Klasik SEO'da arama hacmi sıfır olan bir sorgu için içerik yazmak savurganlık sayılırdı; kimse aramıyorsa trafik de yok. Fan out bu hesabı bozuyor, çünkü alt sorguları insan yazmıyor, model üretiyor. Hiçbir kullanıcının arama kutusuna yazmadığı, hacim araçlarında sıfır görünen bir sorgu, modelin yelpazesinde düzenli olarak üretiliyor olabilir. O sorguya iyi cevap veren tek sayfa sizseniz, binlerce kullanıcının gördüğü cevaplara tedarikçi olursunuz; üstelik o sorgu için hiçbir rakibiniz içerik üretmeyi akıl etmemişken.
Varsayımsal bir örnekle somutlaştırayım. Diyelim ki evcil hayvan sigortası satıyorsunuz. Kullanıcılar AI'a "kedime sigorta yaptırmalı mıyım" diye soruyor. Model bu soruyu açarken "kedi ameliyat maliyetleri ortalama", "evcil hayvan sigortası neleri kapsamaz", "yaşlı kedi sigorta yaptırılır mı" gibi alt sorgular üretiyor. "Evcil hayvan sigortası neleri kapsamaz" sorusunu arama hacmi düşük diye kimse yazmamış; siz dürüst, madde madde, istisnalarıyla yazmışsınız. Model kapsam sorusuna kaynak ararken sizin sayfanızı buluyor ve cevabın o bölümü sizin çerçevenizle kuruluyor. Kullanıcının sorduğu soruda rakipleriniz "en iyi sigorta" listeleriyle yarışırken siz yan kapıdan cevaba girdiniz.
Buradan çıkan ders: arama hacmi, fan out dünyasında içerik kararının tek ölçütü olamaz. Hacmi sıfır ama cevap değeri yüksek sorular, bu oyunun en ucuz görünürlük fırsatları. Klasik anahtar kelime araçlarının bu soruları hiç göstermemesi bir kusur değil, sizin lehinize çalışan bir perde: rakipleriniz de aynı araçlara baktığı için aynı körlüğü yaşıyor. Herkesin gördüğü hacimli sorgularda içerik enflasyonu varken, yelpazenin ürettiği görünmez sorular çoğu kategoride bomboş duruyor.
Bir uyarı da ekleyeyim ki yanlış anlaşılmasın: bu, akla gelen her mikro soruya birer sayfa açın demek değil. Değersiz soru yığınıyla site şişirmek, klasik SEO'da nasıl cezalandırıldıysa burada da karşılık bulmuyor. Ölçüt şu: bu soru, kategorimdeki gerçek bir satın alma kararının parçası mı ve ben ona rakiplerimden daha iyi cevap verebilir miyim? İki soruya da evet diyorsanız yazın; hacme bakmayın.
Query fan out nasıl görülür?
"Peki modelin hangi alt sorguları ürettiğini nereden bileceğim?" Meşru soru; kısmen görülebiliyor.
En doğrudan yol, araçların kendi arayüzü. Perplexity cevap üretirken yaptığı aramaları adım adım gösteriyor; ChatGPT'nin arama modu ve derin araştırma tarafı da hangi aramaları yaptığını çoğu zaman listeliyor. Kendi kategorinizin ana sorularını bu araçlara sorup arama adımlarını not etmek, yelpazenin bir kısmını çıplak gözle görmenizi sağlar. Aynı soruyu birkaç kez sorun; alt sorgular değişkendir, tekrar edenler asıl sinyaldir.
İkinci yol, dolaylı gözlem: aldığınız cevapların içindeki bölümlere bakın. Cevap fiyat, kapsam, karşılaştırma, mevzuat gibi katmanlara ayrılıyorsa, her katman büyük ihtimalle ayrı bir alt sorgudan beslendi. Cevabın anatomisi, yelpazenin anatomisini ele verir.
Üçüncü yol, kendi soru yelpazenizi sistematik kurmak: bir ana sorudan modelin türetebileceği alt soruları çıkarıp her birinde kimin göründüğünü test etmek. Elle yapılabilir ama zahmetli; yazının sonunda bunun için bir araç önereceğim.
Bir sınırı da dürüstçe çizeyim: yelpazenin tamamını dışarıdan görmek mümkün değil. Araçların gösterdiği arama adımları gerçek sürecin sadeleştirilmiş hali ve alt sorgu üretimi modelden modele, hatta sürümden sürüme değişiyor. O yüzden hedef, kesin listeyi ele geçirmek değil; kategorinizde tekrar tekrar üretilen soru ailelerini yakalamak. Yüzde yüzü göremezsiniz ama karar vermenize yetecek kadarını görebilirsiniz.
Query fan out için içerik stratejisi
Mekanizmayı içerik kararına çevirelim. Dört çıkarımım var.
Bir: tek dev sayfa yerine soru kapsama alanı kurun. Fan out, cevabı parçalardan topluyor; sizin işiniz her parçaya aday olabilecek net bölümler üretmek. Bu, kategorinizin ana sorusu etrafındaki alt soruları tek tek, doğrudan ve kendi başına ayakta duran bölümlerle cevaplamak demek. Bin kelimelik girizgah değil; başlığı soru olan, ilk iki cümlesi cevabı veren bölümler.
İki: yan niyetleri ciddiye alın. Fiyat, istisna, uyumluluk, "kimler için uygun değil" gibi sorular satış sayfasına yakışmıyor diye genelde yazılmıyor. Oysa yelpazede en sık üretilen alt sorgular tam bunlar. Model kullanıcıya dengeli bir cevap kurmak istiyor ve dengenin eksi tarafını anlatan kaynak bulamayınca, bulduğu tek dürüst kaynağa sarılıyor. Dürüst kapsam ve sınırlama içeriği, fan out çağında görünürlük varlığıdır.
Üç: her bölümü alıntılanabilir yazın. Model bir alt sorgu için sayfanıza geldiğinde aradığı şey, kopyalayıp cevaba taşıyabileceği net bir pasaj. İddia, gerekçe, mümkünse rakam. "Sektör lideri çözümümüz" cümlesi hiçbir alt sorguya cevap değil.
Dört: ölçümü soru düzeyinde yapın. Marka görünürlüğünüzü tek soruyla değil, yelpazenin tamamında izleyin; hangi alt soruda var, hangisinde yoksunuz bilin. Boşluk listesi, içerik takviminizin ta kendisidir.
Toparlarsam: query fan out, tek sorunun perde arkasında çoklu aramaya dönüşmesi ve cevabın bu aramalardan derlenmesi. Görünürlük artık kullanıcının yazdığı cümlede değil, modelin ürettiği sorularda kazanılıyor. Kendi kategorinizde o soruların neler olduğunu ve her birinde kimin göründüğünü merak ediyorsanız, soru yelpazesi aracıyla ana sorunuzdan türeyen yelpazeyi çıkarıp boşluklarınızı birkaç dakikada görebilirsiniz.