AI 検索は 1 回の質問で何回検索するのか — Query Fan-out の正しい読み方

• 最終検証日：2026年8月13日
• Methodology バージョン：2026.08.51（訂正）
• 本文中の「2026.08.xx」：その訂正を行った判断基準の版の番号です。公開した版は書き換えず、訂正は新しい版として残しています
• 位置づけ：SILVE の解釈モデル。Query Fan-out 自体は Google 公式の技術です
• 関連記事：7 段階の整理 / 露出を分けて測る / エンティティの整理

先に結論から書きます

この記事で最も重要なのは、Query Fan-out を知った人が最初に思いつく施策について、Google 自身が条件付きで名指しの警告を出していることです。

While it might be tempting to create separate content for every possible variation of how people might search (for example, by focusing on other queries that people have asked, or fan-out queries), doing so primarily to manipulate rankings or generative AI responses in Google Search violates Google's scaled content abuse spam policy. This is also an ineffective long-term strategy, as a high quantity of pages doesn't make a website higher quality or more relevant to users.

条件を落とさずに読んでください。 Google が違反としているのは「fan-out クエリごとにページを作ること」そのものではなく、順位や生成 AI の回答を操作することを主目的として、検索の変化形や fan-out クエリごとに別コンテンツを大量に作ることです。

そのうえで、長期的にも効果がなく、ページ数の多さはサイトの品質にもユーザーにとっての関連性にも寄与しないと続けています。

つまり「Query Fan-out 対策」として記事を量産する施策は、意図の面でスパムポリシーに触れ得ます。

そのうえで Google は、これを an ineffective long-term strategy とし、理由をこう書いています。

a high quantity of pages doesn't make a website higher quality or more relevant to users

★ ここは 2026.08.51 で射程を直しました。 以前は「仮に意図が純粋でも効果が否定されています」と書いていましたが、Google が否定しているのは「ページ数を増やすこと自体」が品質や関連性の向上につながるという考え方です。本当に別々のユーザーの必要に応える独立したページを作ることまで否定していません。

したがって言えるのはこうです。ページ数を増やすこと自体を、品質や関連性が上がる根拠にはできません。別ページにするなら、それぞれに独立したユーザー価値が要ります。

この記事の残りは、なぜそうなるのかの説明です。

Query Fan-out とは何か

Google の定義はこうです。

Query fan-out: A set of concurrent, related queries generated by the model to request more information and fetch additional relevant search results to address the user's query.

モデルが生成する、同時並行の関連クエリ群です。Google 自身が挙げている例が分かりやすい。

「how to fix a lawn that's full of weeds（雑草だらけの芝生を直すには）」という質問に対して、fan-out クエリは次のようになり得る、とされています。

• best herbicides for lawns（芝生に適した除草剤）
• remove weeds without chemicals（薬剤を使わず雑草を除去する）
• how to prevent weeds in lawn（芝生で雑草が生えるのを防ぐ）

1 つの質問が、複数の情報要求へ分解されています。

AI Overviews と AI Mode の両方が使い得る

別のページにこう書かれています。

Both AI Overviews and AI Mode may use a "query fan-out" technique — issuing multiple related searches across subtopics and data sources — to develop a response. While responses are being generated, our advanced models identify more supporting web pages, allowing us to display a wider and more diverse set of helpful links associated with the response than with a classic web search.

ただし同じ文書が続けてこう書いています。

AI Mode and AI Overviews may use different models and techniques

「Google の AI 検索の Fan-out は 1 つのアルゴリズム」と考えてはいけません。

何回検索するのか — 公開されていません

タイトルの問いへの答えです。固定された検索回数は Google から公開されていません。

公開資料の表現は「concurrent, related queries」「multiple related searches」「a multitude of queries」であり、「1 質問につき必ず 5 回」「平均 12 回」のような値は示されていません。

さらに 2025 年 11 月 18 日、Google は Gemini 3 を Search へ導入した際にこう述べています。

Now, not only can it perform even more searches to uncover relevant web content, but because Gemini more intelligently understands your intent it can find new content that it may have previously missed.

検索回数はモデルの更新で変わります。 これは Google 自身が Gemini 3 の導入時に「以前より多くの検索を実行できるようになった」と述べていることから直接言えます。

ただし「質問ごとに何回」「AI Overviews と AI Mode で平均何回違う」といった仕様は公開されていません（2026.08.51 で限定）。 確認できるのは固定 N 回の公開仕様として扱えないことまでで、何が回数を決めるかの内訳は分かりません。

したがって「Fan-out は平均○回」という数字を見たら、出典を確認してください。 Google の公開資料には無い値です。

何が変わるのか — 層が 1 つ増える

従来の SEO でも「ユーザーは何と検索するか」は重要でした。それは変わりません。 変わるのは、その下にもう 1 層あることです。

ユーザーの質問
   ↓
回答に必要な情報要求（サブトピック）
   ↓
システムが生成する fan-out クエリ
   ↓
それぞれの検索から取得される情報源

サイト側から見ると、ユーザーが直接入力していないクエリを経由して発見される可能性があるということです。

完全一致でなくても関連性は理解される

ここで「Fan-out されそうな語句を全部見出しに入れる」と考えたくなります。しかし同じガイドにこう書かれています。

Google's AI systems have advanced even further and improved upon our ability to understand the relevance of pages, even when there is no exact match between the query and the page's primary content.

Google の AI システムは、同義語や求めていることの一般的な意味を理解し、まったく同じ語を使っていないコンテンツとも結び付けられると説明されています。そのうえで「ロングテールの語句が足りない、あらゆる言い回しを網羅できていない、と心配する必要はない」と明記しています。「東京 雨 子連れ 3歳 6歳 半日 おすすめ」のような語句の詰め込みは Fan-out 対策ではありません。

では何を最適化するのか

ここからは SILVE の解釈です。Google がそう言っているわけではありません。

Fan-out の存在を前提にすると、コンテンツを見る単位をキーワードから情報要求へ広げる必要があります。

「初めて法人向け CRM を導入したい」という課題なら、必要になる情報は CRM とは何か・対象規模・価格・初期費用・機能・セキュリティ・連携・移行・サポート・比較・試用と、複数に分かれ得ます。

1 ページですべてを扱う必要はありません。 しかしサイト全体として、そのタスクを構成する主要な情報要求をどの程度カバーしているかは重要になります。

ただし「網羅数」をスコアにしない

SILVE は「Fan-out クエリを何個網羅したか」という指標を作りません。 内部クエリが公開されていないからです。測れないものを測ったことにはできません。

巨大な 1 記事にすればよい、でもない

Fan-out が複数のサブトピックを検索するなら「全部 1 記事に入れればいい」とも言えません。

重要なのは記事数でも文字数でもなく、各情報要求に対して質の高い内容が存在し、サイト内から発見できることです。Google も重要なコンテンツを内部リンクで見つけられるようにすることを基本として推奨しています。

量産が逆効果になる理由

冒頭の引用に戻ります。

CRMとは
CRM 意味
CRMとは簡単に
CRMとは初心者
CRMの意味
CRM入門

これを全部別 URL で作る。 これが最も典型的な失敗です。

Google のシステムは完全一致でなくても関連性を理解できるとされており、ページ数の多さは品質にも関連性にも寄与しないと明記されています。そして順位や生成 AI の回答を操作する目的でこれを行えば、スパムポリシーに抵触し得ます。

SILVE はキーワード変化形の網羅より、情報要求の充足を優先します。

「細かく分割すれば AI が引用しやすい」も別問題

「LLM は短いチャンクを扱うから文章を細切れにすべき」という説明があります。しかし Google のガイドは AI 検索向けの特殊な整形を要求していません。

むしろ同じガイドが「コンテンツを細かく分割する必要はない」と明記しています（構造化データの記事で扱った「Chunking」の項目）。Fan-out があるからチャンク化する、という因果は成立しません。

ロングテール SEO と同じではない

似ていますが同一ではありません。

重なりますが、同じ概念として扱いません。

トピッククラスタの正しさを証明するものでもない

Fan-out は複雑な質問が複数のサブトピックへ分解されることを示すので、トピックのカバレッジを考える根拠にはなります。

しかし「トピッククラスタ構造にすると AI Mode で順位が上がる」という Google 公式の根拠ではありません。 SILVE はトピック設計を運用上の原則として扱い、Fan-out ランキング要因とは呼びません。

小規模・専門サイトにとっての含意

Google は Fan-out によって、クラシックな Web 検索よりも幅広く多様な有用リンクを提示でき、新しい探索の機会が生まれると説明しています。Gemini 3 の更新でも「以前は見落としていた内容を見つけられる」とされています。

★ ここからは SILVE の含意であって、Google が述べた事実ではありません（2026.08.51 で明示）。

Google が言っているのは、Fan-out によって従来の検索より幅広く多様な有用リンクが得られること、新しい探索の機会が生まれること、Gemini 3 ではこれまで見逃していたコンテンツを見つけられることまでです。

そこから SILVE が導く含意はこうです。主要な表層クエリだけでは見えにくかった専門ページが、分解されたサブトピック経由で候補になる可能性があります。 ただし従来の検索順位との関係は公開されていません。 「順位が低くても拾われる」とは書けません。

ただし「ニッチ記事なら AI Mode に出やすい」という保証ではありません。 可能性が生まれる、という以上のことは公式資料から言えません。

Fan-out クエリを調べればよいのか

問題があります。 Google は Fan-out の存在と例は公開していますが、特定のユーザー質問から実際に生成したクエリの一覧をサイト運営者へ公開していません。

2026 年 6 月に導入された Search Console の生成 AI レポートのうち、Search 向けのもので提供されるのは、インプレッション・ページ・国・デバイス・日付です。クエリの次元は含まれていません。

Discover 向けのレポートは別にあり、そちらにデバイスの次元はありません（2026.08.51 で限定）。 「生成 AI レポート一般にデバイスがある」とは書きません。

したがって「あなたの Fan-out キーワード一覧を完全取得します」というツールがある場合、それが Google の一次データなのか、第三者による推定なのかを確認する必要があります。

SILVE は推定された Fan-out クエリを正解として採点しません。

それでも Fan-out を考える価値はある

内部クエリが見えなくても、ユーザーのタスクを分解することはできます。

「初めて東京で一人暮らしする大学生に必要なもの」なら、家具・家電・回線・光熱・引越・予算・防犯・エリア・契約といった下位タスクが存在します。

これは Google の内部クエリを当てるゲームではありません。ユーザーの情報要求を理解する作業です。 そしてこちらのほうが、モデルが更新されても古くなりません。

実務の順番

1. 主要なユーザータスクを定義する — キーワードではなく「何を達成しようとしているか」
2. 必要な情報要求へ分解する — 何を / 誰が / なぜ / いくら / セキュリティ / 連携 / 比較 / 導入 / サポート
3. 現在のコンテンツを対応づける — 十分 / 不足 / 古い / 重複 / 一次情報なし
4. 意味のある欠落だけを埋める — 「クエリの変化形があるから」ではなく「判断に必要なのに自社に無いから」
5. 内部リンクで関係を明示する — 関連コンテンツを孤立させない

他の層とつながる

エンティティ — 同じブランドについて価格・セキュリティ・連携・評判が別々に取得されるなら、ページごとに情報が矛盾していれば機械側で追加の解決が必要になります（エンティティの記事）。

鮮度 — 「今買えるおすすめ」なら価格・在庫が必要ですが、「ピタゴラスの定理とは」では鮮度はさほど重要ではありません。分解される情報要求によって必要なデータ品質が変わります。

引用 — Fan-out された検索で取得されても、最終回答で引用されるとは限りません。取得と引用は別の段階です（露出を分けて測る）。

Query Fan-out は引用のテクニックではなく、取得側のアーキテクチャの一部です。

SILVE は Fan-out スコアを作らない

理由は 4 つです。

1. 実際の内部クエリを観測できない
2. 検索回数も公開されていない
3. Fan-out は Google 側の取得技術であって、サイト側のシグラルそのものではない
4. 既存のコンテンツ網羅・関連性・内部リンク・クロール可能性と重複する

「Query Fan-out 対応度 85%」のような表示もしません。 何をもって対応済みとするかの公式な要件が存在しないからです。

代わりに、Fan-out は既存シグナルの意味を解釈する枠組みとして使います。複雑なタスクに必要なサブトピックが欠けていないか。関連コンテンツへ到達できるか。各サブトピックに独自の価値があるか。ページ間で情報が矛盾していないか。時間依存の情報が最新か。

まとめ

• Query Fan-out は Google 公式の技術です。 1 つの質問から同時並行の関連クエリを生成します
• AI Overviews と AI Mode の両方が使い得ますが、同じモデル・同じ手法とは限りません
• 検索回数は公開されていません。 モデルの更新で変わります。「平均○回」という数字は Google の資料には無い値です
• 完全一致でなくても関連性は理解されると Google が説明しています
• 順位や生成 AI の回答の操作を主目的として、fan-out クエリごとに別コンテンツを量産することを Google が名指しで警告しています。 スパムポリシーに違反するとされ、しかもページ数の多さは品質にも関連性にも寄与しません
• 内部クエリは公開されていません。 推定ツールの出力を正解として扱いません
• SILVE は Fan-out スコアを作りません。 既存シグナルを解釈する枠組みとして使います

Google の内部クエリを当てることはできません。しかし「その質問に答えるために何の情報が必要か」は考えられます。

クエリを追いかけるのではなく、問いを分解する。 それが Fan-out から得られる実務的な示唆です。

Framework Record

この記事の判断を、あとから検証できる形で記録したものです。本文の結論（Core Rules）と、SILVE が内部で持つ記録の項目、参照した一次資料が入っています。

Framework Name: Query Fan-out Interpretation Model Version: Methodology 2026.08.51 Status: Query Fan-out 自体は Google 公式の技術。 解釈と運用方針が SILVE のもの Last Verified: 2026-08-13 実装: 独立スコアを作らない（既存シグナルの解釈枠組みとして使用）

公式に確立していること

• Google は AI Overviews と AI Mode で Query Fan-out を使う場合がある
• 1 つの質問から同時並行の関連クエリを生成し、追加の関連検索結果を取得する
• クラシックな Web 検索より幅広く多様な有用リンクを提示し得る
• AI Mode と AI Overviews は異なるモデル・手法を使う場合がある
• Gemini 3 により、より多くの検索を実行し、以前は見落としていた内容を見つけられる

公式に確立していないこと

固定の Fan-out 数 / 普遍的な Fan-out クエリ一覧 / サイト運営者向けの完全な Fan-out クエリデータ / Fan-out 専用のランキング要因 / Fan-out 専用のスキーマ / Fan-out クエリごとにページを作ると有利という規則

Anti-pattern（明示的に採用しない）

Fan-out Page Factory — 想定されるクエリの変化形ごとに薄いページを大量生成する。

Google が違反としているのは「順位や生成 AI の回答を操作することを主目的として」行う場合である。 この条件節を落として「fan-out クエリごとのページ作成は違反」と書かない。 そのうえで、ページ数の多さは品質にも関連性にも寄与しないと明記されている。

Core Rules

1. User Query ≠ Fan-out Query
2. Fan-out Query ≠ 運営者のキーワード一覧
3. Query Fan-out ≠ 1 クエリ 1 ページ
4. Query Fan-out ≠ 引用（取得と引用は別段階）
5. Topic Coverage ≠ ページ数
6. 完全一致は関連性の必要条件ではない
7. 推定された Fan-out クエリ ≠ Google の一次データ

一次資料

• Google Search Central — Google's Guide to Optimizing for Generative AI Features on Google Search https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
• Google Search Central — AI features and your website https://developers.google.com/search/docs/appearance/ai-features
• Google — Google Search with Gemini 3: Our most intelligent search yet（2025-11-18） https://blog.google/products/search/gemini-3-search-ai-mode/