쿼리 팬아웃 (Query Fan-out)

쿼리 팬아웃이란?

쿼리 팬아웃 (Query Fan-out) 은 AI 검색 엔진이 사용자 쿼리 한 개를 받았을 때, 그 쿼리를 그대로 검색하지 않고 여러 개의 하위 쿼리 (sub-query) 로 분기시켜 동시에 검색하는 기법입니다. Google 의 AI Mode 와 AI Overviews 에서 공식적으로 채택한 핵심 retrieval 메커니즘입니다.

예를 들어 사용자가 "겨울철 등산화 추천" 이라고 입력하면, 엔진은 내부적으로 "남성용 겨울 등산화", "방수 등산화", "초보자 입문 등산화", "발목 보호 등산화" 같은 10~20 개의 sub-query 를 만들어 각각 별개 검색처럼 실행합니다.

왜 도입되었나요?

기존 검색은 "쿼리 1개 → SERP 1개 → 사용자가 직접 페이지 클릭" 모델이었습니다. AI 검색은 사용자가 클릭하지 않고 엔진이 직접 답변을 합성하기 때문에, 하나의 답변 안에 다양한 관점·하위 의도가 포함되어야 합니다. 쿼리 팬아웃은 이를 위해 더 넓은 정보 풀에서 패시지를 회수합니다.

작동 흐름

GEO 에 미치는 영향

• "1 페이지 = 1 키워드" 전통 SEO 사고는 약화 — 1 페이지가 여러 sub-query 를 동시에 커버할 수 있도록 설계해야 함
• 한 페이지 안에 질문형 H2 다수, 다양한 카테고리 진입점 (CEP), 풍부한 FAQ 가 있을수록 fan-out 답변 재료로 자주 선택됨
• 토픽 응집성과 폭의 균형 — 한 페이지가 너무 많은 의도를 어설프게 다루면 어느 sub-query 에도 강하게 매칭되지 않음

측정 함의

같은 카테고리에서 어휘·문장 구조·CEP 진입점을 달리한 다양한 프롬프트 조합으로 반복 측정해야 fan-out 분기의 실제 영향을 파악할 수 있습니다. 단일 프롬프트 1회 호출 결과로는 brand visibility 를 신뢰성 있게 측정할 수 없습니다.

같은 이유로, 팬아웃이 분기시키는 하위 의도 (비교 탐색·문제 해결·구매 직전 등) 의 질문 공간을 미리 발굴해 각 질문에서 브랜드 등장 여부를 확인하는 가시성 기회 분석 접근도 유효합니다. 엔진이 질문을 어떤 하위 쿼리로 쪼개든, 의도별 질문 커버리지가 넓은 브랜드일수록 답변 재료로 선택될 확률이 높아지기 때문입니다.

관련 용어

• 비주얼 검색 팬아웃 (Visual Search Fan-out)
• RAG
• 패시지
• 그라운딩
• Category Entry Points
• Context Window