쿼리 팬아웃이란 무엇인가

쿼리 팬아웃(Query Fan-out)은 AI 검색이 사용자의 질문 하나를 여러 하위 질문으로 쪼갠 뒤 동시에 여러 번 검색해, 그 결과를 모아 하나의 답변으로 합치는 방식이다.

구글이 자사 기술을 부르는 이름에서 왔다. 구글은 "AI 모드는 쿼리 팬아웃 기법을 써서 질문을 하위 주제로 나누고 사용자를 대신해 다수의 검색을 동시에 실행한다"고 설명했다 (구글 공식 블로그, AI Mode 발표).

검색어 하나에 검색 결과 하나가 대응하던 구조가 깨진 지점이며, AI 검색 시대의 노출 규칙을 바꾼 기술이다.

쿼리 팬아웃은 어떻게 작동하는가?

네 단계를 거친다. 사용자에게는 답변 하나만 보이지만 그 뒤에서 검색이 여러 번 일어난다.

1. 분해. 질문을 답하는 데 필요한 하위 주제로 나눈다.
2. 병렬 검색. 하위 질문 각각을 동시에 검색한다.
3. 선별. 하위 질문마다 답이 될 문서를 고른다.
4. 합성. 고른 문서들을 근거로 답변 한 편을 쓰고 출처를 붙인다.

규모는 기능마다 다르다. 구글의 심층 검색(Deep Search)은 같은 기법을 확장해 한 번의 질문에 수백 건의 검색을 실행한다 (구글 공식 블로그, AI Mode 발표).

핵심은 3단계다. 우리 페이지가 노출되는지는 사용자가 입력한 원래 검색어가 아니라, AI가 만들어낸 하위 질문에서 결정된다.

AI는 어떤 하위 질문을 만들어내는가?

원래 질문에 담긴 의도를 펼쳐서 만든다. "40대 러닝화 추천"이라는 질문 하나에서 다음과 같은 갈래가 나온다.

한 갈래에만 답하는 문서는 나머지 갈래의 검색에서 후보에 오르지 못한다. 반대로 갈래마다 명확히 답하는 문서는 한 번의 질문에서 여러 번 인용될 기회를 얻는다.

쿼리 팬아웃은 검색 노출을 어떻게 바꾸는가?

순위와 인용을 분리한다. 원래 검색어에서 1위여도, AI가 만든 하위 질문에 답하지 못하면 인용에서 빠진다.

Ahrefs가 키워드 SERP 86만 3천 개와 인용 URL 400만 개를 분석한 결과, AI 답변에 인용된 URL 중 같은 검색어 상위 10위 안에 있던 것은 37.9%에 그쳤다 (Ahrefs, AI 오버뷰 인용 조사).

나머지 62%는 원래 검색어의 순위표에 없던 페이지들이다. 하위 질문 쪽에서 뽑혀 들어온 문서라고 보는 것이 자연스럽다.

노출 기회가 늘어난 쪽으로 보면 기회다. 큰 키워드에서 밀린 사이트도 좁고 구체적인 하위 질문에서는 최적의 답이 될 수 있다.

이 구조는 구글 AI 모드와 AI 오버뷰 양쪽에 함께 적용된다.

쿼리 팬아웃에 맞춰 콘텐츠를 어떻게 써야 하는가?

키워드 하나가 아니라 질문 묶음을 겨냥해 쓴다. 실행 원칙은 다섯 가지다.

1. 주제를 질문 단위로 펼친다. 대상 키워드에서 파생될 하위 질문을 먼저 목록으로 만든다.
2. 헤딩을 그 질문 그대로 쓴다. 헤딩이 하위 질문과 문자 그대로 맞을수록 발췌되기 쉽다.
3. 헤딩 바로 아래 첫 문단에서 답을 끝낸다. 모델은 문서가 아니라 문단을 가져간다.
4. 문단을 자립시킨다. 앞 문장을 읽어야 이해되는 문단은 발췌 대상에서 밀린다.
5. 비교는 표로, 절차는 번호 목록으로 만든다. 하위 질문이 비교형과 방법형으로 많이 생성되기 때문이다.

한 페이지에 모든 갈래를 억지로 넣기보다, 갈래마다 문서를 두고 서로 링크해 주제 묶음을 만드는 편이 낫다. 이 작업 전체를 GEO라 부르고, 얼마나 인용되는지는 SOV로 측정한다.

참고 자료

• 구글 공식 블로그, AI Mode in Search (2025년 5월)
• Ahrefs, Only 38% of AI Overview Citations Rank in the Top 10