Query fan-out: il punto cieco del 99% dei team marketing
Prima di rispondere, ChatGPT scompone la vostra domanda in sotto-query. Questi query fan-out decidono la vostra visibilità IA — e quasi nessuno li monitora.
Ecco cosa succede quando chiedete a ChatGPT "qual è il miglior strumento di GEO nel 2026".
Il modello non risponde direttamente. Prima scompone la vostra domanda in una serie di sotto-query che invia ai suoi strumenti di ricerca — Google, Bing, o i propri indici. Queste sotto-query sono ciò che chiamiamo query fan-out, o richieste di decomposizione.
Risultato: non sono le vostre pagine ben posizionate su "miglior strumento GEO" a determinare la vostra presenza nella risposta. Sono le pagine e le fonti che il modello trova su ciascuna delle sue sotto-query decomposte.
E questo, nessuno lo monitora.
Perché i fan-out cambiano tutto
Il SEO classico vi ha insegnato a ottimizzare per una query = un'intenzione = un contenuto. La meccanica degli LLM è diversa.
Quando un utente pone una domanda complessa a un motore generativo, il modello la scompone prima di rispondere. Una domanda come "per quale tipo di azienda Vurto è rilevante" può generare fan-out come:
- "Vurto strumento GEO funzionalità"
- "GEO per e-commerce 2026"
- "monitoraggio LLM PMI Italia"
- "miglior strumento per monitorare le citazioni ChatGPT"
- "leggibilità IA sito e-commerce"
La risposta finale dell'IA è costruita a partire dalle fonti trovate su ciascuno di questi sotto-angoli. Se siete presenti solo sulla query principale ma assenti dalle derivazioni, uscite dalla risposta finale, parzialmente o totalmente.
Cosa fanno i team SEO al posto di questo
Ottimizzano per parole chiave. Parole chiave che gli esseri umani hanno digitato su Google. Queste parole chiave non corrispondono alle fan-out query degli LLM.
Non che il lavoro SEO sia inutile — crea una base di contenuti che alimenta gli LLM. Ma fermarsi lì significa perdere di vista la logica propria dei motori generativi.
Le fan-out query degli LLM hanno caratteristiche diverse. Sono spesso più lunghe. Riguardano attributi precisi, confronti, condizioni d'uso. Variano a seconda dell'LLM: ChatGPT e Perplexity non scompongono le stesse query allo stesso modo.
Risultato: una strategia di contenuti calibrata solo sulle intenzioni di ricerca classiche è parzialmente scollegata da ciò che genera visibilità nelle risposte IA.
Come si costruiscono i fan-out
Gli LLM dispongono oggi di strumenti di ricerca web che attivano in base alla natura della query. L'architettura precisa di questi strumenti varia a seconda dei modelli ed evolve rapidamente. Ma il meccanismo di decomposizione, questo, è strutturale.
Il modello identifica le informazioni mancanti nella sua base di conoscenza (ciò che chiamiamo grounding query — ci torneremo in un altro articolo). Costruisce poi una serie di sotto-query per colmare queste lacune. Poi sintetizza i risultati in una risposta coerente.
Ciò che conta per la vostra visibilità GEO è essere presenti sulle derivazioni giuste — non solo sulla domanda iniziale.
La strategia di contenuti che risponde ai fan-out
Capire i fan-out della propria categoria significa individuare i sotto-angoli su cui creare o rafforzare i propri contenuti.
In pratica, funziona così:
Mappate i fan-out delle vostre query strategiche. Interrogate gli LLM sui temi chiave della vostra categoria e osservate come scompongono le loro ricerche. Alcuni strumenti permettono di visualizzare queste decomposizioni direttamente — Vurto è tra questi, identificando le fan-out query associate al vostro brand e al vostro settore per calibrare le raccomandazioni di contenuto.
Producete contenuti dedicati agli attributi specifici. I fan-out riguardano spesso dimensioni precise: casi d'uso, confronti, condizioni di accesso, risultati misurabili. Un contenuto che risponde precisamente a "qual è il ROI di una strategia GEO per un e-commerce" ha più probabilità di essere utilizzato rispetto a un contenuto generalista sul GEO.
Coprite lo spettro multi-LLM. ChatGPT e Perplexity non fanno gli stessi fan-out. Perplexity cerca fonti giornalistiche e comparazioni recenti. ChatGPT privilegia contenuti strutturati con un forte segnale di competenza. La strategia di contenuti ottimale copre entrambe le logiche.
Siate presenti dove cercano gli LLM. Publisher di settore, LinkedIn, Reddit, YouTube — queste piattaforme sono sempre più utilizzate come fonti nei fan-out. Essere presenti solo sul proprio dominio significa giocare su un solo campo.
Cosa cambia per i team contenuti
Il brief cambia. Invece di "un articolo sul GEO per le PMI", il brief giusto diventa "un contenuto che risponde alla domanda 'il GEO è rilevante per una PMI di meno di 50 persone senza un team SEO dedicato' con dati ed esempi concreti".
La differenza è sottile. L'impatto sulla visibilità IA è significativo.
Gli LLM utilizzano i contenuti che rispondono direttamente e precisamente a una sotto-domanda. La densità informativa conta. La chiarezza della risposta conta. Il formato conta.
Il segnale che poche squadre hanno
Sapere quali fan-out riguardano la vostra categoria è un vantaggio competitivo tangibile. Non perché sia una tecnica esoterica, ma perché è un segnale che la grande maggioranza dei concorrenti non ha.
Nel 2026, la maggior parte dei team marketing ottimizza ancora per parole chiave Google. È utile. È insufficiente. I brand che aggiungono la logica fan-out alla propria strategia di contenuti sono quelli che iniziano a comparire nelle risposte IA dove i loro concorrenti sono assenti.
Il punto cieco di oggi è la leva di domani.
Vurto identifica le fan-out query associate al vostro brand e al vostro settore per calibrare le raccomandazioni di contenuto GEO.