AI가 검색을 한 번만 한다고요? 쿼리 팬아웃이 대체 뭐임
안맵다떡볶이에 이런 손님이 나타났다고 해봅시다.
“강남역 떡볶이집인데, 차 댈 데 있고 애랑 가도 되고 맵기 조절 되고 일요일 8시에도 하는 데 있어?”
질문은 한 문장입니다.
그 안에 위치, 주차, 아이 동반, 맵기 조절, 영업시간이 들어 있습니다.
손님은 한 번 물었습니다. 조건은 다섯 번 들어옴.
손님 질문 1개
사장님은 생각합니다.
“AI도 검색창에 저 문장을 한 번 넣고 끝내겠지.”
꼭 그렇지는 않습니다.
여기서 query fan-out, 한국어로는 쿼리 팬아웃이라는 말이 등장합니다.
이 글의 가게와 질문은 설명을 위한 가상 예시입니다. 여기서 설명하는 범위는 Google 검색의 생성형 AI 기능입니다. 다른 AI 서비스가 모두 같은 방식으로 움직인다는 뜻은 아닙니다.
엥. 질문은 하나인데 검색은 왜 여러 번 함?
Google은 자사 생성형 검색 기능이 사용자의 질문을 처리할 때 동시에 실행할 관련 검색어 묶음을 만들 수 있다고 설명합니다.
이게 쿼리 팬아웃입니다.
큰 질문 하나를 그대로 들고 서 있는 대신, 답에 필요한 작은 검색을 여러 갈래로 펼치는 겁니다.
안맵다떡볶이 질문을 아주 단순하게 나누면 이런 식일 수 있습니다.
강남역 떡볶이 주차
아이와 가기 좋은 떡볶이집
떡볶이 안 맵게 주문
일요일 저녁 영업 떡볶이집
이 네 문장은 실제 검색 기록이 아닙니다. 작동 원리를 보여주려고 만든 예시입니다. 관련 검색의 개수와 표현은 질문에 따라 달라질 수 있습니다.
검색 한 번인 줄 알았음
이름이 괜히 거창합니다.
질문을 부채처럼 펼친다고 생각하면 됩니다. fan-out. 펼쳐짐. 알파벳은 여기까지.
왜 한 번으로는 부족한데?
손님이 묻는 조건이 한 페이지에 다 들어 있지 않을 수 있기 때문입니다.
가게 위치는 매장 안내에 있고, 맵기 조절은 메뉴 페이지에 있고, 일요일 영업시간은 다른 공개 정보에 있을 수 있습니다.
“아이와 갈 수 있나”는 좌석이나 유아 의자 정보가 있어야 판단할 수 있고요.
넓은 질문을 한 번만 검색하면 필요한 조건 하나를 놓칠 수 있습니다. 그래서 관련 검색을 더 만들어 여러 각도에서 자료를 찾습니다.
영업시간은 여기
그렇다고 모든 질문이 반드시 여러 검색으로 갈라진다는 뜻은 아닙니다.
몇 갈래가 생기는지 미리 맞히는 시험도 아닙니다.
AI 머릿속 검색어 빙고판을 만들 필요는 없음.
AI는 질문을 이렇게 나눠 봅니다
초보 입장에서는 세 단계만 알면 됩니다.
첫째, 사람이 여러 조건이 들어간 질문을 합니다.
“주차되고, 안 맵고, 일요일에도 여는 떡볶이집” 같은 질문입니다.
둘째, 모델이 답에 필요한 관련 검색어 묶음을 만듭니다.
위치, 메뉴, 영업시간처럼 확인할 주제를 나누고 관련 검색을 동시에 실행할 수 있습니다.
셋째, 찾은 검색 결과의 구체적인 정보를 살펴 답변과 출처 링크를 구성합니다.
Google은 이 과정을 자사 핵심 검색 시스템과 검색 색인의 콘텐츠를 바탕으로 설명합니다. Google의 생성형 AI 검색 가이드
관련 검색 동시 진행
찾았다고 다 쓰는 것은 아닙니다.
검색 결과에 나타난 페이지가 최종 답변에 반드시 포함되는 것도 아닙니다.
쿼리 팬아웃은 더 찾아보는 방식이지, 우리 가게를 답변에 넣어주는 예약 명단이 아닙니다.
그럼 검색어마다 페이지 하나씩 만들면 됨?
여기서 사장님이 갑자기 새 페이지를 만들기 시작합니다.
아이와 가는 안맵다떡볶이
주차되는 안맵다떡볶이
일요일 안맵다떡볶이
안맵다떡볶이, 정말 안 매울까?
내용은 거의 같고 제목만 바뀝니다.
복사도 네 번. 도움도 네 배일 것 같죠.
아닙니다. 복사만 네 배임.
팬아웃 검색어 12개 발견
Google은 사람들이 검색할 수 있는 모든 변형이나 팬아웃 쿼리마다 별도 콘텐츠를 만드는 방식을 경고합니다. 순위나 생성형 AI 답변을 조작하려고 비슷한 페이지를 대량으로 만들면 스팸 정책 문제가 될 수 있고, 페이지 수가 많다고 사이트가 더 유용해지는 것도 아닙니다.
조건이 같은 방문 질문에 속한다면 한 페이지에서 정확하고 충분하게 답하면 됩니다.
주차 안내와 영업시간을 제목만 바꾼 네 페이지에 흩뿌릴 이유가 없습니다. 별도 페이지가 필요한 건 정말 다른 일을 해결할 때입니다. 예를 들어 메뉴 전체와 매장 위치 안내는 독자가 찾는 일이 다르니 나눌 수 있습니다.
가상의 사장님은 그래서 이렇게 정리했습니다
먼저 손님이 확인할 사실부터 모았습니다.
주차 가능 여부와 주차장 위치
맵기 조절이 가능한 메뉴
아이와 앉을 수 있는 좌석 정보
일요일 실제 영업시간
그다음 이 정보를 관련 있는 공개 페이지에 적었습니다. 메뉴 정보는 메뉴에, 방문 조건은 매장 안내에 뒀습니다.
홈페이지에서 두 페이지로 갈 수 있는 링크도 확인했습니다. 직접 열었을 때 로그인 없이 내용이 보이는지도 봤습니다.
필요한 사실 한곳씩 정리
해결한 것은 질문에 답할 사실이 없거나 흩어져 있던 문제입니다.
정보를 정확히 적어도 Google 검색이나 AI 답변에 반드시 등장하는 건 아닙니다.
사장님이 주차 위치를 정확히 써두는 것과 AI가 그 가게를 고르는 것은 다른 일입니다.
결론. 아니, 이건 왜 생겼는데?
사람의 질문이 길고 구체적이면 답에 필요한 정보도 여러 종류가 됩니다.
한 번의 넓은 검색만으로는 위치는 찾고 영업시간은 놓칠 수 있습니다.
그래서 큰 질문을 여러 관련 검색으로 펼쳐 추가 정보를 찾는 방식이 등장했습니다. 그게 쿼리 팬아웃입니다.
독자는 아래 네 가지만 알면 됩니다.
질문 하나가 여러 관련 검색으로 나뉠 수 있습니다.
여기서 설명한 것은 Google 검색의 생성형 AI 기능입니다.
팬아웃 검색어를 예상해 비슷한 페이지를 대량으로 만들 필요는 없습니다.
찾아본 페이지가 최종 답변에 꼭 쓰이는 건 아닙니다.
가게 페이지에는 손님이 실제로 확인할 사실을 정확히 적으면 됩니다.
손님은 질문을 한 번 했습니다.
검색 쪽이 여러 갈래로 바빠졌을 뿐임.
deleted · 서치튠 기고
참고한 공식 자료: Google 검색의 생성형 AI 기능에 맞게 웹사이트 최적화하기