Google 排第一，AI 为什么还是不提你？查询扇出改变了什么

因为 AI 不是拿你的一个关键词去比排名，而是把你客户的一句话拆成好几个子问题，分别去找答案，再汇总成一段话。这个过程叫查询扇出（query fan-out）。你的产品页可能在"XX 供应商"这个词上排第一，但 AI 拆出来的子问题里还包括"这家公司的交期多长""有没有认证""适合什么场景"——任何一个子问题你答不上来，整段答案里就可能没有你。 SEO 时代优化的是"一个词一个位置"，扇出时代要优化的是"一句话里涉及的所有子问题"。这是这两年外贸企业最该换掉的一个思维。

一个做包装机械的客户，某型号产品页在 Google 上长期排前三。老板很确定地说"这个词我们很稳"。但拿客户真会问的那句话去问 ChatGPT——"中国做 XX 包装机的供应商有哪些，各自适合什么情况"——回答里列了四家，他不在里面。

不是排名出问题。是那句话里藏着的问题，他一个都没正面回答过。

排名之外，还要记住哪几条？

• AI 的工作方式：一次提问拆成若干子查询，分别检索后汇总成答案。Google 官方确认其 AI 系统使用该技术，产品负责人公开提到一次提问通常产生 8–12 个并行子查询。
• 所以：排名第一 ≠ 被引用。Ahrefs 对 86.3 万个关键词、400 万条引用链接的研究显示，AI Overview 引用页中同时排在 Google 前 10 的比例，从 2025 年 7 月的 76% 降到 2026 年 3 月的 38%。
• 另一组方向一致的数据：BrightEdge 追踪 9 个行业 12 个月，测得仅约 17% 的 AI Overview 来源位于前 10。
• 要换的动作：从"围绕一个词写一页"改成"围绕一个客户问题写全它拆出来的所有子问题"。
• 实践含义：一个客户问题 = 一组页面，而不是一页。
• 判断自己有没有覆盖：把客户问的那句话拆开，看每个子问题在你站上有没有明确的答案段。

AI 是怎么把你客户那句话拆开的？

举一个真实的问题：「我想找中国做户外储能柜的供应商，有什么推荐？」

这句话里藏着的问题，按 AI 的检索习惯大概分成这几类：

看最后一列。 大多数外贸站只有第一、二行，第四到第七行是空的。而 AI 汇总答案时，恰恰是后面几行决定了"推荐谁"。

这也解释了一个常见现象：产品页做得再漂亮，也换不来推荐。 因为产品页只回答了"我有什么"，没有回答"你该不该选我"。

SEO 时代和扇出时代，优化对象不一样了

最后一行是外贸站最常见的问题：一个产品页里塞了产品、参数、工厂、认证、案例、服务——看起来信息很全，实际上每个子问题都只答了半句。AI 需要的是"这一段能直接拿去当依据"，而不是"这一堆信息里可能有点什么"。

反过来说，同一批内容，拆成多页反而更容易被引用。这是一件反直觉但成立的事：拆开之后，每一页都能精准回答一个子问题，各页之间用内链串起来，AI 检索到哪一页都有明确答案。

怎么利用扇出？三个动作

动作一：把你的核心客户问题拆开

拿 5–10 句客户真会问的话，逐句拆成子问题，做成一张表。

"站上现状"这一列是空的那些格子，就是你的内容清单。 不需要头脑风暴，它是从客户的原话里长出来的。

动作二：一页只回答一个子问题

每个格子的内容应该是：先给直答句，再给条件和数字，最后给判断。不要在一页里塞三个问题。

动作三：用内链把拆开的页面串起来

拆开的风险是分散。用内链把"相关联的子问题"连起来，让 AI 从任何一页进来都能看到全貌。这也顺便解决了抓取深度问题。

什么情况下这套逻辑不适用？

1. 你的客户根本不问 AI：先用真实问题测一遍，如果这个行业没人这么问，优先级往后放。
2. 产品是标准件、按型号采购：买家搜的是型号，子问题少，硬拆会显得啰嗦。
3. 客户数量少、关系型生意：与其做公开内容，不如把已有客户的资料库做扎实。
4. 行业里 AI 的答案来源固定在几个大平台：那你要做的是让资料出现在那些平台，而不是在自建站上堆页。
5. 内容产能极其有限：那就只拆最贵的那个问题，不要平均用力。

正确的顺序是什么？

1. 先拆问题：5–10 句客户原话，拆成子问题表。
2. 再对现状：逐格看站上有没有答案，标出空白。
3. 写空白：一页一个子问题，开头直接给答案。
4. 串内链：把相关的子问题页连起来。
5. 去第三方补：站外信源那一行（别人怎么评价你）只能靠站外，站点上做不了。
6. 固定复测：同一组问题，多平台跑，按月看趋势。

第 5 步容易被忽略但很关键。 有第三方对两万多条品牌提及的分析显示，约 85% 的提及来自第三方页面，品牌官网自有内容只占约 13%。你在自己站上做得再全，也只是那 13%。

本篇常见问题

排名第一为什么还会输给排名靠后的页面？

因为 AI 不是按排名取第一名，而是按子问题分别检索。某个排在你后面的页面，可能正好有一页专门回答了"这个型号适合什么场景"，而你没有——那一段就会用他的。76% → 38% 这组数据说的就是这件事。

扇出是 Google 独有的吗？

这个机制是 Google 官方确认使用并公开讨论过的（一次提问产生多个并行子查询）。其他平台的检索逻辑不公开，但从"同一问题在不同平台答案差异很大"这个现象看，各家都在做类似的拆解，只是拆法不同、索引不同。

我现在要不要把长的产品页拆成很多页？

要看情况。如果那个页面里确实拎得清几个独立问题（比如"产品本身""适用场景""采购条件"），拆开更有利。如果本来就是一件事，硬拆会分散权重。判断标准是：拆出来的每一页，能不能独立回答一个客户问题。

子问题拆到多少个算够？

没有标准数。判断方法是：拿这组内容去问 AI，看回答里提到你的比例有没有动。 别追求数字，追求趋势。

文章写多了会不会互相抢词？

会——如果几页回答的是同一个子问题，那就互相分票。拆完问题之后要做一次去重，看哪些页面的答案高度重合，重合的合并或合并内链。

这件事和"写更多文章"有什么区别？

区别在于有没有对着客户原话来写。为了填满更新频率而写的内容，通常不落在任何一个子问题上，所以既不会被检索到，也不会被引用。扇出的逻辑反过来要求你：先有客户的问题，再写页。

想聊你自己的具体业务场景，联系大宗师网络（外贸社媒训练营）：微信 Dazongshi98。