Query fan-out: miksi tekoälyhaku tekee yhdestä kysymyksestä kymmenen

Google tekee yhdestä kysymyksestä monta hakua ennen kuin se vastaa

Kun kirjoitat AI Modeen tai saat AI Overviewsin, Google ei tee yhtä hakua. Googlen dokumentaation sanoin: “Sekä AI Overviews että AI Mode voivat käyttää query fan-out -tekniikkaa, jossa tehdään useita toisiinsa liittyviä hakuja eri alateemoista ja tietolähteistä, vastauksen muodostamiseksi” (Google Search Central: AI features).

Googlen tekoälyoptimointiopas antaa esimerkin. Jos haku on “miten korjaan rikkaruohoja täynnä olevan nurmikon”, malli voi muodostaa siitä rinnakkaiset haut “parhaat rikkaruohomyrkyt nurmikolle”, “rikkaruohojen poisto ilman kemikaaleja” ja “miten estää rikkaruohot nurmikolla” (Google Search Central: Guide to Optimizing for Generative AI Features, päivitetty 10.7.2026). Jokainen näistä on oma hakunsa Googlen tavalliseen hakuindeksiin. Vastaus kootaan kaikkien tuloksista.

Googlen hakujohtaja Elizabeth Reid kuvasi saman AI Moden lanseerauksessa toukokuussa 2025: AI Mode “pilkkoo kysymyksesi alateemoihin ja lähettää suuren joukon hakuja samanaikaisesti puolestasi”. AI Moden Deep Search -toiminto voi hänen mukaansa tehdä “satoja hakuja” yhtä vastausta varten (Google, 20.5.2025). Otsikon “kymmenen” on siis kielikuva. Google ei kerro tyypillistä lukumäärää, ja Deep Searchissa se on satoja.

Fan-out on hakuvaihe, RAG on vastausvaihe

Googlen tekoälyhaku nojaa kahteen tekniikkaan, jotka menevät helposti sekaisin.

RAG eli grounding tarkoittaa, että kielimalli ei vastaa muistista vaan sille annetaan ensin haettuja verkkosivuja. Googlen opas sanoo, että tekniikka “parantaa tekoälyvastausten laatua, tarkkuutta ja tuoreutta nojaamalla ydinhakujärjestelmiimme, jotka hakevat relevantteja ja ajantasaisia verkkosivuja”. Sivuilta poimitaan tieto ja vastaukseen liitetään linkit (Google: AI optimization guide).

Query fan-out on se vaihe, jossa päätetään, mitä haetaan. Google kuvaa sen käyttäjilleen näin: AI Mode “jakaa kysymyksesi alateemoihin ja hakee jokaista niistä samanaikaisesti useista tietolähteistä”, jotta se löytää “vielä enemmän kysymykseesi sopivaa sisältöä” (Google Search Help: AI Mode).

Järjestys on siis: kysymys → alakysymykset → tavallinen Google-haku jokaiselle → haettujen sivujen pohjalta kirjoitettu vastaus linkkeineen. Sivusi pääsee mukaan, jos se sijoittuu johonkin alakysymyksistä. Ei tarvitse sijoittua alkuperäiseen kysymykseen, jota käyttäjä ei ehkä koskaan kirjoittanut hakukenttään.

Fan-out selittää, miksi lähteitä tulee syvemmältä kuin top 10:stä

Google sanoo itse, että fan-outin vuoksi tekoälyvastaukset voivat “näyttää laajemman ja monipuolisemman joukon hyödyllisiä linkkejä” kuin perinteinen haku, ja että ihmiset ovat AI Overviewsin myötä “vierailleet monipuolisemmalla joukolla verkkosivustoja” (Google Search Central: AI features).

Riippumaton data tukee tätä. BrightEdge seurasi AI Overviewsin lähteitä toukokuusta 2024 syyskuuhun 2025 ja totesi, että syyskuussa 2025 vain 16,7 % lähteistä tuli orgaanisen haun top 10:stä. Yli puolet (54,5 %) lähteistä sijoittui orgaanisesti jonnekin, useimmiten sijoille 21–100 (BrightEdge, 18.9.2025). BrightEdge ei nimeä fan-outia syyksi; se on oma tulkintani. Mekanismi sopii kuitenkin havaintoon: sivu, joka on sijalla 40 pääkysymyksessä, voi olla sijalla 2 jossakin alakysymyksessä, ja se riittää.

Suomennettu esimerkki, joka on omani eikä Googlen: yrittäjä Oulusta kysyy AI Modelta “kannattaako ilmalämpöpumppu vanhaan rintamamiestaloon Oulussa”. Googlen kuvaaman mekanismin mukaan siitä voi syntyä hakuja tyyliin “ilmalämpöpumppu rintamamiestalo”, “ilmalämpöpumpun hyötysuhde pakkasella Pohjois-Suomi”, “ilmalämpöpumpun asennus hinta Oulu” ja “ilmalämpöpumppu öljylämmityksen rinnalle”. Oululaisen asennusliikkeen sivu, joka kertoo omista asennuksistaan pakkastalvina, ei sijoitu ensimmäiseen kysymykseen, mutta voi sijoittua toiseen tai kolmanteen. Se riittää lähteeksi. Mitä alakysymyksiä Google oikeasti muodostaa, ei näe mistään; tämä on mekanismin kuvaus, ei havainto.

Suomalaiselle pk-yritykselle tämä on hyvä uutinen. Kilpailu top 10:stä isoilla hakusanoilla on hävitty jo etukäteen isoille medioille ja verkkokaupoille. Kilpailu alakysymyksistä, joihin kukaan ei ole vastannut suomeksi kunnolla, on avoin.

Yksi kattava sivu, ei sivu per alakysymys

Tässä kohtaa moni tekee väärän johtopäätöksen: jos Google hakee alakysymyksiä, tehdään jokaiselle alakysymykselle oma sivu. Google kieltää tämän kahdella tavalla.

Ensinnäkin Google sanoo, ettei sisältöä tarvitse pilkkoa. Tekoälyoptimointioppaan mukaan “ei ole mitään vaatimusta pilkkoa sisältöä pieniin paloihin”, eikä “tarvitse kirjoittaa tietyllä tavalla vain generatiivista tekoälyhakua varten”, koska järjestelmät ymmärtävät synonyymit ja aikomuksen. Sama opas sanoo, ettei llms.txt-tiedostoa tarvita ja ettei rakenteinen data ole tekoälyhaun vaatimus (Google: AI optimization guide).

Toiseksi Google kutsuu massatuotettuja alakysymyssivuja spämmiksi. Roskapostikäytäntöjen määritelmä: “Scaled content abuse tarkoittaa, että luodaan monta sivua ensisijaisesti hakusijoitusten manipulointiin eikä käyttäjien auttamiseen.” Esimerkkinä mainitaan “generatiivisten tekoälytyökalujen tai vastaavien käyttäminen monen sivun luomiseen ilman lisäarvoa” (Google Search Central: Spam policies, päivitetty 28.8.2026). Kymmenen sivua, joista jokainen vastaa yhteen nurmikkokysymykseen samalla sisällöllä eri otsikon alla, on juuri tätä. Aiheesta tarkemmin artikkelissa Scaled content abuse: mitä Google kieltää.

Oikea johtopäätös on toinen: kirjoita sivu, joka vastaa nurmikkokysymykseen niin, että se kattaa myrkyt, kemikaalittomat keinot ja ennaltaehkäisyn aidosti, omalla kokemuksella ja omilla väliotsikoilla. Silloin sama sivu on ehdolla kaikkiin kolmeen alakysymykseen. Google sanoo saman positiivisesti: sisältö kannattaa “järjestää selkeästi otsikoilla ja osioilla” ja tarjota “ainutlaatuinen näkökulma” sen sijaan, että kierrätetään olemassa olevaa (Google: AI optimization guide). Mitä Google vielä neuvoo lähteeksi pääsemisestä, on koottu artikkeliin Näin pääset AI Overviewsin lähteeksi.

Näin tämä sivusto on rakennettu fan-outia varten, ja missä raja kulkee

Tämä sivusto on rakennettu pilareiksi ja klusteriartikkeleiksi. Tämä artikkeli kuuluu pilariin Google AI Overviews ja AI Mode Suomessa, jossa on neljä artikkelia: lanseeraus Suomessa, vaikutus klikkeihin, tämä fan-out-selitys ja Googlen ohjeet lähteeksi pääsemiseen. Jokainen vastaa eri kysymykseen, jota ihminen oikeasti hakee, ja jokaisessa on jotain, mitä muissa ei ole. Se on tarkoituksella eri asia kuin neljä sivua, jotka toistavat saman asian eri hakusanalla.

Raja on hiuksenhieno, ja tämä sivusto on kirjoitettu koneella, joten se on tarkkailtava paikka. Launch-erä, johon tämä artikkeli kuuluu, kirjoitettiin Claude-agenteilla 22.9.2026. Jatkossa sisältökone tuottaa artikkelin päivässä, ja jokaisen arvioi toinen malli laatuportissa, jonka yksi kriteeri on omaperäisyys: onko tekstissä jotain, mitä ei saa kymmeneltä muulta sivulta. Jos portti alkaa päästää läpi sivuja, jotka ovat vain saman asian toisintoja, sivusto rikkoo juuri sitä sääntöä, jonka tämä artikkeli selittää. Hylkäykset julkaistaan taululla, joten sen voi tarkistaa itse.

Fan-outista ei näe Search Consolesta mitään suoraan. Google ei julkaise muodostamiaan alakysymyksiä. Ainoa jälki on generatiivisen tekoälyn raportin näyttökerrat, joista voi päätellä, mitkä sivut ylipäätään päätyvät vastauksiin. Siitä kerrotaan artikkelissa Search Console ja AI Overviews -data.

Kysymyksiä, joita tästä haetaan

Näkeekö query fan-outin haut Search Consolesta?

Ei erikseen. Google ei julkaise, mitä alakysymyksiä se muodostaa. Search Consolen generatiivisen tekoälyn raportti näyttää vain, millä sivuilla oli näyttökertoja tekoälyvastauksissa.

Onko query fan-out sama asia kuin RAG?

Ei. RAG tarkoittaa, että vastaus perustuu haettuihin verkkosivuihin eikä pelkkään mallin muistiin. Query fan-out on tapa, jolla nuo haut muodostetaan: yhdestä kysymyksestä useita.

Lähteet

1. Google Search Central: Google's Guide to Optimizing for Generative AI Features on Google SearchRAG ja query fan-out selitettynä, nurmikkoesimerkki, ei pilkkomista, ei llms.txt
2. Google Search Central: AI features and your websiteFan-out tuottaa laajemman ja monipuolisemman linkkijoukon
3. Google (Elizabeth Reid): AI Mode in Search, I/O 2025AI Mode käyttää query fan-out -tekniikkaa; Deep Search satoja hakuja
4. Google Search Help: Get AI-powered responses with AI Mode in Google SearchKäyttäjälle suunnattu kuvaus: kysymys jaetaan alateemoihin, haut rinnakkain
5. Google Search Central: Spam policies for Google web searchScaled content abuse: monta sivua ilman lisäarvoa on spämmiä
6. BrightEdge: AI Overview Citations Now 54% from Organic RankingsVain 16,7 % lähteistä top 10:stä

Löysitkö virheen?

Tämän tekstin kirjoitti kone ja toinen kone tarkisti faktat. Ihminen ei ole lukenut jokaista tekstiä. Jos jokin on väärin, kerro — ilmoitus menee Ilkka Immoselle, korjaus tehdään ja se merkitään tähän tekstiin näkyviin.

Mikä on väärinSähköposti, jos haluat kuulla korjauksesta

Lähetä ilmoitus