Новый эксперимент показал, что когда ChatGPT «расширяет» пользовательский запрос на фоновые поиски (query fan-out), он значительно чаще уходит в коммерческую плоскость, а не остаётся в чисто информационной. Это меняет правило игры для контент-стратегии: нельзя полагаться только на обучающий контент, если цель — появиться в ответах ИИ.
Основные детали новости
В исследовании проверили 90 промптов в трёх секторах — beauty, legaltech/regtech и IT. Из всей выборки только 20 промптов вызвали разветвление фоновых запросов (fan-out). Из этих 20 — 18 были коммерческого характера и 2 — информационного. Коммерческие запросы приводили к поисковым фон-расширениям в 78,3% случаев, в то время как у информационных промптов этот показатель составил всего 3,1%.
Когда промпт открывал «дверь» для fan-out, система в среднем порождала 2,1 фонового запроса. Всего зафиксировали 42 таких расширения: 39 имели коммерческую направленность, 2 — брендированную и 1 — информационную. Даже те редкие информационные промпты, которые запускали fan-out, как правило превращались в более оценочные, рекомендательные или сравнительные подзапросы.
Типичные сценарии перехода вниз по воронке выглядели так: запросы преобразовывались в сравнения продуктов, фильтрацию по функциям, шорт-листы или брендовые оценки. Примеры реальных промптов и их фан-аутов: «Suggest the best accounting software for small business and explain why» перешёл в сравнительные запросы по функционалу; «What are the top AI document management systems for lawyers?» породил несколько продуктно-ориентированных подзапросов; «What are the best products for skin care?» превратился в шорт-листы и запросы об обзорах.
Дополнительные факты
Методология была простой и воспроизводимой: исследователи классифицировали каждый промпт по намерению (информационный, коммерческий, транзакционный, брендовый), зафиксировали, какие промпты вызвали хотя бы одно фан-аут-расширение, и проанализировали полученные фоновые запросы по типу намерения.
- Объём выборки — 90 промптов, с перевесом в сторону информационных запросов.
- Секторный охват: beauty/personal care, legaltech/regtech, IT/tech.
- Из 20 промптов с fan-out, 18 оказались коммерческими — в выборке это ключевой драйвер расширений.
Исследователи также привели оговорки: набор из 90 промптов даёт направленную, а не окончательную картину поведения модели; структура выборки не сбалансирована по всем типам намерений; это наблюдение за поведением ChatGPT в конкретном датасете, а не тест архитектуры платформы в целом. Google AI Mode упоминается лишь как пример общей схемы много-запросного поиска, но прямых утверждений о внутренней архитектуре ChatGPT не делалось.
Почему это важно для SEO
Главный вывод прост: если цель — попасть в ответы современных генеративных систем, достаточно широкого обзора темы может не хватить. Алгоритмы фоновой экспансии склоняются к коммерческим подзапросам — те страницы, которые соответствуют этапам оценки и выбора, имеют гораздо больше шансов быть извлечёнными и процитированными.
Практические следствия для контент-стратегии:
- Не сокращайте инвестиции в информационные материалы, но добавляйте «мосты» к коммерческим веткам — конкретные рекомендации, сравнения и критерии выбора.
- Разворачивайте страницы формата «best-of», шорт-листы, сравнительные обзоры и рецепты выбора — именно они чаще попадают в фан-ауты.
- Включайте в обучающие тексты блоки с практическими рекомендациями: какие функции важны, как выбирать решения, какие альтернативы рассмотреть, ориентиры по цене.
- Делайте FAQ и абзацы с явными оценками («лучше для», «подходит, если», «альтернативы»), чтобы система могла легко преобразовать их в подзапросы.
Стратегия должна быть гибридной: ToFU-контент + встроенные элементы оценочной логики, способные превратиться в BoFU-ответы. Простое объяснение категории без привязки к продуктам, критериям или сравнениям вряд ли окажется в модели со включённым fan-out.
Дальнейшие тесты стоит строить на расширении выборки, нормализации промптов и прямом сопоставлении типов страниц (шаблонов) с тем, какие фан-ауты они покрывают. Цель следующего этапа — понять не просто что выигрывает (коммерческие ветки), а какие конкретные шаблоны и пассажи текста чаще всего приводят к извлечению в ответах генеративных систем.
