Когда вы задаёте вопрос нейросети с доступом в интернет, в поиск уходит не ваш запрос. Модель сначала переписывает его в несколько своих формулировок — в среднем сохраняется лишь пятая-четвёртая часть исходных слов. Этот процесс, известный как query fan-out, разобран на данных 686 454 подзапросов, собранных системой brandfound. Она ежедневно задаёт шести нейросетям — обе Алисы, ChatGPT, Gemini, Grok и DeepSeek — одни и те же коммерческие вопросы и сохраняет служебную часть ответов, где виден список сгенерированных поисковых запросов.
Query fan-out — не новая техника. Google официально описал её в мае 2025 года, представляя ИИ Mode: «ИИ Mode использует технику query fan-out, разбивая ваш вопрос на подтемы и выдавая множество запросов одновременно от вашего имени». В академической среде это называется multi-query retrieval и RAG-Fusion: из одного вопроса генерируются несколько формулировок, поиск идёт по каждой параллельно, а результаты сливаются. Одна формулировка ловит одну грань темы, а нужно поймать несколько. Публичные оценки размаха расходятся: для простого вопроса может уйти один подзапрос, для сложного — от 8 до 20 с лишним, у Perplexity — 3–5.
| Модель | Подзапросов на вопрос (среднее) | Максимум |
|---|---|---|
| Поиск с Алисой | 9,4 | 35 |
| Чат с Алисой | 8,6 | 32 |
| Grok | 6,4 | 13 |
| ChatGPT | 5,7 | 18 |
| Gemini | 4,1 | 19 |
| DeepSeek | 2,9 | 28 |
Данные brandfound показывают, как это работает на реальном русскоязычном потоке. Вопросы не синтетические: это коммерческие запросы от компаний из лизинга, банков, техники, недвижимости, логистики, медицины и услуг, которые следят за своей видимостью в нейросетях. Среднее число подзапросов на вопрос: Поиск с Алисой — 9,4 (максимум 35), Чат с Алисой — 8,6 (32), Grok — 6,4 (13), ChatGPT — 5,7 (18), Gemini — 4,1 (19), DeepSeek — 2,9 (28). У Алисы среднее считается по ответам, где поиск вообще был: примерно в 40% случаев она отвечает из памяти. Зато когда ищет, разворачивается серьёзно: у 42% таких ответов Поиск с Алисой делает десять и более подзапросов.
Яндекс — единственный, кто показывает вертикаль поиска для каждого подзапроса: веб, товары, карты, картинки, видео.
Главное отличие российских сервисов — прозрачность. Все западные модели отдают просто список строк, а Яндекс к каждому подзапросу добавляет вертикаль поиска: веб, товары, карты и организации, картинки, видео. Это позволяет понять, куда именно уходит запрос. Распределение вертикалей в данных brandfound показывает, что веб доминирует, но товары и карты занимают заметную долю.
Второй важный вывод — модели сами подставляют бренды конкурентов. У Поиска с Алисой это происходит в 45% случаев, у ChatGPT — в 21%. При этом бренд самого клиента может не появиться в запросах ни разу. Это создаёт риск для компаний: нейросеть может перенаправить пользователя к конкуренту, даже если вопрос был о конкретном бренде. Для бизнеса это означает, что отслеживание видимости в ИИ-поиске должно учитывать не только ответы, но и служебные подзапросы, которые формируют трафик.
Для маркетологов и SEO-специалистов это практический сигнал: оптимизация под ИИ-поиск требует понимания, какие подзапросы генерирует модель. Если нейросеть систематически подставляет бренды конкурентов, это может искажать картину видимости. Инструменты вроде brandfound, которые анализируют служебную часть ответов, становятся необходимы для объективной оценки.
