Základy

Čo presne je Query Fanout?

Ventilátor dotazov je mechanizmus, pomocou ktorého umelá inteligencia (napr. Google AI Mode, ChatGPT, chatboty elektronického obchodu) chápe a spracováva dotazy používateľov. Systém automaticky rozdeľuje jednu otázku na niekoľko súvisiacich podotázok a vyhľadáva v rôznych zdrojoch, aby potom zhrnúť výsledky do jednej celkovej odpovede.

Slovo "fanout" znamená rozprestierať sa, šíriť sa - tu: google, Bing alebo agregátory údajov, ako je Semly.

Pri tradičnom vyhľadávaní by systém hľadal stránky obsahujúce presné kľúčové slovo. Pri vyhľadávaní pomocou ventilátora systém robí práve toto:

Rozpoznávanie zámerov:

• Záujemcovia: rodina s deťmi
• Účel: dovolenka pri mori
• Obmedzenie: rozpočet 1 200 EUR na týždeň
• Lokalita: Baltské more (poľská námorná strana)
• Čas: neurčený, ale predpokladá sa, že letné prázdniny

Rozdelenie na podotázky:

• "Najlacnejšie ubytovanie pre rodiny v Pobaltí"
• "Rekreačné chaty na Balte 1 200 EUR za týždeň"
• "Kam lacno k moru s deťmi v júli"
• "Atrakcie pre deti pri mori"
• "Ktoré mesto je obľúbené v Pobaltí 2025"
• "Ako sa s rodinou lacno dostať k Baltskému moru"
• "Dovolenka v Pobaltí bez stravy - cenovo výhodné možnosti"
• "Najlepšie pláže pre deti v Baltskom mori"
• "Kde sa ubytovať s dieťaťom pri mori - fórum"
• Júl alebo august pri Baltskom mori - kde je lacnejšie"

Simultánne vyhľadávanie:

Simultánne vyhľadávanie: Každá z týchto otázok je súčasne odoslaná na rôzne zdroje - rezervačné portály, cestovné blogy, fóra, webové stránky letovísk, YouTube, recenzie na Mapách Google.

Syntéza:

Syntéza: systém zhromažďuje úryvky zo všetkých zdrojov, usporiada ich (napr. najpopulárnejšie/najodporúčanejšie sa zobrazia vyššie) a prezentuje ich používateľovi vo forme: "Tu sú obľúbené letoviská s cenami, tu je detská pláž a tu sú možnosti prístupu".

Prečo spoločnosť Google zaviedla službu Query Fanout?

História zmien vo vyhľadávaní

Spoločnosť Google už mnoho rokov funguje týmto spôsobom:

1. Používateľ zadá kľúčové slová
2. Algoritmus hľadá stránky obsahujúce tieto slová
3. Triedi ich podľa popularity a relevantnosti
4. Zobrazí zoznam odkazov

To sa osvedčilo pri jednoduchých otázkach ("Koľko váži slon?"). Keď sa však otázky stali zložitejšími ("Aké auto si vziať do mesta, ak veľa jazdím po meste, mám dve deti, rád by som ušetril palivo, ale chcem aj spoľahlivosť a pohodlie?"), tradičný model začal zlyhávať

Praktické výhody pre používateľa

1. Rýchla odpoveď - bez klikania na mnohé stránky
2. Úplnosť - sú riešené všetky aspekty otázky
3. Porovnania - systém automaticky porovná možnosti
4. Názory - systém nájde skúsenosti iných používateľov
5. Aktualizácia - odpoveď obsahuje najnovšie informácie

Ako Query Fanout technicky funguje?

Krok 1: Rozpoznanie zámeru

Keď používateľ zadá otázku, systém AI sa najprv pozrie nie na slová, ale na zámer, ktorý sa za otázkou skrýva.

Príklad pre obchod s elektronikou:

Otázka: "Ktorá videokamera pre začínajúceho vlogera"

Uznávaný zámer:

• Kategória produktu: fotoaparáty
• Úroveň používateľa: začiatočník
• Použitie: vlogovanie (video na YouTube/sociálnych médiách)
• Existujúce zručnosti: minimálne
• Priorita: jednoduchosť používania, nie profesionálne schopnosti

Systém chápe, že tento používateľ si nekúpi fotoaparát za 6 000 EUR, ale niečo v rozmedzí 600 – 2 400 EUR, s jednoduchým rozhraním, dobrou stabilizáciou a zabudovaným mikrofónom.

Krok 2: Rozklad dotazu

Na základe uznaného zámeru systém vykonáva rozklad - rozdeľuje jednu otázku na viacero logicky súvisiacich čiastkových dotazov.

Pre kameru vlogera to môžu byť:

• "Najlepšie kamery pre začínajúcich vlogerov 2025"
• "Koľko stojí dobrá vlogovacia kamera"
• "Fotoaparát alebo smartfón na vlogovanie - porovnanie""
• "Ktorý fotoaparát má najlepšiu stabilizáciu obrazu"
• "Recenzie - najlepšie videokamery YouTube"
• "Kamera na vlogovanie - čo musí mať (mikrofón, obrazovka)"
• "Kde kúpiť kameru na vlogovanie v Poľsku"
• "Vlogeri odporúčajú - fotoaparát na začiatok"

Každá z týchto podotázok reaguje na iný aspekt nákupného rozhodnutia.

Krok 3: Paralelné vyhľadávanie

Toto je kľúčová časť. Namiesto postupného vyhľadávania (najprv cena, potom recenzie, potom špecifikácie - a to by trvalo dlho) sa vyhľadávajú všetky čiastkové dotazy v rovnakom čase.

Príklad pseudokódu (Python):

import asyncio

async def query_fanout_search(main_query):
    """
    Súčasné vyhľadávanie pre všetky podotázky
    """
    
    # Rozdelíme hlavnú otázku
    sub_queries = decompose_query(main_query)
    # Výsledok: ["kamera vlogovanie začiatočník", "kamera na YT recenzie", ...]
    
    # Vytvoríme úlohy pre každú podotázku
    tasks = []
    for sub_query in sub_queries:
        tasks.append(search_google(sub_query))
        tasks.append(search_youtube_reviews(sub_query))
        tasks.append(search_forums(sub_query))
        tasks.append(search_prices(sub_query))
    
    # Spustíme všetko súčasne (asyncio)
    all_results = await asyncio.gather(*tasks)

Tradičné vyhľadávanie by bolo sekvenčné. Query fanout ich paralelizuje (všetky naraz). Tým sa čas odozvy skráti z niekoľkých sekúnd na približne 1-2 sekundy.

Krok 4: Kombinácia výsledkov (agregácia a zoradenie)

Teraz musí systém urobiť ťažkú vec: kombinovať výsledky z desiatok rôznych zdrojov spôsobom, ktorý dáva zmysel. Použitý algoritmus je Vzájomná fúzia hodností (RRF). Vysvetlím to na jednoduchom príklade:

Povedzme, že hľadáme "najlepšie bezdrôtové slúchadlá":

Výsledky z podotázky 1 ("slúchadlá pre kancelársku prácu"):

1. Sony WH-1000XM5
2. Bose QC45
3. Sennheiser Momentum

Výsledky z podotázky 2 ("slúchadlá - test pohodlia"):

1. Bose QC45
2. Apple AirPods Max
3. Sony WH-1000XM5

Výsledky podotázky 3 ("slúchadlá - cena 2025"):

1. JBL Live Pro 2
2. Sony WH-1000XM5
3. Anker Soundcore

RRF funguje takto:

• Sony WH-1000XM5: objavuje sa vo výsledkoch 1, 3, 2 → získava najvyššie skóre
• Bose QC45: objavuje sa v skóre 2, 1 → priemerné skóre
• Zvyšok má nižšie skóre

Konečný zoznam:

1. Sony WH-1000XM5 (najodporúčanejšie v mnohých ohľadoch)
2. Bose QC45
3. JBL Live Pro 2

Krok 5: Syntéza a prezentácia

Systém teraz získava z každého zdroja najdôležitejšie pasáže:

• Z recenzie: "Pohodlie 8 hodín práce"
• Z testu: "ANC znižuje hluk o 95 %"
• Z fóra: "Super pre prácu na diaľku"
• Z cenovky: "349 EUR na propagáciu"

Nakoniec tieto výsledky predkladá používateľovi vo forme jedného uceleného textu s citáciami z prameňov.

Praktické dôsledky pre internetové obchody

Znamená to koniec tradičného SEO?

Nie. Tradičné vyhľadávanie stále existuje a bude existovať aj naďalej. Okrem neho sa však objavuje nový kanál - viditeľnosť v odpovediach umelej inteligencie.

Tradičné SEO (umiestnenie na konkrétne kľúčové slová):

Používateľ hľadá: „notebook na učenie programovania“
→ Tvoja stránka sa zobrazí na 3. pozícii
→ Používateľ klikne na odkaz
→ Dostane sa k tebe

Query Fanout (objavuje sa ako súčasť odpovede AI):

Používateľ hľadá: „notebook na učenie programovania“
→ Režim AI vygeneruje odpoveď s vetou:
  „Obľúbené možnosti sú: [citát zo stránky A], [citát zo stránky B], 
   [citát z tvojej stránky]“
→ Používateľ niekedy klikne na odkazy, inokedy nie – ale tvoja značka 
  sa v odpovedi objaví

Oba kanály teraz bežia paralelne.

Čo sa mení v obchode?

1. Štruktúra obsahu na webovej stránke sa musí zmeniť

Starý prístup (optimalizovaný pre tradičné SEO):

Názov: Notebook na programovanie
Najlepší notebook na programovanie je taký, ktorý má...
[dve strany hustého textu]

Pre ľudského čitateľa to funguje, ale režim AI Mode potrebuje väčšiu štruktúru.

Nový prístup (v rámci dotazu fanout):

# Notebook na programovanie – kompletný sprievodca 2025

## Čo musíte vedieť, kým si kúpite notebook na programovanie?

### 1. Procesor – Intel alebo AMD?
AMD Ryzen 7 je rýchlejší na kompiláciu kódu...
[konkrétne testy]

### 2. RAM – koľko potrebujete?
- Pre Python: 8 – 16 GB
- Pre Web Dev: 16 GB minimum
- Pre AI/ML: 32 GB

### 3. SSD disk – koľko?
Minimum: 512 GB
Odporúčanie: 1 TB

[Každý bod má jasnú, samostatnú odpoveď]

## Porovnanie populárnych modelov

| Model | Procesor | RAM | SSD | Cena | Hodnotenie |
| --- | --- | --- | --- | --- | --- |
| Model A | Ryzen 7 | 16GB | 512GB | 940 EUR | 9.2 |
| Model B | i7-13 | 16GB | 1TB | 1 060 EUR | 9.5 |

[Každý riadok je fragment, ktorý môže AI vytiahnuť]

## FAQ – najčastejšie otázky

O: Je MacBook dobrý na programovanie?
Odp: Áno, ale...

O: Koľko stojí dobrý notebook na kódovanie?
Odp: Od 700 EUR...

[Každý pár O&O je potenciálna podotázka]

## Názory používateľov

"Kúpil som si tento notebook, programujem v Pythone a teraz zarábam..." (15 pozitívnych hodnotení)

Vidíte ten rozdiel? Druhá štruktúra umožňuje AI extrahovať fragmenty pre každý čiastkový dotaz.

2. Štruktúrované údaje (Schema Markup) sú teraz povinnosťou

Schema.org je spôsob, ako umelej inteligencii presne povedať, čo čísla a slová na stránke znamenajú.

Príklad:

Notebook stojí 940 EUR

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Notebook na programovanie Model X",
  "price": "940.00",
  "priceCurrency": "EUR",
  "availability": "https://schema.org/InStock",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.8",
    "ratingCount": "125"
  }
}
</script>

Keď tak umelá inteligencia vyhľadá "aptopy na programovanie do 4 000 libier", vo výsledkoch sa zobrazí vaša webová stránka.

3. Autorita a citácie sú dôležitejšie ako kedykoľvek predtým

Ventilátor dotazu uprednostňuje zdroje, ktoré sú v odpovediach AI citované viackrát. Ak sa vaša stránka objavuje v odpovediach na viacero čiastkových dotazov, znamená to, že ste autoritou.

Ako si vybudujete autoritu?

• Píšte o tom, čo viete najlepšie
• Pridajte konkrétne údaje, testy, čísla
• Citujte ostatných a odkazujte - ukazuje to, že máte znalosti
• Budovanie spätných odkazov z renomovaných zdrojov
• Pravidelne aktualizujte obsah

Praktické tipy

Príručka 1: Mapovanie dotazu Fanout pre váš produkt

Povedzme, že prevádzkujete obchod s powerbankami.

Krok 1: Výber základného dotazu

"Najlepšia powerbanka do 180 EUR"

Krok 2: Rozšírenie o kontext

Použitie:

• Pre telefón
• Pre váš prenosný počítač
• Na cestovanie
• Pracovať

Funkcie:

• Kapacita (mAh)
• Rýchlosť nabíjania
• Veľkosť
• Hmotnosť

Profil používateľa:

• Študent
• Úradník
• Cestovateľ
• Hráč

Typ porovnania:

• Súťaž
• Predchádzajúca generácia
• Alternatívy

Krok 3: Pre každý čiastkový dotaz pripravte na stránke časť

## Koľkokrát powerbanka s kapacitou 20 000 mAh nabije môj telefón?

To závisí od kapacity batérie tvojho telefónu:

- iPhone 14 (3 200 mAh): ~6-krát
- Samsung Galaxy S24 (4 000 mAh): ~5-krát
- OnePlus 12 (5 400 mAh): ~3,5-krát
- iPad Air (8 600 mAh): ~2-krát

**Ako sa to počíta?**
20 000 mAh (powerbanka) / 4 000 mAh (telefón) = 5 nabití
(v praxi menej kvôli stratám energie)

## Nabije powerbanka s kapacitou 20 000 mAh notebook?

Áno, ale...
- Musí mať výstup USB-C Power Delivery
- Musí mať výkon aspoň 65 W
- Staršie notebooky (s micro USB) – nie

Náš model: 100 W, USB-C PD, nabije MacBook Air za 2,5 hodiny.

## Powerbanka na dovolenku – zmestí sa?

- Rozmery: 12 x 7 x 3 cm
- Hmotnosť: 420 g
- Zmestí sa do batoha, kozmetickej taštičky, vrecka veľkej kabelky
- Ideálna na dovolenku (nezaberá miesto)

[atď.]

Príručka 2: Písanie obsahu pre Query Fanout - šablóna

Šablóna hlavičky (pre každý aspekt)

# [Produkt] – kompletný sprievodca [rok]

## Čo by ste mali vedieť, kým si kúpite [produkt]?

### 1. [Prvý kritický aspekt]
- Definícia pre začiatočníkov
- Prečo je to dôležité
- Ako to overiť v praxi

### 2. [Druhý aspekt]
[to isté]

### 3. [Tretí aspekt]
[to isté]

## Porovnanie populárnych modelov

| Názov | Špec1 | Špec2 | Cena | Názor |
| --- | --- | --- | --- | --- |
| Model A | | | | |

## FAQ – najčastejšie otázky

O: [Otázka, ktorá sa objavila v Google Trends]
Odp: [Konkrétna odpoveď]

## Názory používateľov

"Príbeh používateľa, prečo produkt kúpil, aké sú jeho skúsenosti"

Príručka 3: Implementácia Schema.org pre výrobok

<!DOCTYPE html>
<html>
<head>
<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Powerbanka 20000 mAh SuperCharge",
  "image": ["https://...1.jpg"],
  "description": "Powerbanka do 35 EUR s rýchlym nabíjaním",
  "brand": {
    "@type": "Brand",
    "name": "TechBrand"
  },
  "offers": {
    "@type": "Offer",
    "url": "https://...produkt",
    "priceCurrency": "EUR",
    "price": "30.60",
    "availability": "https://schema.org/InStock"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "ratingCount": "348",
    "bestRating": "5",
    "worstRating": "1"
  },
  "review": [
    {
      "@type": "Review",
      "author": {
        "@type": "Person",
        "name": "Používateľ Ján"
      },
      "reviewRating

Výsledkom je, že umelá inteligencia presne vie:

• Aká je cena
• Koľko názorov máte
• Je k dispozícii
• Čo o ňom hovoria používatelia

Dotaz Fanout v reálnych scenároch

Scenár 1: Zákazník hľadá "porovnanie"

Poddotazy, ktoré generuje AI:

• "Štrkový bicykel - čo to je, na čo"
• "Cestný bicykel - parametre, účel"
• "Štrk vs. cesta - technické rozdiely"
• "Štrk alebo cesta pre cykloturistiku"
• "Štrk alebo cesta - cena v Poľsku"
• "Názory - ktorý bicykel je lepší pre začiatočníka"
• "Testy - priľnavosť na štrku a na ceste"

Čo by mala vaša webová stránka obsahovať, aby sa zobrazila:

• Definície (štrk + cesta)
• Porovnanie tabuliek
• Spätná väzba od skutočných používateľov
• Ceny (odkazy na obchody)
• Praktické testy
• Pre koho je každý typ

Scenár 2: Zákazník má špecifický problém

Podotázky:

• "Prečo sa bezdrôtové slúchadlá rýchlo vybíjajú"
• "Slúchadlá Bluetooth - ako predĺžiť pracovný čas"
• "Ktoré slúchadlá majú najdlhšiu výdrž"
• "Výmena batérie v slúchadlách - je to možné"
• "Problémy s batériou slúchadiel - fórum"

Čo by mal obsah obsahovať:

• Dôvody (prečo sa to deje)
• Príručka (ako si predĺžiť život)
• Porovnanie telefónov s najlepšou batériou
• Informácie o službách
• Technické poradenstvo (kalibrácia batérie)

Scenár 3: Zákazník porovnáva značky

Podotázky:

• "Xiaomi vs. Samsung - porovnanie špecifikácií"
• "Xiaomi alebo Samsung - čo odporúčajú odborníci"
• "Xiaomi - recenzie používateľov 2025"
• "Samsung - recenzie používateľov 2025"
• "Xiaomi alebo Samsung - čo je lepšie na fotografie"
• "Xiaomi vs. Samsung cena"
• "Služba Xiaomi vs. Samsung v Poľsku"

Čo by mal obsahovať:

• Technické porovnanie v tabuľke
• Redakčné názory
• Snímky z fotoaparátu (porovnanie fotografií)
• Ceny v poľských obchodoch
• Dostupnosť služby
• Záruka

Technológia - kód a implementácia

Kód 1: Generovanie čiastkových dotazov z GPT-5 (python)

import openai

def generate_sub_queries(main_query, num_queries=10):
    """
    Generuje podotázky k hlavnej otázke
    """
    
    prompt = f"""
    Si expert na SEO a AI Search Optimization.
    
    Používateľ položil nasledujúcu otázku:
    "{main_query}"
    
    Vygeneruj {num_queries} súvisiacich podotázok, ktoré by mohol mať používateľ 
    na mysli alebo ktoré by mohol vygenerovať režim AI.
    
    Podotázky by mali pokrývať:
    - Definície a vysvetlenia
    - Porovnania a alternatívy
    - Ceny a dostupnosť
    - Názory a skúsenosti
    - Riešenie problémov
    
    Vráť len zoznam podotázok, jednu na riadok.
    """
    
    response = openai.ChatCompletion.create(
        model="gpt-5",
        messages=[
            {"role": "user", "content": prompt}
        ],
        temperature=0.7,
        max_tokens=1000
    )
    
    sub_queries = response.choices[0].message.content.strip().split('\n')
    return [q.strip() for q in sub_queries if q.strip()]

# Príklad použitia:
main_q = "Akú powerbanku vybrať do 35 EUR"
subs = generate_sub_queries(main_q)

for i, sub in enumerate(subs, 1):
    print(f"{i}. {sub}")

# Výsledok:
# 1. Koľko mAh by mala mať powerbanka na telefón
# 2. Powerbanka 20 000 mAh alebo 30 000 mAh – ktorá je lepšia
# 3. Najlepšie powerbanky do 35 EUR 2025
# atď.

Kód 2: Simulácia dotazu Fanout - viackanálové vyhľadávanie (python)

import asyncio
from typing import List, Dict

class QueryFanoutSimulator:
    """
    Simuluje činnosť query fanout
    """
    
    def __init__(self):
        self.databases = {
            'products': self.search_products,
            'reviews': self.search_reviews,
            'forums': self.search_forums,
            'prices': self.search_prices,
            'youtube': self.search_youtube
        }
    
    async def execute_fanout(self, main_query: str, sub_queries: List[str]) -> Dict:
        """
        Vykonáva query fanout pre hlavnú otázku
        """
        
        print(f"Hlavná otázka: {main_query}\n")
        print(f"Vygenerované podotázky ({len(sub_queries)}):")
        for sq in sub_queries:
            print(f"  - {sq}")
        
        print("\n--- Súčasné vyhľadávanie ---\n")
        
        # Pre každú podotázku hľadáme vo všetkých databázach súčasne
        tasks = []
        for sub_query in sub_queries:
            for db_name, search_func in self.databases.items():
                tasks.append(
                    self._search_with_metadata(db_name, search_func, sub_query)
                )
        
        # Vykonanie všetkých úloh súčasne
        results = await asyncio.gather(*tasks)
        
        # Agregácia výsledkov
        aggregated = self._aggregate_results(results)
        
        return aggregated
    
    async def _search_with_metadata(self, source: str, search_func, query: str):
        """
        Vyhľadávanie s metadátami (aký zdroj, ranking)
        """
        results = await search_func(query)
        return {
            'source': source,
            'query': query,
            'results': results,
            'count': len(results)
        }
    
    async def search_products(self, query: str) -> List[Dict]:
        """Simulácia vyhľadávania produktov"""
        await asyncio.sleep(0.5)  # Simulácia oneskorenia
        return [
            {'title': f'Produkt A pre "{query}"', 'rank': 1},
            {'title': f'Produkt B pre "{query}"', 'rank': 2}
        ]
    
    async def search_reviews(self, query: str) -> List[Dict]:
        """Simulácia vyhľadávania recenzií"""
        await asyncio.sleep(0.3)
        return [
            {'title': f'Recenzia: {query}', 'rank': 1, 'rating': 4.8}
        ]
    
    async def search_forums(self, query: str) -> List[Dict]:
        """Simulácia vyhľadávania na fórach"""
        await asyncio.sleep(0.4)
        return [
            {'title': f'Fórum – {query}', 'rank': 1, 'replies': 23}
        ]
    
    async def search_prices(self, query: str) -> List[Dict]:
        """Simulácia vyhľadávania cien"""
        await asyncio.sleep(0.2)
        return [
            {'title': f'Ceny – {query}', 'price_min': 25, 'price_max': 70}
        ]
    
    async def search_youtube(self, query: str) -> List[Dict]:
        """Simulácia vyhľadávania na YouTube"""
        await asyncio.sleep(0.6)
        return [
            {'title': f'Video: {query}', 'views': '1M', 'rating': 4.9}
        ]
    
    def _aggregate_results(self, all_results: List[Dict]) -> Dict:
        """
        Agregácia a ranking výsledkov (zjednodušené RRF)
        """
        
        aggregated = {}
        source_count = {}
        
        for result_group in all_results:
            source = result_group['source']
            query = result_group['query']
            
            # Počítanie koľkokrát sa zdroj objaví
            source_count[source] = source_count.get(source, 0) + 1
            
            for result in result_group['results']:
                title = result['title']
                if title not in aggregated:
                    aggregated[title] = {
                        'title': title,
                        'sources': [],
                        'score': 0
                    }
                
                aggregated[title]['sources'].append(source)
                aggregated[title]['score'] += 1
        
        # Zoradenie podľa skóre (koľko zdrojov potvrdzuje výsledok)
        ranked = sorted(
            aggregated.values(),
            key=lambda x: x['score'],
            reverse=True
        )
        
        return {
            'total_results': len(ranked),
            'top_results': ranked[:5],
            'sources_used': source_count
        }

# Použitie:
async def main():
    simulator = QueryFanoutSimulator()
    
    main_query = "Najlepšia powerbanka na kancelársku prácu"
    sub_queries = [
        "powerbanka k notebooku",
        "powerbanka – najdlhšia výdrž",
        "powerbanka do kancelárie – recenzie",
        "powerbanka rýchle nabíjanie"
    ]
    
    results = await simulator.execute_fanout(main_query, sub_queries)
    
    print("\n--- Agregované výsledky ---\n")
    print(f"Nájdených: {results['total_results']} unikátnych výsledkov")
    print(f"Zdroje: {results['sources_used']}\n")
    
    print("Top 5 výsledkov (zoradené podľa popularity):")
    for i, result in enumerate(results['top_results'], 1):
        print(f"{i}. {result['title']}")
        print(f"   Score: {result['score']} | Zdroje: {', '.join(result['sources'])}\n")

# Spustenie
if __name__ == "__main__":
    asyncio.run(main())

Kód 3: Extrakcia pasáže (python)

from typing import List

def extract_passages_for_fanout(content: str, query: str) -> List[str]:
    """
    Extrahuje fragmenty obsahu, ktoré odpovedajú na podotázku
    """
    
    # Rozdelenie na odseky
    paragraphs = content.split('\n\n')
    
    relevant_passages = []
    
    for para in paragraphs:
        # Hľadanie dôležitých slov z dopytu
        score = calculate_relevance(para, query)
        
        if score > 0.6:  # Prah: 60 % relevantnosti
            # Obmedzenie na 2-3 vety (fragment)
            sentences = para.split('. ')
            passage = '. '.join(sentences[:3]) + '.'
            relevant_passages.append({
                'text': passage,
                'score': score,
                'length': len(passage)
            })
    
    # Zoradenie podľa skóre
    relevant_passages = sorted(
        relevant_passages,
        key=lambda x: x['score'],
        reverse=True
    )
    
    return relevant_passages[:5]  # Top 5 fragmentov

def calculate_relevance(text: str, query: str) -> float:
    """
    Vypočíta, ako veľmi je text relevantný k dopytu (0-1)
    """
    
    query_words = query.lower().split()
    text_lower = text.lower()
    
    matches = sum(1 for word in query_words if word in text_lower)
    relevance = matches / len(query_words) if query_words else 0
    
    return min(relevance, 1.0)  # Max 100 %

# Príklad:
content = """
Powerbanka je zariadenie, ktoré uchováva energiu a nabíja tvoj telefón.
20 000 mAh znamená kapacitu – čím viac mAh, tým viackrát nabije telefón.

Powerbanka na kancelársku prácu by mala byť kompaktná a pohodlná.
Naša powerbanka váži len 300 gramov a zmestí sa do kabelky.

Rýchle nabíjanie je dôležitá vlastnosť. Náš model podporuje rýchle nabíjanie 65 W.
"""

passages = extract_passages_for_fanout(content, "powerbanka na kancelársku prácu")

for i, p in enumerate(passages, 1):
    print(f"{i}. (score: {p['score']:.2f})")
    print(f"   {p['text']}\n")

# Výsledok:
# 1. (score: 0.67)
#    Powerbanka na kancelársku prácu by mala byť kompaktná a pohodlná...
#
# 2. (score: 0.50)
#    Naša powerbanka váži len 300 gramov...

Chyby a nástrahy

Chyba 1: Píšete len pre ľudí, nie pre umelú inteligenciu

Zlá strana:

Bestsellerová powerbanka 2025! Naše produkty sú zárukou spokojnosti.
Kúp teraz a ušetríš 12 EUR. Objednávaj s dopravou zadarmo od 24 EUR...

Prečo je to zlé? Režim AI nevie:

• Či už ide o powerbanku pre telefón alebo notebook
• Koľko mAh má
• Koľko to stojí
• Aké názory má

Dobrá stránka:

## Čo je powerbanka 20 000 mAh?

Powerbanka je nabíjacie zariadenie s kapacitou 20 000 mAh.

### Koľkokrát nabije telefón?

- iPhone 14: 6-krát
- Samsung S24: 5-krát

### Cena

30,60 EUR (akcia zo 47 EUR)

### Hodnotenia

Hodnotenie: 4,8/5 (348 recenzií)

Z toho môže AI čerpať: kapacita, aplikácia, cena, spätná väzba.

Chyba 2: Nedokončené články

V mnohých obchodoch nájdete články ako "Článok sa pripravuje" alebo "Čoskoro". To je pre režim AI neviditeľné - článok je ignorovaný.

Pravidlo: Uverejnite kompletné články. Ak nemáte čas, je lepšie veľa krátkych článkov ako jeden nedokončený dlhý.

Chyba 3: Chýbajúce štrukturálne údaje

Slúchadlá stoja 70,35 EUR
<span itemscope itemtype="https://schema.org/Offer">
  <span itemprop="price">70.35</span>
  <span itemprop="priceCurrency">EUR</span>
</span>

Bez schémy si umelá inteligencia môže myslieť, že ide o rok alebo číslo modelu. So schémou vie, že je to cena.

Chyba 4: Kopírovanie konkurencie

Ak budú všetky obchody písať rovnako ("Najlepšia powerbanka je..."), žiadny nebude vynikať. Dotaz fanout uprednostňuje jedinečnú perspektívu.

Osvedčené postupy:

• Váš príbeh (ako ste prišli na tento nápad)
• Vaše testy (skontrolovali ste sa sami)
• Vaše názory (čo si myslíte)

Táto umelá inteligencia sa bude používať ľahšie.

FAQ - Často kladené otázky

Platí Query Fanout pre všetky odvetvia?
Nie. Najviac sa uplatňuje v odvetviach, kde sú rozhodnutia zložité:

• Elektronický obchod (výber produktov)
• Cestovný ruch (plánovanie ciest)
• Tipy (ako niečo urobiť)
• Vzdelávanie (naučiť sa niečo)

Menšie obavy:

• Faktické otázky ("Kto sa stane prezidentom Poľska v roku 2025?")
• Informácie v reálnom čase (počasie, sadzby)

Ako dlho trvá prispôsobenie obchodu v rámci Query Fanout?
Pre malý obchod (50-100 produktov): pre stredný (1000 produktov): 2-4 týždne: pre veľký obchod (10000+ produktov): 2-3 mesiace: 6 mesiacov a viac
Nejde o jednorazovú prácu - je to nepretržitý proces.

Bude dobre hodnotený produkt tradične viditeľný v režime AI?
Zvyčajne áno, ale nie vždy. Režim AI má iné kritériá ako tradičné SEO. Je možné, že sa v tradičnom vyhľadávaní umiestnite vysoko, ale v režime AI Mode nie (alebo naopak). Preto sú dôležité obe stratégie.

Mení Query Fanout spôsob získavania návštevnosti z reklám Google?
Zatiaľ nie - Google Ads stále funguje. Ale z dlhodobého hľadiska, ak bude čoraz viac ľudí používať režim AI namiesto tradičného vyhľadávania, obchodný model sa môže zmeniť. Oplatí sa investovať do iných kanálov (e-mail, sociálne médiá, partnerstvá).

Používa ChatGPT aj Query Fanout?
ChatGPT používa rozšírenú verziu (žiada používateľa o vysvetlenie, sama interne rozdeľuje dotazy). Nemá však viditeľnosť režimu Google AI. Ďalšie nástroje:

• Perplexity AI - explicitne používa fanout dotazu
• Claude - má vlastnú metódu
• Chatboty v obchodoch - môžu mať zjednodušenú verziu

Musí byť môj obsah doslova na mojej stránke?
Nie. Režim AI môže citovať aj pasáže z iných zdrojov. Ak však máte vlastnú stránku - výrazne to zvyšuje šance na zviditeľnenie v odpovediach.

Je AMP alebo mobile-first dôležité pre Query Fanout?
Áno, ale nie rovnakým spôsobom ako v prípade tradičnej SEO optimalizácie. AI Mode dôležité sú:

• Možnosť kontroly obsahu
• Štruktúra údajov
• Úrad
• Aktualizácia

Ale nie nevyhnutne rýchlosť stránky (hoci rýchla stránka vždy pomáha).

Mal by som si teraz najať copywritera?
Ak ste ho ešte nemali - áno. Query Fanout vyžaduje vysoký objem a vysokú kvalitu obsahu. Jeden copywriter by mal napísať článok týždenne (minimálne).

Slovník

Režim AI - režim vyhľadávania Google, v ktorom sú odpovede generované umelou inteligenciou (namiesto zoznamu odkazov)

Agregácia - kombinovanie výsledkov z viacerých zdrojov do jednej odpovede

Asyncio - knižnica Python na súčasné vykonávanie úloh

Úrad - poznatok spoločnosti Google, že stránka je dôveryhodná v danej oblasti

Spätný odkaz - odkaz z inej stránky na vašu

Chatbot - program, ktorý hovorí s používateľom

Chunk - malý text (napr. jeden odsek)

Základný dotaz - hlavná otázka, ktorou začíname

Rozklad - rozdelenie jednej otázky na viacero menších otázok

Vkladanie - prevod textu na čísla (vektory), ktoré reprezentujú význam

Fanout - dissemination, dissemination (tu: šírenie dotazu)

Gemini - model AI spoločnosti Google (ekvivalentný modelu ChatGPT)

Generátor (LLM) - model AI, ktorý generuje text

Halucinácie - keď si umelá inteligencia vymyslí informácie, ktoré nie sú pravdivé

Rozpoznávanie zámerov - rozpoznanie toho, čo používateľ skutočne chce (nielen to, čo napísal)

LLM (veľký jazykový model) - veľký jazykový model (ChatGPT, Gemini, Claude)

Extrakcia pasáže - extrakcia relevantných fragmentov textu

Dotaz - otázka, dotaz

Rozklad dopytu - rozdelenie otázky na podotázky

Dotaz Fanout - rozdelenie otázok do viacerých podotázok pomocou umelej inteligencie

RAG (Retrieval-Augmented Generation) - vyhľadávanie informácií + generovanie odpovedí

Vzájomná fúzia hodností (RRF) - algoritmus na kombinovanie výsledkov z viacerých zdrojov

Relevantnosť - či je výsledok relevantný pre dopyt

Vyhľadávanie - vyhľadávanie, hľadanie informácií

Schema.org - štandard pre označovanie údajov na stránkach

Sémantika - význam slov a textov

SEO - optimalizácia pre vyhľadávače

Poddotaz - podotázka, menšia otázka

Syntéza - kombinovanie informácií z viacerých zdrojov

Databáza vektorov - databáza ukladajúca text ako vektory

Podobnosť vektorov - ako veľmi sú si tieto dva texty podobné

Kontrolný zoznam - čo robiť vo vašom obchode?

• Analýza - Pozrite sa, ako funguje Query Fanout pre vaše hlavné produkty (hľadajte v Google AI Mode)
• Mapovanie - Vytvorenie zoznamu čiastkových dopytov pre 10 najlepších produktov
• Audit obsahu - Skontrolujte, ktoré stránky už obsahujú fragmenty adresujúce čiastkové dotazy
• Štruktúra - Reorganizujte stránky produktov: pridajte často kladené otázky, pridajte porovnania v tabuľkách, pridajte recenzie používateľov, pridajte sekcie "Čo potrebujete vedieť"
• Schéma - Implementácia Schema.org na všetkých stránkach produktov
• Obsah - Písanie článkov "sprievodca nákupom" pre hlavné kategórie
• Spätné odkazy - Začnite budovať autoritu (články na externých stránkach)
• Monitorovanie - Viditeľnosť trate v režime AI (umožňujú to nové nástroje)
• Iterácia - Analýza čiastkových dotazov a mesačná aktualizácia obsahu

Zhrnutie

Query Fanout nie je budúcnosť - je to súčasnosť. Od mája 2025 je režim Google AI Mode v produkcii a konkurencia s ním drží krok (ChatGPT, Claude, Perplexity).

Kľúčové body, ktoré si treba zapamätať:

1. Query Fanout je rozdelenie otázky na čiastkové otázky - AI ich hľadá paralelne
2. Tradičné SEO stále existuje - ale vedľa neho sa objaví nový kanál (viditeľnosť v režime AI)
3. Mení sa štruktúra obsahu - namiesto jedného textu pre jedno kľúčové slovo napíšete kompletnú príručku, ktorá sa zaoberá viacerými aspektmi
4. Schema.org je teraz nevyhnutnosťou - Umelá inteligencia musí pochopiť, čo čísla a slová na stránke znamenajú
5. Autorita dôležitejšia ako kedykoľvek predtým - AI uprednostňuje zdroje, ktoré sa v odpovediach objavujú opakovane
6. Toto je maratón, nie šprint - pomaly implementovať, testovať, opakovať

Query Fanout vám poskytuje nové možnosti pre váš obchod. Nemusíte byť programátor - môžete začať analýzou toho, ako Query Fanout funguje pre vaše produkty, mapovaním čiastkových dotazov a prípravou lepšieho obsahu.

Zvyšok príde prirodzene.

Zdroje

• Google I/O 2025 - Elizabeth Reidová, vedúca oddelenia vyhľadávania Google - "Režim AI a technika ventilácie dotazov"
• fillrank.co.uk, Senuto.com, seo-www.pl, digital.rp.pl, 4media.com
• Oficiálny režim Google AI
• Dokumenty Microsoft Azure AI
• Haystack.deepset.ai - Pokročilé vzory RAG
• Dokumentácia API OpenAI - LLM Prompting

Zdieľať:

Kopírovať odkaz