Як знайти conversational та fan-out queries у Google Search Console

У Google Search Console можна знайти запити, які дуже схожі на LLM prompts та fan-out queries — тобто пошукові запити, які AI-системи генерують у процесі пошуку інформації для відповіді.

Це не дає нам повного списку ChatGPT або AI Mode prompts. Але вже зараз є кілька практичних способів витягнути такі патерни зі своїх даних.

1. Фільтруємо дуже довгі запити

Найпростіший метод від [Nectiv](https://nectivdigital.com/blog/how-to-mine-google-search-console-for-conversation-data-regex-included) — знайти queries із 10+ словами.

У GSC:

Performance → Queries → Add filter → Custom (regex) → Matches regex

Вставляємо:

^(?:\S+\s+){9,}\S+$

Отримаємо запити на кшталт:

which software platforms are best for enterprise teams looking for...

або

what are the best tools for comparing...

Тобто формулювання, значно ближчі до prompt, ніж до класичного keyword.

Але є нюанс: це high-precision, low-recall filter.

У свіжому дослідженні Nectiv середня довжина ChatGPT fan-out query була близько 6.8 слова, тому фільтр 10+ words знайде найбільш очевидні conversational queries, але пропустить багато коротших.

2. Шукаємо `site:` queries

Ще цікавіший сигнал знайшла [Lily Ray](https://www.linkedin.com/posts/lily-ray-44755615_im-pretty-confident-these-are-chatgpt-fan-out-activity-7500306804418146305-3ugg).

Просто фільтруємо GSC за:

site:

Або точніше:

(?i)(site:.*official|official.*site:)

У багатьох properties з'являються дивні queries із:

* великою кількістю impressions;
* майже нульовим CTR;
* site:;
* official;
* дуже специфічними формулюваннями.

Чому це цікаво?

У дослідженні [Nectiv на 28K+ ChatGPT та Gemini fan-out queries](https://nectivdigital.com/blog/chatgpt-tripled-fan-out-queries-data-study) site: зустрічався приблизно у 64% ChatGPT fan-outs.

ChatGPT часто спочатку шукає широку тему, а потім звужує retrieval:

best CRM software

↓

site:hubspot.com CRM pricing official

↓

site:salesforce.com enterprise CRM features

Для YMYL Lily Ray також пропонує перевірити:

site:.*\.gov|\.gov.*site:

3. Фільтруємо conversational language

Ще цікавіший підхід зробив [Jean-Christophe Chouinard](https://www.jcchouinard.com/tools/gsc-regex-generator.html).

Його GSC RegEx Generator дозволяє автоматично створювати готові RE2 regex для Search Console.

Там уже є окремі шаблони для:

* AI Mode Queries;
* questions;
* conversational prompts;
* commercial intent;
* best / top / vs / review;
* transactional intent;
* word count;
* long-tail queries;
* brand queries.

Тобто замість одного величезного універсального regex можна посегментувати prompt-like searches за intent.

Наприклад:

questions → comparisons → recommendations → transactions

і подивитися, як саме AI або користувачі досліджують вашу нішу.

До речі, генератор враховує обмеження GSC: Search Console використовує RE2, не підтримує negative lookahead (?!...) та має ліміт regex приблизно 4096 символів.

4. Не сприймайте ці queries як гарантовано ChatGPT

Це найважливіше.

Запит із 15 слів або site: не доводить, що його створив ChatGPT.

Це може бути:

* AI Mode;
* ChatGPT retrieval;
* інша AI-система;
* автоматизований search;
* або реальний користувач із дуже довгим запитом.

Тому краще називати їх:

`prompt-like / likely fan-out queries`

а не ChatGPT queries.

Google при цьому офіційно підтверджує сам механізм query fan-out для AI Mode: система розбиває запит на підтеми та виконує кілька пошуків паралельно.

Практичний workflow для SEO:

1. Експортуємо GSC queries.
2. Витягуємо 10+ word queries.
3. Окремо шукаємо site: та official.
4. Через GSC RegEx Generator витягуємо conversational patterns.
5. Кластеризуємо їх за intent.
6. Дивимося, які бренди, характеристики, проблеми та comparison criteria повторюються.
7. На основі цього формуємо реальний список prompts для LLM Brand Monitoring.


Джерела:
https://www.jcchouinard.com/tools/gsc-regex-generator.html
https://www.linkedin.com/posts/jeanchristophechouinard_every-since-barry-shared-that-ai-mode-query-share-7493679015984099328-olbi/