Tabulka s každým dotazem a přiřazenými kategoriemi (1–3 s vahou), coverage verdiktem (own / off / mix) a krátkým odůvodněním. Donut chart rozložení fan-outů a coverage. Filtrovatelné chipy podle kategorie nebo coverage. CSV export včetně vah a původních metrik.

Query Fan-Out Classifier

Q: Co tento nástroj dělá?

Vezme seznam fan-out dotazů a pomocí LLM je roztřídí do 10 fan-out kategorií podle frameworku Toma Cappera (Moz Whiteboard Friday, březen 2026). Každý dotaz může patřit do 1–3 kategorií současně. Zároveň vyhodnotí, jestli na ten dotaz máš tvořit obsah u sebe, nebo podchytit cizí weby (PR, linkbuilding, recenze třetích stran).

Q: Proč je to užitečné?

Moderní AI vyhledávače (AI Overviews, ChatGPT Search, Perplexity) rozkládají jeden dotaz na řadu navazujících (query fan-out) a odpovídají kombinací zdrojů. Pokud chceš být vidět v AI odpovědích, musíš pokrývat i ty odvozené podtypy. Tenhle nástroj ti ukáže, kde máš silný obsah a kde mezery.

Q: Jaká data potřebuji?

CSV soubor s dotazy (první řádek = hlavičky, sloupec s dotazem se detekuje automaticky), volitelně doplňkové numerické metriky (search volume atd.) a kontext vašeho webu (URL + 1–2 věty o tématu). Stačí UTF-8 CSV, oddělovač čárka nebo středník.

Q: Odkud fan-out data získat?

Klasická GSC nebo Ahrefs data nestačí — ukazují jen ručně zadané dotazy, ne podotázky AI vyhledávačů. Fan-out dotazy získáte z Marketing Miner (má přímo feature Query Fan-Out), vlastním pozorováním AI Overviews / Perplexity / ChatGPT Search, nebo brainstormem z helpdesku a zákaznických rozhovorů.

Q: Je API klíč v bezpečí?

Ano. API klíč se nikam neodesílá. Veškeré zpracování probíhá přímo ve vašem prohlížeči; klíč použijeme jen pro přímé volání do vámi zvoleného AI providera (Anthropic / OpenAI / Google). Nic neukládáme ani nelogujeme.

CSV soubor s dotazy

📁 Vyberte CSV soubor…

Tisíce řádků v pořádku. První řádek = názvy sloupců.

Mapování sloupců

Sloupec s dotazem

Doplňkové metriky (volitelně, zobrazí se v tabulce a CSV exportu)

URL vašeho webu (volitelné — zlepší přesnost coverage verdiktu)

Popis tématu / záběru webu (1–2 věty, volitelné)

AI provider

Anthropic Claude

Haiku 4.5

$1 / $5 per 1M tokenů

OpenAI

GPT-4o mini

$0,15 / $0,60 per 1M tokenů

Google Gemini

2.5 Flash

$0,30 / $2,50 per 1M tokenů

API klíč zvoleného providera

      🔒 Váš klíč je v bezpečí.
      Váš API klíč se nikam neodesílá. Veškeré zpracování probíhá přímo ve vašem prohlížeči; klíč použijeme jen pro přímé volání do vámi zvoleného AI providera (Anthropic / OpenAI / Google). Nic neukládáme ani nelogujeme.
    

📊 Odhad nákladů před spuštěním

Odhad ±30 % podle variability odpovědí. Skutečné náklady uvidíte po dokončení.

Co tento nástroj dělá?

Vezme seznam fan-out dotazů (skutečné podotázky, do kterých si AI vyhledávače rozkládají hlavní dotaz) a pomocí LLM je roztřídí do 10 fan-out kategorií podle frameworku Toma Cappera (Moz Whiteboard Friday, březen 2026). Každý dotaz může patřit do 1–3 kategorií současně. Zároveň vyhodnotí, jestli na ten dotaz máš tvořit obsah u sebe, nebo podchytit cizí weby (PR, linkbuilding, recenze třetích stran).

      Proč je to užitečné? Moderní AI vyhledávače (AI Overviews, ChatGPT Search, Perplexity) rozkládají jeden dotaz na řadu navazujících („query fan-out") a odpovídají kombinací zdrojů. Pokud chceš být vidět v AI odpovědích, musíš pokrývat i ty odvozené podtypy. Tenhle nástroj ti ukáže, kde máš silný obsah a kde mezery.
    

Co je těch 10 fan-out kategorií?

Semantic — synonyma, reformulace
„bezdrátová myš" vs. „cordless mouse"

Entity — značka, produkt, osoba
„logitech mx master 3"

Follow-up — navazující otázka
„jak ji napárovat s macbookem"

Attribute — vlastnost / parametr
„dpi myši", „výdrž baterie"

Anticipate — navazující nákup
„mousepad k ergonomické myši"

Factual — fakt, definice, číslo
„jak dlouho vydrží baterie"

Tutorial — návod, how-to
„jak vyčistit myš"

Perspective — názor, recenze
„recenze mx master 3"

Comparison — srovnání
„mx master vs razer pro click"

Transact — cena, koupit, dostupnost
„mx master 3 nejlevněji"

Zdroj: Moz — 10 Fan-Outs for Prompt Research

Jaká data potřebuji?

CSV s dotazy První řádek = hlavičky, každý další = jeden dotaz. Sloupec s dotazem nástroj detekuje automaticky (hledá Query, Keyword, Dotaz…), ale dá se zvolit ručně.

UTF-8, oddělovač čárka nebo středník. Tisíce řádků v pohodě.

Doplňkové metriky (volitelně) Jakékoliv numerické sloupce (search volume, skóre relevance, počet výskytů ve fan-out…) — zobrazí se v tabulce a jdou do CSV exportu, nástroj je ale neposílá do LLM.

Slouží jen k tomu, abys mohl/a výsledky řadit a filtrovat.

Kontext webu (volitelně) URL + 1–2 věty o tom, co web dělá. Zlepší přesnost verdiktu own / off.

Bez kontextu používáme defaultní heuristiku podle fan-out kategorie.

Odkud fan-out data získat?

Klasická klíčovková data z Google Search Console, Ahrefs nebo Semrush tady nestačí — ukazují jen dotazy, které uživatelé ručně zadali do vyhledávače, ne podotázky, do kterých si AI vyhledávače (AI Overviews, ChatGPT Search, Perplexity) dotaz rozkládají. Fan-out dotazy musíš získat ze specializovaných zdrojů:

Marketing Miner — Query Fan-Out

Český SEO nástroj, který má přímo feature Query Fan-Out: zadáš seed dotaz a on vrátí podotázky, které si AI vyhledávače generují. Export do CSV a sem rovnou.

Vlastní sběr ze SERP / AI

Ruční pozorování, co AI Overviews / Perplexity / ChatGPT Search ukazují jako „lidé se ptají" a související otázky pro tvá klíčová témata. Pomalejší, ale zdarma a přesné.

Brainstorm + customer research

Otázky z helpdesku, rozhovory se zákazníky, AnswerThePublic, Google autocomplete. Stačí sloupec query.

      Tip: Pro první běh dej menší vzorek (50–200 dotazů), ať vidíš, jak klasifikace dopadá, než pustíš 3000 řádků.
    

Co je na výstupu?

Tabulka — každý dotaz s přiřazenými kategoriemi (1–3 s vahou), coverage verdiktem a krátkým odůvodněním. Filtrovatelná a řaditelná.
Donut chart: rozložení fan-outů — kolik procent dotazů padá do které kategorie (váhy se sčítají). Vidíš, jestli máš dominantní typ záměru.
Donut chart: coverage — kolik dotazů patří na vlastní web vs. cizí weby vs. mix.
Filtr chipy — klikem na kategorii nebo coverage zúžíš tabulku.
CSV export — všechny data včetně vah, coverage a původních metrik. Importovatelné do Excelu / Sheets.

Ukázka výstupu — donut chart + filtrovatelná tabulka

Praktické využití

Content gap analýza: vidíš, kterou kategorii dotazů na webu málo pokrýváš (např. jen 3 % Tutorial v tématu, kde jich lidé hledají hodně).
Priorita PR / linkbuildingu: dotazy označené off nebo mix ti řeknou, kde potřebuješ zmínky a recenze na cizích webech.
Strategie pro AI Overviews: když pokryješ všech 10 fan-out kategorií, výrazně stoupá šance, že tě AI cituje jako zdroj pro odvozené podotázky.
Briefy pro content tým: export do CSV → pro každý dotaz víš typ obsahu (návod / srovnání / recenze / transakční landing page).

Rozložení fan-out kategorií

Součet vah napříč všemi dotazy. Klik na legendu odfiltruje tabulku.

Kde dotazy pokrýt

own = vlastní web · off = cizí weby · mix = obojí

Zpracovávám…

Query Fan-Out Classifier

Mapování sloupců

Co tento nástroj dělá?

Co je těch 10 fan-out kategorií?

Jaká data potřebuji?

Odkud fan-out data získat?

Co je na výstupu?

Praktické využití

Filtr podle fan-out kategorie

Filtr podle doporučené coverage

Rozložení fan-out kategorií

Kde dotazy pokrýt