上周分享了一篇文章，如何通过 AI 的 Fan Out Query 来做关键词的话题调研。
它的核心逻辑就是 AI 会把用户提出的问题，从各个不同的维度进行拆解，然后细化出具体的点。
那下一步 AI 就可以从这些具体的点出发，来进行针对性的信息查询，最后再整理结果并反馈给用户。
我上周文章的核心是讲这种工作思路，并没有谈论很多方法论的东西，那今天这篇文章继续把这个点给补上。
另外，上周末我也在论坛里看了好几篇有关这部分内容的文章，其中有些做法也是非常值得借鉴的。
一般我们去做 Fan Out Query，使用到的方法主要就三个，手工操作、工具批量化，以及 AI 协助处理。
手工操作其实就比较简单嘛，你直接打开 AI 对话框，把你的背景信息输入进去，然后做具体的词条查询。
在查询的过程中，AI 会输出它的思考过程，其中这些思考过程中出现的话题与维度拆分，都是我们比较好的内容切入点。
这种做法虽然说比较直接，但在做大规模的关键词与话题调研时，其整体效率并不高。
毕竟你一个一个操作的时候，一边得自己输入信息，一边得自己记录信息并做最后的信息归纳。
那如果是我的话，我更推荐用工具的玩法，或者用 AI API 的方式去做。
目前 Semrush、Ahrefs 这些工具，他们推出的 AI 关键词话题查询工具我觉得并不怎么好用。
一方面是词条的量有限且数据并不是那么及时，二方面则是查询的额度有限。
比如我现在想做某个产品主题的话题查询可能会涉及 100 多个方向，那这 100 多个方向放到工具里面去查询时，查询额度大概率很快就会消耗完。
所以目前市面上有专门针对这种 Fan Out Query 的工具，那上面截图中的这个便是其中之一。
有兴趣的话可以直接搜索该关键词，你会发现不少相关工具能满足自己的需求，有些甚至是开源工具（自己部署一下就可以很方便使用）。
注：有些做工具站的朋友可以调研下这类工具方向。
除了这类工具做法外，还有一种方式则是使用 Prompt 请求 AI 将自己的思考过程输出出来。
像上面这条 Prompt 是我上周末看到的一款，自己实际使用完之后觉得还挺不错的。
那比如说我现在用谷歌表格去管理自己的关键词话题的话，就可以直接将这个 prompt 嵌入到谷歌脚本里面去做成一个表格函数。
那后续就可以很方便管理各类关键词的调研了。
上面三种方法，如果是成体系来调研的话，我更倾向于使用第三种方法。
