Un cliente me llamó en marzo, furioso. Su sitio había mantenido una posición en los tres primeros para "mejor CRM para bufetes de abogados pequeños" durante dos años. Tráfico: estable. Luego el Modo IA de Google comenzó a desplegarse más ampliamente a usuarios estadounidenses y, en el plazo de seis semanas, sus clics orgánicos cayeron 34%. No había perdido el posicionamiento. El enlace azul seguía allí. Pero una gran caja de respuesta generada por IA estaba sentada encima, citando tres sitios más, ninguno de los cuales era el suyo. Uno de ellos tenía una Domain Authority de 31. La suya era 58. Abrí la página que se citaba y pasé unos veinte minutos leyéndola. Honestamente, estaba mejor estructurada para la pregunta específica que Google ahora hacía, aunque no fuera "mejor" en ningún sentido tradicional.
Fue entonces cuando comencé a prestar seria atención al fan-out de consultas.
Qué Es Realmente el Fan-Out de Consultas
Cuando escribes algo en el Modo IA de Google, o cuando Gemini procesa una consulta dentro de Search Generative Experience, no pasa tu pregunta única a un proceso de recuperación. Divide la consulta en múltiples subconsultas, las dispara en paralelo, recupera resultados para cada una, luego sintetiza todo en una respuesta. Los propios ingenieros de Google han descrito esto como un proceso de "razonamiento multi-paso", y el discurso de apertura de Liz Reid en Google I/O 2024 ofreció la vista pública más clara de cómo piensa el sistema.
El número de subconsultas varía. Las preguntas simples podrían expandirse en cinco o seis. Las preguntas de investigación complejas, del tipo donde alguien realmente está tratando de tomar una decisión, pueden generar 20 a 50 recuperaciones paralelas. Cada subconsulta apunta a un ángulo ligeramente diferente, una entidad diferente, una comparación diferente, una objeción diferente. El sistema intenta construir una imagen completa, no solo recuperar una respuesta.
Aquí está el punto: la mayoría del consejo de SEO aún trata a Google como si hiciera una pregunta. No lo hace. Ya no.
Por Qué Esto Rompe la Optimización de Palabras Clave Tradicional
He construido estrategias de contenido para más de 12,000 sitios a través de Seahawk. Y el error único más grande que veo, todavía, en 2025, es páginas optimizadas para una palabra clave en lugar de un clúster de temas con subcuestiones explícitas respondidas en línea.
La optimización tradicional decía: pon tu palabra clave en el H1, el título meta, las primeras 100 palabras, consigue algunos backlinks, listo. Eso funcionaba porque la recuperación era relativamente lineal. Coincide con la consulta, muestra la página.
El fan-out rompe esto porque la IA no busca la página que coincida con la consulta. Busca la página que responda una subcuestión específica que generó internamente. Nunca ves esa subcuestión. No está en Search Console. No aparece en ningún lugar de tu análisis. Google la creó, silenciosamente, como parte de descomponer lo que el usuario realmente preguntó.
La Recuperación Es Competitiva Por Subconsulta
Piénsalo así. Imagina que Google divide "qué software de contabilidad debe usar un trabajador autónomo del Reino Unido" en subcuestiones como:
- ¿Cuáles son los requisitos de Making Tax Digital para comerciantes autónomos?
- ¿Qué herramientas de contabilidad se integran nativamente con feeds bancarios del Reino Unido?
- ¿Cuál es la diferencia de precio entre FreeAgent y QuickBooks para trabajadores autónomos?
- ¿Cómo manejan los trabajadores autónomos las presentaciones de IVA digitalmente?
- ¿Qué recomiendan realmente los contadores del Reino Unido a sus clientes?
Cada uno de esos es una competencia de recuperación separada. Podrías ganar dos de ellos y perder los otros tres. Si pierdes más de la mitad, probablemente no te citen en absoluto. Si ganas cuatro de cinco, podrías convertirte en la fuente principal en la que la IA se apoya.
La implicación: una sola página de formato largo que cubre vagamente "software de contabilidad para freelancers" no está compitiendo efectivamente. Necesitas responder cada subpregunta explícitamente, claramente, con suficiente especificidad para que un sistema de recuperación pueda extraer una respuesta limpia a esa pregunta exacta.
Cómo Hacer Ingeniería Inversa de las Subpreguntas
Aquí es donde sucede el trabajo real. No voy a pretender que existe una herramienta que exponga directamente las consultas internas de Google, porque no existe. Pero puedes aproximarte a ellas.
Aquí está el proceso que uso, y que usé específicamente para un cliente fintech en Seahawk a finales de 2024:
- Escribe tu consulta objetivo en Google AI Mode (o AI Overview si estás en una región donde está activo) y lee la respuesta generada cuidadosamente.
- Cada párrafo en esa respuesta está respondiendo una subpregunta diferente. Escribe cuál es la pregunta implícita.
- Haz referencias cruzadas con AlsoAsked, que mapea el gráfico de "People Also Ask" mejor que cualquier otra herramienta que haya probado.
- Ejecuta la misma consulta a través de Perplexity y Claude. Ambos usan recuperación multi-paso similar. Las subpreguntas que hacen explícitamente, escritas en sus trazas de razonamiento, son un proxy razonable para lo que Google está generando internamente.
- Usa la herramienta Content Gap de Ahrefs para encontrar páginas que te superan en ranking y que cubren ángulos que tu página no toca.
Una vez que tengas 8 a 12 subpreguntas implícitas, escribe contenido que responda cada una como una unidad discreta y extractable. No enterrada en prosa. No con reservas. Una pregunta clara, una respuesta clara, luego detalles de apoyo.
Qué Hace que una Página Sea "Citable" en un Sistema de Fan-Out
En 2019 un cliente me entregó un brief que pensé era ridículo en ese momento: escribir una página de glosario para cada término legal en su sitio de conveyancing. No un blog. No una guía. Un glosario apropiado con más de 200 definiciones. Me resistí. Insistieron. Esa página ahora genera aproximadamente 18,000 sesiones orgánicas por mes, y desde que AI Overviews comenzó a desplegarse, ha sido citada en respuestas de IA más que cualquier otra página en su dominio.
¿Por qué? Porque cada definición es una unidad autocontenida y extractable. Google puede extraer una definición para responder una subpregunta sin necesidad de interpretar el contexto circundante. Esa es la citabilidad.
Las señales que he llegado a pensar que importan más para la citabilidad:
- Estructura explícita de pregunta-respuesta. Un encabezado formulado como pregunta seguido por una respuesta directa en la primera oración de esa sección. No enterrada tres párrafos abajo.
- Entidades nombradas y especificidades. "FreeAgent cuesta £19/mes para trabajadores autónomos" es citable. "Algunas herramientas son más asequibles" no lo es.
- Oraciones cortas y citables dentro de secciones más largas. La IA está extrayendo fragmentos. Haz el fragmento obvio.
- Datos estructurados. El esquema FAQ y el esquema HowTo todavía funcionan, y funcionan específicamente porque ayudan a Google a analizar pares Q&A discretos. Úsalos. La documentación de datos estructurados de Google sigue siendo precisa y vale la pena releerla en el contexto de AI Mode.
- Señales de credibilidad del autor. Líneas de firma con credenciales reales, páginas About que son específicas sobre experiencia, enlaces a la presencia profesional del autor. No solo "por admin".
La Trampa de Profundidad vs. Amplitud
Aquí está un error que cometí personalmente. Alrededor de mediados de 2023, cuando SGE todavía estaba en Labs, escribí una guía para una de nuestras propias páginas de servicio de Seahawk que tenía 4,800 palabras de largo. Cobertura integral de un tema. Cada ángulo abordado. Estaba orgulloso de ella. Fue citada exactamente cero veces en respuestas de IA, y vi una página competidora de 1,100 palabras ser citada repetidamente.
La diferencia: su página respondía una subpregunta específica con precisión quirúrgica. La mía respondía todo tan ampliamente que el sistema de recuperación no podía extraer una respuesta limpia y citable para ninguna subpregunta individual.
La profundidad no es lo mismo que la extensión. Profundidad significa ir lo suficientemente lejos en cada subpregunta para que tu respuesta sea inequívocamente útil. Extensión significa escribir muchas palabras. Son cosas diferentes.
Si tu tema genera 10 subconsultas, a menudo es mejor tener 10 secciones enfocadas de 150 palabras cada una que un ensayo de 2,000 palabras que aborde todas las 10 de forma superficial. La estructura señala que cada sección es una respuesta discreta. La IA puede recuperar la sección 7 sin necesitar las secciones 1 a 6.
Una nota sobre enlaces internos
Porque fan-out recupera contenido de muchas páginas, no solo una, tu estrategia de enlazado interno se convierte en una forma de señalar autoridad temática en el espacio de subconsultas. Si tienes cinco páginas que cada una responde bien dos o tres subconsultas relacionadas, e están correctamente interconectadas con texto de anclaje descriptivo, aumentas la probabilidad de ganar múltiples competencias de recuperación dentro del mismo evento de fan-out.
Uso Screaming Frog para auditar el texto de anclaje de enlaces internos en sitios grandes. El número de sitios que audito donde el 40% de los enlaces internos dicen "haz clic aquí" o "lee más" es deprimente. Los anclajes descriptivos son victorias gratis.
Cómo fan-out afecta tu calendario de contenidos
Así que en la práctica: ¿qué significa esto para cómo planificas contenido?
Significa que el viejo modelo de calendario de contenidos "una palabra clave, una página" es demasiado burdo. Necesitas mapear temas a clústeres de preguntas, luego decidir si cada clúster pertenece a una página bien estructurada o se divide entre varias páginas interconectadas.
Para un nuevo proyecto que estoy ejecutando en este momento, un cliente B2B SaaS en el espacio de tecnología de recursos humanos, mapeamos 40 palabras clave objetivo a 180 subpreguntas implícitas usando el proceso anterior. De esas 180 preguntas, 60 ya estaban respondidas en algún lugar de su sitio pero enterradas en texto de forma larga sin puntos de extracción claros. No escribimos contenido nuevo para esas. Reestructuramos páginas existentes: agregamos H3s formulados como preguntas, movimos la respuesta a la primera oración de cada sección, agregamos esquema FAQ. Eso tomó dos semanas. En seis semanas, las citas de AI Overview para ese dominio pasaron de tres a diecinueve instancias rastreadas.
No "escribir más". Estructurar mejor.
Monitorear si estás siendo citado
No hay un filtro nativo de Google Search Console para citas en AI Mode aún, a mediados de 2025. Así que estás trabajando con proxies.
El método más confiable que he encontrado: busca manualmente tus consultas objetivo, en modo incógnito, en diferentes regiones usando una VPN, y anota qué dominios aparecen en la respuesta de la IA. Haz esto semanalmente para tus 20 consultas principales. Es manual. Es molesto. También es la señal más honesta que tienes.
Herramientas como AI Toolkit de Semrush y el rastreo de menciones de IA de Ahrefs (en beta al momento de escribir) están comenzando a mostrar datos de citas, pero trata esos números como direccionales en lugar de precisos. El acceso subyacente a los registros de recuperación de Google no existe para terceros.
La métrica que vigilaría en Search Console como proxy: impresiones para consultas formuladas como preguntas (consultas que comienzan con "cómo", "qué", "por qué", "cuál", "puede") combinadas con una caída en clics a pesar de impresiones estables. Ese patrón generalmente significa que un AI Overview está satisfaciendo la consulta antes de que el usuario haga clic. Estás ganando la impresión, perdiendo la visita.
FAQ
¿Tener más enlaces de retroceso te ayuda a ser citado en respuestas de AI Mode?
Los enlaces de retroceso aún influyen en qué páginas Google considera lo suficientemente autorizadas para extraer. Pero la relación es más débil en AI Mode que en la clasificación tradicional. He visto páginas con 12 dominios que se refieren a ellas ser citadas sobre páginas con 400, porque la página de menor autoridad respondía una subpregunta específica de forma más extraíble. La estructura de citabilidad es cada vez más el diferenciador.
¿Debo reestructurar contenido antiguo o escribir nuevas páginas para dirigirme a AI Mode?
Comienza con reestructuración. En mi experiencia, aproximadamente el 60% de lo necesario para la citabilidad de AI Mode es estructural, no temático. Agrega H3s formulados como preguntas, mueve las respuestas a la primera oración de cada sección, agrega esquema FAQ. Si después de reestructurar una página aún no cubre subpreguntas clave, entonces extiéndela o complementala.
¿La velocidad de página afecta las citas de AI Mode?
Indirectamente. Google aún necesita rastrear e indexar la página. Las páginas lentas que generan problemas de presupuesto de rastreo o producen Core Web Vitals deficientes pueden ser deprioritizadas en el índice del que Google extrae. Pero la velocidad de página sola no hará o romperá la citabilidad. La estructura del contenido importa más.
¿El lanzamiento de AI Mode se limita a ciertas regiones?
A mediados de 2025, AI Mode con fan-out de consultas se implementa más completamente en EE.UU., con disponibilidad limitada en otros mercados de habla inglesa. Los usuarios del Reino Unido ven AI Overviews más que AI Mode completo. El panel de estado de búsqueda de Google no es particularmente útil para rastrear esto. Tu mejor señal es simplemente buscar manualmente en regiones objetivo.
---
¿El cliente del principio? Reestructuramos cuatro páginas de su sitio en abril. Agregamos secciones explícitas de preguntas y respuestas, schema FAQ, especificidad en herramientas nombradas y precios. Para mediados de mayo estaba apareciendo en respuestas de IA para dos de sus cinco consultas objetivo. No cinco. Dos. Esto toma tiempo y no está garantizado. Pero el mecanismo es real, e ignorarlo porque no puedes ver las subconsultas directamente no es una estrategia. Es simplemente esperar que las reglas antiguas sigan aplicándose. No es así.