Imagínate esto. Llevas años trabajando tu web. Optimizando, publicando, puliendo. Y por fin lo consigues: número uno en Google para tu búsqueda principal. La cima. Eres, a todos los efectos, la máxima autoridad de tu tema.
Y un día entras en Analytics y… las visitas están cayendo en picado.
No hay ningún error técnico. La página carga perfecta. Sigues ahí arriba, en el número uno. ¿Entonces qué pasa?
Pasa que la inteligencia artificial del buscador está leyendo tu página, extrayendo la respuesta y sirviéndosela al usuario directamente en pantalla. Y claro, nadie hace clic. ¿Para qué, si ya tienen la respuesta? Es lo que llamamos el escenario de cero clics que hemos visto en artículos anteriores.
Una victoria total en Internet convertida en irrelevancia absoluta. Y la siguiente pregunta es legítima: ¿para que seguir generando contenido si se lo va a llevar la IA?
¿Por qué seguir generando contenido que no trae clicks?
Pues mira, te la respondo con tres razones, y la tercera es la que lo cambia todo.
Primera: porque la alternativa es peor. Si dejas de generar contenido, no es que la IA deje de responder sobre tu tema. Va a seguir respondiendo… pero con el contenido de tu competencia. La pregunta de tu cliente potencial se va a contestar sí o sí; la única decisión que está en tu mano es si la respuesta se construye contigo dentro o contigo fuera.
Segunda: porque el clic que pierdes vale menos que el clic que puedes ganar. El que se conforma con la respuesta de la IA en pantalla probablemente nunca iba a ser tu cliente: quería el dato rápido y ya. Pero el que pincha en una cita dentro de esa respuesta es alguien que quiere profundizar, que está comparando, que está más cerca de decidir. Menos tráfico, sí. Pero tráfico de mucha más calidad.
Y tercera: porque el juego no ha terminado, ha cambiado de tablero. Ya no generas contenido para acumular visitas genéricas; generas contenido para convertirte en la fuente que la IA necesita citar. Y eso, spoiler, no se consigue con más contenido, sino con contenido distinto. De eso va exactamente el episodio de hoy.
Así que no, no vengo a decirte que dejes de escribir. Vengo a contarte la estrategia de supervivencia…, o más que supervivencia, la estrategia para seguir consiguiendo clientes cómo lider.
Esta estrategia para de las consultas fan-out, consultas ramificadas o derivadas de la consulta principal. Se tratan d sub-búsquedas específicas que la IA lanza por su cuenta, en segundo plano, para investigar tu pregunta desde varios ángulos antes de responderte, y entenderlas es comprender cómo la IA decide a quién cita y a quién ignora. Y sobre todo: vengo a contarte el proceso paso a paso, que yo sigo, con un caso real, para que salgas de este episodio sabiendo exactamente qué hacer.
Te lo voy a explicar que son las query fan out con una analogía que me encanta y que creo que lo deja clarísimo: una biblioteca.
Antes, con el modelo clásico, la biblioteca funcionaba así: tú entrabas, te acercabas al mostrador y le decías al bibliotecario «quiero un libro sobre el Imperio Romano». Y el bibliotecario ni te preguntaba para qué lo querías. Miraba su fichero, buscaba qué libro ponía «Imperio Romano», cuál era el más consultado, el más citado, el más gordo… y te lo plantaba encima del mostrador. Toma. Ahí lo tienes. Apáñate.
Un libro. Una respuesta. Si lo que buscabas estaba en la página 340, era tu problema encontrarlo.
Ahora el bibliotecario es una IA, y su trabajo ya no es darte un libro. Es redactarte la respuesta. Un ensayo completo, hecho a medida. Y claro, para escribir algo así no le basta con un solo libro, por gordo que sea: necesita contrastar varias fuentes, cubrir el tema desde varios ángulos y asegurarse de no meter la pata. Así que, en lugar de ir al fichero, se gira y manda a un equipo de ayudantes a recorrer los pasillos de la biblioteca.
¿Y cómo saben los ayudantes qué buscar? Pues porque el bibliotecario, antes de mandarlos, hace algo muy interesante: descompone tu pregunta. Lleva toda la vida respondiendo preguntas sobre el Imperio Romano, así que sabe qué necesita saber alguien que pregunta eso, aunque no lo haya dicho. Sabe que detrás de «háblame del Imperio Romano» casi siempre hay un «¿cómo empezó?», un «¿quiénes fueron los importantes?», un «¿cómo se vivía?» y un «¿por qué se acabó?». Y le apunta a cada ayudante una de esas sub-preguntas en un papelito.
Uno va a la sección de historia política: «¿cómo pasó Roma de ser una república a ser un imperio?». Otro busca los grandes nombres: «¿quiénes fueron los emperadores más importantes?». Un tercero se mete en la de vida cotidiana: «¿cómo vivía un ciudadano romano de a pie?». Y el cuarto va a por la pregunta estrella: «¿por qué cayó el Imperio Romano?». Preguntas que tú no has hecho… pero que hacen falta para responderte bien si quieres saber de qué va el Imperio Romano.
Cada ayudante recorre su pasillo, consulta los mejores libros que encuentra sobre su sub-pregunta, y vuelve a la mesa central con sus hallazgos. Allí el bibliotecario lo cruza todo, descarta lo que se contradice, se queda con lo mejor de cada pasillo… y te entrega el ensayo perfecto, redactado para ti, en segundos.
Pues esas sub-preguntas que llevan los ayudantes apuntadas en sus papelitos… eso son las consultas fan-out.
Y ahora fíjate en el cambio de juego, porque es enorme. Antes, para ganar, tu libro tenía que ser el elegido del mostrador: el más gordo, el más popular. Uno entre miles. Ahora la pregunta es otra: ¿cuántos ayudantes han consultado tu libro para construir esa respuesta? Porque si el de los emperadores te consulta, y el de la vida cotidiana también, y el de la caída del imperio también… cuando se sienten todos en la mesa central, tu libro va a estar sobre la mesa por tres sitios distintos. Y al bibliotecario no le va a quedar más remedio que citarte en el ensayo final.
Ya no compites por ser el único libro del mostrador. Compites por que te consulten el mayor número de ayudantes posible.
Tradúcelo a tu negocio: si tienes una clínica dental y alguien pregunta a la IA «¿merece la pena la ortodoncia invisible?», la IA no lanza solo esa búsqueda. Lanza ramificaciones: precios de ortodoncia invisible, ortodoncia invisible frente a brackets, cuánto dura el tratamiento, ventajas e inconvenientes, ortodoncia invisible en adultos… Si tu web solo responde a la pregunta principal, estás en un pasillo. Si responde a cinco ramificaciones, estás en cinco.
Esto,define nuestra estrategia de contenidos en Internet a partir de ahora.
El requisito número uno: seguir posicionando en el Google de siempre
Con este planteamiento puede que os estéis preguntando si el SEO de siempre es historia y lo cierto es que no. El requisito número uno para aparecer en las respuestas de la IA es estar sólidamente posicionado en los resultados de búsqueda de toda la vida. En el top 10, o como mucho el top 20, del Google clásico.
Atención a los siguientes datos:
- Un estudio de Ahrefs demostró que el 38% de las citas de los AI Overviews de Google vienen del propio top 10 de resultados de Google. Casi cuatro de cada diez.
- AirOps analizó ChatGPT y descubrió que cita a la página que está en la posición número uno de Google el 43,2% de las veces.
- Y Semrush detectó un solapamiento del 82% entre las respuestas de Perplexity y el top 10 de Google.
Es decir el SEO de siempre no solo no ha muerto. Es la puerta de entrada.
Ahora bien, esto plantea una pregunta incómoda que quiero abordar de frente: si la condición para ganar en la IA es haber ganado ya en Google… ¿no es esto un sistema donde los ricos se hacen más ricos? ¿No tienen los grandes medios y las grandes marcas el monopolio asegurado?
Es una preocupación legítima. Y la respuesta es que sí, la concentración de autoridad es casi inevitable en esta fase de la tecnología. Pero tiene una explicación técnica que merece la pena entender.
Los modelos de IA tienen un problema enorme: las alucinaciones. Se inventan datos. Y para mitigar ese riesgo, para no arruinar su reputación dando información falsa, los desarrolladores configuran la IA para que ancle sus respuestas en fuentes de máxima confianza.
¿Y cuál es hoy la señal de confianza más robusta que tiene una máquina para saber si algo es fiable? El ranking histórico de toda la vida. Por eso los ayudantes de la biblioteca miran primero ahí.
Pero ojo, fíjaros en una cosa: esto ha pasado siempre. En el SEO de toda la vida, cuando eras nuevo y no tenías autoridad, no atacabas de frente las keywords grandes, porque ahí ya estaban los gigantes bien atrincherados. ¿Qué hacías? Irte al long tail: a las preguntas derivadas, más específicas, más de nicho, donde la competencia fuerte no estaba poniendo el foco. Y desde ahí construías tu autoridad, poco a poco.
Pues ahora, con más motivo todavía. Porque acuérdate de los ayudantes de la biblioteca: la IA ya no lanza una búsqueda, lanza un montón de sub-preguntas por los pasillos. Y esos pasillos son exactamente el long tail de siempre. Son los sitios donde seguir encontrando tu hueco. La pregunta principal, la del mostrador, olvídala: ahí ganan los grandes. Pero en los pasillos hay muchísimo espacio sin cubrir.
¿Que los grandes también pueden empezar a atacar esos pasillos? Claro que pueden. Pero aquí juega a tu favor algo que he visto mil veces en estos años: los grandes son menos ágiles. Tienen comités, procesos de aprobación, calendarios editoriales cerrados a seis meses vista. Tú, en cambio, puedes detectar un hueco hoy y tener el contenido publicado esta semana.
Con esto lo que te quiero decir es que el clic de la respuesta principal, dalo por perdido. La IA va a responder la pregunta genérica directamente, sí o sí. Esa batalla ya está decidida.
Entonces tu estrategia de supervivencia está en forzar al sistema a que use tu información en su investigación secundaria. En las fan-out.
Si tu contenido responde de forma brillante a una consulta ramificada muy, muy específica, tan específica que la IA no puede resolverla con lo genérico que ya sabe, la obligas a incluir un enlace hacia ti como fuente de verificación dentro de su respuesta. Es la cita secundaria.
Y ojo, que ese clic ahora mimo vale muchísimo. Porque la persona que pincha en una cita dentro de una respuesta de IA no es un curioso: es alguien que quiere profundizar. Que está más cerca de la decisión.
Ahora, hay un problema operativo evidente: ¿cómo identificamos esas queries fan out? ¿qué están buscando esos robots en segundo plano? Pues vamos a ver el proceso paso a paso con un ejemplo.
Y en local, por suerte, esto siempre ha sido nuestra ventaja doble: no compites contra todo Internet, compites en tu zona y en tu especialidad. Pasillo geográfico más pasillo de nicho. Ahí los gigantes casi nunca llegan.
Proceso para trabajar las consultas fan out
Como en este podcast no nos gusta la teoría por la teoría, te lo voy a contar con un real, en este caso quiero mejorar el posicionamiento para «labilidad emocional». Es una página que posiciona bien para su búsqueda principal desde hace tiempo pero que cada vez tiene menos clics. La candidata perfecta para este experimento.
Paso 1: Elige una keyword para la que ya posicionas
Paso 1: Elige una keyword para la que ya posicionas
Primero, antes de nada, un aviso importante: el mito del fan-out.
Mucha gente cree que para cada búsqueda existe una lista maestra, estable y predeterminada de consultas fan-out. Como si en un servidor de Google hubiera un documento oficial con «las cinco sub-búsquedas de las reseñas de Google».
Nada más lejos de la realidad. Las fan-out son probabilísticas y personalizadas. Puedes hacer la misma búsqueda diez veces en el mismo motor y obtener diez conjuntos distintos de ramificaciones. Y entre plataformas, las diferencias son aún mayores.
¿Es esto como intentar atrapar humo con las manos? No del todo. Porque cuando generas cientos de estas consultas, emergen patrones estadísticos. Las fan-out nunca serán estables, pero sí ampliamente similares. La clave es identificar los puntos en común y optimizar en torno a ellos.
Así que el trabajo es recopilar cuantas más fan-out mejor. Yo he usado cuatro vías:
Paso 2: Recopila las fan-out (cuatro herramientas)
Google Search Console
Google Search Console: Y esta es la principal, así que empezamos por aquí. Porque antes de irte a herramientas externas a especular sobre qué podría estar ramificando la IA, tienes una fuente que te dice qué está ramificando Google de verdad, con tus propios datos. Es gratis, ya la tienes, y la mayoría de la gente no la está usando para esto.
El truco está en el filtro de consultas. Vas al informe de rendimiento, filtras las consultas por «contiene» y pones tu término principal. En mi caso: consultas que contienen «labilidad». Y lo que te devuelve es muy útil: todas las búsquedas derivadas por las que Google ya te está mostrando para ese tema. Ahí ves qué otros aspectos está teniendo en cuenta Google alrededor de tu tema: las variantes, las preguntas, los matices que la gente busca y que tú quizá ni habías pensado.
Y esto tiene una lectura doble. Las consultas donde apareces con buena posición son tus pasillos ya conquistados: fortaleza confirmada. Y las consultas donde apareces con muchas impresiones pero en posiciones bajas, esas son las ramificaciones donde Google ya te considera candidatao pero todavía no ganas. Son los huecos más rentables de atacar, porque no partes de cero: Google ya te tiene fichado para ese pasillo. En aquellos sitios con buena posición pero cero clics, no son sitios a priorizar porque seguramente ya lo está resolviendo la IA.
Todo eso, exportado a una hoja de cálculo. Esa es tu base. Las demás herramientas vienen a completarla.
Bing
Bing está siendo mucho más generoso que Google con los datos de IA y nos puede dar información útil.
Bing tiene un panel de rendimiento de IA que te muestra cuántas veces te ha citado Copilot y otras IAs que utilicen sus resultados. Y lo interesante es que te enseña las consultas de anclaje (grounding queries en inglés) que provocaron cada cita.
Déjame que te explique bien qué son, porque el matiz es importante. Cuando la IA construye una respuesta, sale a buscar información en dos momentos distintos. Momento uno: explorar. Todavía no sabe qué va a responder, así que lanza las fan-out para recoger material desde varios ángulos. Son los ayudantes saliendo por los pasillos con las manos vacías. Momento dos: verificar. La IA ya tiene un borrador de respuesta, pero le da miedo estar alucinando. Así que antes de soltarlo, lanza búsquedas para comprobar que lo que va a decir es correcto. Eso son las consultas de anclaje: ancla su respuesta a fuentes reales para que no haya invención.
Te pongo un ejemplo. Alguien pregunta a la IA: «¿cada cuánto hay que ir al dentista?». Las fan-out serían cosas como «frecuencia revisión dental adultos» o «limpieza dental cada cuánto». Pero cuando la IA ya ha escrito en su borrador «se recomienda una revisión cada seis meses», lanza la de anclaje: «recomendación oficial revisión dental seis meses». No busca ideas nuevas: busca confirmar ese dato. Y si tu página es la que lo confirma con claridad, la cita es tuya. Por eso el contenido con datos concretos y afirmaciones verificables funciona tan bien aquí.
¿Técnicamente anclaje y fan-out son cosas distintas? Sí: una explora, la otra verifica. Pero en la práctica se solapan muchísimo, lo que la IA verifica suele ser lo mismo que explora, así que estas consultas van también a nuestra hoja de cálculo.
Extensión Chrome PAA
Estas preguntas son las ramificaciones que el propio Google te está enseñando en abierto. Es Google diciéndote: «quien busca esto, también quiere saber esto otro». Son papelitos de los ayudantes… pero a la vista de todos.
Y aquí el truco de productividad: en vez de ir desplegando preguntas a mano una a una, que además Google te va cargando más según pinchas y no acabas nunca, usa una extensión de Chrome que te las extraiga en bloque. Haces tu búsqueda principal, la extensión te saca todas las PAA con sus niveles de profundidad, y las exportas directamente. A la hoja de cálculo, junto con lo de Search Console.
Un matiz: las PAA no son exactamente las fan out que lanza la IA en segundo plano, pero salen de la misma lógica: Google descomponiendo la intención de búsqueda en subpreguntas así que el solapamiento es enorme.
QueryFan
Para mí, de lo mejorcito que hay ahora mismo. Te conecta vía API a los modelos gigantes —OpenAI o Gemini— para extraer esas secuencias de pensamiento que normalmente están ocultas. Necesitas una clave de API, y antes de que te asustes: generarla es facilísimo, no hace falta saber programar, y todo el proceso me ha costado literalmente uno o dos euros. La de Gemini además puedes crearla gratis. Exportas los resultados a una hoja de cálculo y listo.
Descubrir qué subpreguntas o búsquedas secundarias hacen los motores de IA en segundo plano antes de mostrar una respuesta definitiva. Sin embargo, QueryFan destaca por las siguientes características y capacidades:
- Es multiplataforma (Agnóstica): No se limita a un solo buscador. Funciona conectándose tanto a la API de OpenAI (ChatGPT) como a la de Google (Gemini). Esto te permite ver cómo ramifican las búsquedas diferentes modelos de lenguaje (LLMs).
- Uso de «Personas» o Perfiles de Usuario: Esta es su característica más potente. QueryFan te permite definir perfiles o «personas» para simular búsquedas. Por ejemplo, puedes pedirle que analice las consultas fan-out que generaría la IA si quien busca fuera un «desarrollador de software senior», un «principiante en marketing» o un «comprador con presupuesto limitado». Esto cambia por completo las subconsultas obtenidas, reflejando cómo la IA personaliza las respuestas.
- Integración con AlsoAsked: Permite conectar su API con AlsoAsked (una herramienta que rastrea las preguntas que la gente real hace en Google en la sección «Otras personas también preguntan»). Al cruzar los datos de la IA con las búsquedas de humanos reales, los datos resultantes son extremadamente ricos y precisos.
- Funciona con llaves de API propias: Requiere que introduzcas tus propias credenciales de API (de OpenAI o Gemini). Aunque requiere configurar la facturación en esas plataformas, el consumo para extraer estas consultas suele ser muy bajo y merece mucho la pena
Método tradicional
Preguntarle a la IA cuales son las consultas derivadas de una determinada keyword
3. Limpieza de datos
¿El resultado de todo esto? Un volumen brutal de datos. En el ejemplo de labilidad emocional, 519 posibles fan-out para un solo tema. En mi caso con las, la hoja también se me llenó de consultas repetidas, temas relacionados semánticamente aunque expresadas de otra forma, cosas fuera de tema y búsquedas tan específicas que nadie optimizaría jamás para ellas.
Y aquí viene la tentación peligrosa. Ver esa mina de 500 keywords y pensar: «hago una megapágina y meto las 500 preguntas, una detrás de otra, a ver si la IA pica en alguna».
Ni se te ocurra. Eso es lo que Shepard llama, y me encanta el término, una página Godzilla. Y es una de las prácticas más penalizadas ahora mismo. Querer abarcarlo todo en una sola URL genera una estructura caótica, diluye la autoridad del texto y hace que pierdas el foco. Google tiene sistemas diseñados específicamente para degradar el contenido que parece creado a escala y sin cohesión.
Así que el proceso de limpieza es: filtras con IA (mucho más rápido y preciso que a mano), consolidas duplicados sermánticos, y te quedas con las consultas principales. Después, les sacas volumen de búsqueda con tu herramienta SEO habitual y las agrupas por intención para ver qué cubres bien y dónde tienes huecos. El hecho de que no tenga suficiente volumen no te debería hacer descartarlas porque el long tail cada vez tiene menos búsquedas.
En mi caso, por ejemplo, de 519 querys, pasé a 8 contenidos.
4. Generar nuevo contenido u optimiza los existentes
Con los temas identificados, llega la pregunta más común: generamos un artículo nuevo por cada tema u optimizamos los existentes.
No debes crear un artículo para cada variante; debes agruparlas de manera inteligente. Y la clave para decidir cuándo algo va como subtítulo, un H2 dentro de un artículo que ya existe, y cuándo merece un artículo nuevo.
- Para decidir, hazte esta pregunta con cada consulta de tu lista: ¿esto lo respondería la misma persona, en la misma visita, dentro del mismo texto? Por tanto, si es un subtema natural que expande el tema principal, va como H2 en el mismo artículo.
- Si la intención es tan grande, tan diferente o tan específica que necesita su propio espacio, entonces sí: artículo nuevo. En este caso apareció, por ejemplo, «ejercicios de regulación emocional». Eso ya no es teoría sobre la labilidad: es una herramienta. Otra intención, otro momento de la persona. Merece su propio artículo.
5. Medir resultados
Y ahora la mejor noticia del episodio. En el SEO tradicional cuando optimizas tienes que esperara ver si el algortimo actúa, pero con la IA todo va más rapido. ¿Por qué? Otra vez las alucinaciones. Un buscador clásico solo devuelve enlaces; si el enlace es viejo, la responsabilidad de comprobar si sigue vigente es tuya. Pero un modelo generativo que redacta activamente una respuesta sobre cómo está el mundo hoy, si se basa en datos de hace un año, corre el riesgo de afirmar con total seguridad cosas que ya no son ciertas. Por eso es tan importante la frescura.
Traducción práctica: una optimización bien hecha para fan-out puede darte citas y resultados en cuestión de días o semanas, no de meses. Es un cambio de ritmo de trabajo important.
Eso sí, matiz importante que no quiero que se te olvide: los usuarios no están migrando masivamente a la IA. La gente sigue usando Google. Esto no va de abandonar el SEO clásico, va de sumar una capa encima.
¿Y cómo mides si funciona? Puedes buscar en Google a ver si apareces citada, pero cuidado: los resultados individuales son muy variables y personalizados. Para medir en serio:
- Bing Webmaster Tools: citas por URL, consultas de anclaje que las provocaron.
- Google Search Console acaba de añadir su informe de funciones de IA: te muestra cuántas veces apareció cada URL en AI Mode o AI Overviews… pero te oculta las consultas que lo provocaron. Mucho más opaco que Bing en esto.
- Google Analytics para ver el tráfico y conversiones de la IA (he pasado de un 1% a un 4,5% en conversiones desde chatgpt en esta cuenta)
