Qué es el query fan-out (ramificación de consultas)

El nombre describe el movimiento: una consulta entra y varias salen. En la búsqueda clásica, la persona escribía una cadena de texto y el sistema devolvía una lista de enlaces ordenada para esa cadena. Con las respuestas generadas por IA ese paso intermedio deja de ser único. El sistema interpreta la intención, formula por su cuenta las preguntas de apoyo que hacen falta para contestar y recupera documentos para cada una de ellas.

Conviene separarlo de dos cosas parecidas. No es la expansión por sinónimos que los buscadores llevan décadas aplicando, porque allí seguía habiendo una sola búsqueda con variantes léxicas. Tampoco son las sugerencias que aparecen debajo del resultado, que son propuestas dirigidas al usuario y no consultas que el sistema ya haya ejecutado. En el fan-out las búsquedas derivadas se ejecutan de verdad, y la respuesta se compone con sus resultados.

La consecuencia práctica cambia el objeto de la optimización. Tu página deja de competir por la frase que alguien escribió y pasa a competir por un conjunto de preguntas derivadas que nadie tecleó nunca. Puedes ser el primer resultado para la consulta original y no aparecer citado en la respuesta, porque la cita se decide en las subconsultas.

El proceso ocurre entre la pregunta y la respuesta, sin que el usuario lo vea. El sistema lee la consulta, deduce qué haría falta saber para contestarla y genera un conjunto de búsquedas de apoyo. Esas búsquedas se lanzan contra el índice y contra otras fuentes de datos, y cada una devuelve su propio conjunto de documentos.

Las derivadas siguen patrones reconocibles. Hay reformulaciones equivalentes de la misma pregunta, versiones más generales y más específicas, la forma canónica de un nombre de producto o de marca, traducciones a otro idioma, preguntas de seguimiento que el usuario haría después y preguntas de aclaración cuando la consulta admite varias lecturas. Una pregunta comercial de tres palabras puede producir así una decena de búsquedas internas.

Aquí está el límite honesto del asunto: no hay forma de ver qué subconsultas se lanzaron. La documentación de Google describe el mecanismo, pero el informe de rendimiento de Search Console agrupa el tráfico de estas superficies dentro del tipo de búsqueda Web, con las reglas normales de clic e impresión, sin desglose por subconsulta. Una pregunta de seguimiento dentro del modo con IA se contabiliza como una consulta nueva, y los experimentos de Search Labs quedan fuera de los datos. Cualquier herramienta que te enseñe «las subconsultas reales» está mostrando una reconstrucción propia, no una medición de origen. Puedes formular hipótesis razonables sobre qué preguntas de apoyo existen; verificarlas contra la fuente, no.

La decisión que depende de esto es cómo repartes un tema entre páginas. Si el buscador resuelve una pregunta con diez búsquedas de apoyo, una página que cubre bien un solo aspecto entra como mucho en una de ellas. Una página que trata el tema completo, con secciones claras para cada subpregunta previsible, puede entrar en varias y aparecer citada más veces dentro de la misma respuesta.

Eso empuja en dirección contraria a la costumbre de crear una URL por variante de palabra clave. Diez páginas casi idénticas sobre matices de la misma pregunta se reparten la autoridad y compiten entre ellas por las mismas derivadas. Una página bien estructurada y con contexto suficiente cubre el abanico mejor.

La segunda decisión afecta a la medición y a lo que prometes a un cliente. Como las subconsultas no son observables, no puedes construir un informe de posiciones por subconsulta ni prometer cobertura de un porcentaje del abanico. Lo que sí puedes medir es la aparición de tu marca y de tus URLs en respuestas reales, repitiendo preguntas y registrando qué se cita. Ese es el indicador defendible, y conviene ponerlo sobre la mesa antes de que alguien pida el otro.

• Estructura cada página por preguntas: un encabezado que formule la subpregunta y debajo la respuesta directa en las primeras frases, antes del desarrollo.
• Reúne en una misma URL los matices de un tema en lugar de repartirlos en variantes casi iguales que compiten entre sí.
• Escribe el contexto explícito que la máquina no puede deducir: a qué mercado, qué moneda, qué normativa y qué periodo se refieren tus datos.
• Nombra las entidades por su forma canónica (marca, producto, ubicación) y mantén esa forma constante en toda la web, porque una de las derivadas típicas es precisamente la canonicalización.
• Cubre las preguntas de seguimiento dentro de la misma página: precio, alternativas, requisitos, plazos y objeciones habituales.
• Mide lo que se puede medir: guarda respuestas de IA donde aparezca tu marca, con el modelo y la fecha, y compara la serie en el tiempo.

• Tratar una lista de subconsultas generada por una herramienta como si fuera un dato del buscador, y planificar contenidos sobre esa base sin marcarla como hipótesis.
• Prometer en una propuesta comercial informes de posición por subconsulta, algo que hoy ninguna fuente pública permite verificar.
• Multiplicar URLs finas, una por cada variación de la pregunta, con lo que ninguna resulta lo bastante completa para entrar en varias derivadas.
• Enterrar la respuesta bajo introducción, contexto histórico y aviso legal, de modo que el pasaje citable queda a mitad del documento.
• Dar por hecho que un buen puesto en la lista de resultados azules garantiza la cita en la respuesta generada, cuando ambas cosas se deciden en consultas distintas.