Query fan-out y secciones citables en motores de búsqueda de IA

La búsqueda clásica era sencilla: alguien escribía una consulta, el buscador la consultaba en un índice invertido y los sistemas de ranking devolvían una lista ordenada de URL. Google AI Mode, AI Overviews, ChatGPT Search y Perplexity añaden un paso intermedio. Antes de escribir la respuesta, una pregunta puede convertirse en varias búsquedas relacionadas, y la respuesta cita las páginas que esas búsquedas encontraron.

Ese paso no se ejecuta con cada pregunta. En el estudio de Ahrefs que comentamos más abajo, ChatGPT respondió a unos 6 de cada 7 prompts sin buscar en la web. Pero cuando sí busca, la respuesta se compone de párrafos, tablas y fragmentos de código concretos, no de un ranking de diez enlaces. Por eso importa qué partes de una página se entienden por sí solas.

#Qué es query fan-out y cómo funciona en modelos de lenguaje

Query fan-out es el nombre que usa Google para dividir una pregunta en varias búsquedas que se ejecutan a la vez. La guía de Google sobre funciones de IA generativa lo define como «un conjunto de consultas simultáneas y relacionadas generadas por el modelo para pedir más información y obtener resultados de búsqueda relevantes adicionales que respondan a la consulta del usuario» (Google Search Central, traducción propia). El ejemplo de Google: para la pregunta de cómo arreglar un césped lleno de malas hierbas, las consultas de fan-out podrían tratar sobre los mejores herbicidas para césped, cómo quitar malas hierbas sin productos químicos y cómo prevenirlas.

Google usó el término al anunciar AI Mode el 5 de marzo de 2025, describiendo una técnica que lanza varias búsquedas relacionadas a la vez sobre distintos subtemas y fuentes de datos. El 20 de mayo de 2025 añadió Deep Search, que usa la misma técnica y, según Google, puede lanzar cientos de búsquedas (blog de Google). La documentación de Google sobre funciones de IA dice que tanto AI Overviews como AI Mode pueden usar fan-out, y que ambas funciones pueden usar modelos y técnicas distintos, de modo que sus respuestas y enlaces varían.

Cuántas subconsultas se ejecutan depende del producto. Ahrefs analizó 66,6 millones de respuestas gratuitas de ChatGPT sin sesión iniciada y sus 15 millones de consultas de fan-out de agosto y septiembre de 2026 (Ahrefs). Solo el 14,4 por ciento de las respuestas buscó en la web, y esas lanzaron de media unas 1,6 consultas de fan-out. En el mismo artículo, Ahrefs recoge las pruebas de Suganthan Mohanadasan con una cuenta registrada, donde un modelo Thinking lanzó entre 15 y 40 consultas, y datos de Peec en los que el 56,5 por ciento de los prompts tuvo dos o más. Las sesiones gratuitas buscan menos que los modelos de pago o de razonamiento.

Tomemos un prompt técnico de un proyecto empresarial:

¿Cuál es la mejor configuración de WordPress headless para un catálogo WooCommerce de 50.000 productos con sincronización ERP en varias regiones?

Los proveedores no publican sus procesos completos. La secuencia siguiente es una descripción genérica de la generación aumentada por recuperación (RAG), en la que Google dice que se basan sus funciones de IA, con un fan-out de ejemplo para este prompt:

1. Leer la pregunta: el modelo identifica los temas (WordPress, arquitectura headless, WooCommerce, ERP) y las restricciones (50.000 productos, varias regiones).
2. Generar búsquedas relacionadas (la fase de fan-out), por ejemplo:
   • Consulta 1: WPGraphQL vs REST API batch query latency 50k WooCommerce products
   • Consulta 2: Headless WooCommerce ERP webhook queue congestion mitigation
   • Consulta 3: Astro SSR vs Next.js static build performance high SKU catalog
   • Consulta 4: WooCommerce High-Performance Order Storage database memory footprint
3. Recuperación: Google dice que usa sus sistemas centrales de ranking para recuperar páginas relevantes de su índice. Suganthan Mohanadasan lo comprobó con la API de Gemini: una pregunta sobre una página que nunca existió generó búsquedas, pero ninguna entrada en el registro de su servidor, porque el grounding lee el índice de Google y no la página en vivo (Suganthan Mohanadasan).
4. Revisión de las páginas recuperadas: los sistemas revisan información concreta de esas páginas.
5. Respuesta con enlaces: la respuesta muestra enlaces en los que se puede hacer clic hacia las páginas que respaldan su información.

La consecuencia para los equipos de contenido es que una misma página puede tenerse en cuenta para varias de estas búsquedas relacionadas, siempre que las responda con texto que el buscador pueda encontrar. Google pone un límite: crear páginas separadas para cada consulta de fan-out, principalmente para manipular el ranking o las respuestas de IA, infringe su política de spam sobre abuso de contenido a escala.

#Por qué las secciones autónomas reciben citas

Los motores generativos citan secciones concretas, no páginas enteras. Ese es el punto de partida de la guía de Lumar sobre citabilidad: «Según nuestra experiencia, los motores de búsqueda generativos citan secciones concretas del contenido, no las páginas en su conjunto» (Lumar, traducción propia). Lumar lo presenta como experiencia práctica, no como un estudio medido, y no da recuentos de palabras ni porcentajes de citas.

Su prueba de secciones tiene cinco puntos: la sección responde a una pregunta, se entiende sin el texto que la rodea, contiene los datos que necesita (unidades, versiones, condiciones), se mantiene en un tema y tiene suficiente detalle sin dispersarse. Sobre la extensión, Lumar solo dice que las secciones muy cortas pierden contexto, que las muy largas mezclan ideas y que no hay una forma sencilla de medir la extensión ideal. Google va más allá para sus propias funciones: no hay obligación de dividir el contenido en trozos pequeños ni existe una extensión ideal de página.

#Cómo escribir párrafos que no dependan del resto del texto

Una sección citable transmite su idea sin el párrafo anterior. Lumar pregunta si la sección contiene pronombres como esto, él o ellos sin una referencia clara, o expresiones como «como se ha mencionado antes». El verificador de grounding de Suganthan Mohanadasan detectó el mismo problema en su propio artículo: una frase sobre reintentar una petición, que empezaba con el pronombre inglés «It», obtuvo solo un 8 por ciento en la valoración de si se entiende por sí sola, porque fuera de contexto nadie sabe a qué se refiere el pronombre. Un ejemplo débil:

Esta tecnología acelera notablemente la carga de la página y reduce los costes de servidor…

Sin contexto, «esta tecnología» no se refiere a nada. Una versión autónoma nombra el sujeto y enuncia un dato comprobable:

Google AI Overviews y AI Mode solo pueden mostrar una página como enlace de apoyo si la página está indexada y puede aparecer en la Búsqueda de Google con un fragmento.

La segunda frase nombra los productos, la condición y el resultado. Se puede citar sola sin cambiar su significado. Suganthan añade una advertencia honesta: no ha demostrado que hacer que una frase se sostenga sola aumente su probabilidad de cita, así que trátalo como una comprobación editorial, no como un factor de ranking.

#Por qué importa la primera frase bajo el encabezado

Lumar incluye la «claridad temprana» entre los rasgos que los sistemas generativos pueden preferir: la información clave aparece al principio. Una sección que empieza con una anécdota o una pregunta retórica tarda más en llegar al punto, y un pasaje extraído de la página puede no incluir las frases posteriores.

Escribir primero la respuesta (BLUF, bottom line up front) es una forma sencilla de aplicarlo. La primera frase bajo un encabezado da la definición o el veredicto. Las siguientes añaden mediciones, casos límite y detalles de implementación.

#Qué datos concretos funcionan mejor que los adjetivos de marketing

Palabras como revolucionario, disruptivo, fluido o de nueva generación no contienen información comprobable. El rasgo de «datos densos» y la comprobación de «datos necesarios» de Lumar apuntan en la misma dirección. Las secciones más fáciles de citar suelen contener:

• Mediciones con unidades (milisegundos, megabytes, peticiones por segundo).
• Nombres y versiones exactos de software, protocolos y especificaciones (HTTP/3, PHP 8.4, OAuth 2.1, RFC 9110).
• Las condiciones en las que una afirmación es válida y la causa de un resultado.

#Por qué las tablas y especificaciones encajan en las citas de IA

Entre los ejemplos de Lumar de secciones con más probabilidad de cita están los procesos paso a paso y las especificaciones. Ambos contienen datos que se entienden por sí solos, y una tabla comparativa hace lo mismo. No hemos encontrado ningún estudio publicado que mida cuánto más se citan las tablas que la prosa, así que el argumento a favor de una tabla es la claridad: cuando el contenido compara varios elementos según los mismos atributos, una tabla lo muestra sin obligar a desenredar frases.

La tabla siguiente contrasta los supuestos del SEO clásico con lo que dicen las fuentes anteriores sobre la búsqueda generativa:

#Cómo conectar tu sitio a Wikidata para que las entidades sean inequívocas

Google no describe Wikidata como una señal de confianza para Gemini ni para AI Mode. Su guía dice que los datos estructurados no son obligatorios para la búsqueda con IA generativa y que no hay marcado schema.org especial que añadir, aunque recomienda los datos estructurados como parte del SEO normal para los resultados enriquecidos. Lo que Suganthan Mohanadasan sí documenta sobre Gemini es más práctico:

• La API de Gemini devuelve groundingMetadata con las búsquedas que escribió Gemini (webSearchQueries), las páginas que usó (groundingChunks) y los vínculos entre esas páginas y partes de la respuesta (groundingSupports).
• Las fuentes citadas cambian entre ejecuciones de la misma pregunta, así que una sola prueba es una anécdota. Él ejecuta cada consulta cinco veces y cuenta las repeticiones.
• En sus pruebas de septiembre, los editores cuyo robots.txt bloqueaba Google-Extended fueron citados en 0 de 10 ejecuciones, frente a 6 de 6 para los que lo permitían.

#Código JSON-LD con entidades de Wikidata para WordPress y Astro

Vincular los temas de un artículo a QID de Wikidata sigue siendo útil para desambiguar: Astro el framework y Astro el nombre de empresa dejan de ser la misma cadena de texto. Este sitio usa about y mentions para ello. Ten en cuenta que knowsAbout corresponde a Person u Organization, no a un artículo:

{
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "Query fan-out y secciones citables en motores de búsqueda de IA",
  "description": "Guía técnica sobre query fan-out y secciones de contenido autónomas.",
  "inLanguage": "es",
  "author": {
    "@type": "Organization",
    "name": "wppoland.com",
    "url": "https://wppoland.com",
    "knowsAbout": [
      {
        "@type": "Thing",
        "name": "Search engine optimization",
        "sameAs": "https://www.wikidata.org/wiki/Q180711"
      },
      {
        "@type": "Thing",
        "name": "Web development",
        "sameAs": "https://www.wikidata.org/wiki/Q386275"
      }
    ]
  },
  "about": [
    {
      "@type": "Thing",
      "name": "Large language model",
      "sameAs": "https://www.wikidata.org/wiki/Q115305900"
    },
    {
      "@type": "Thing",
      "name": "Information retrieval",
      "sameAs": "https://www.wikidata.org/wiki/Q816826"
    }
  ]
}

El marcado deja claro de qué entidades trata el artículo. Por sí solo no consigue citas, y Google lo dice.

#Qué esperan los rastreadores de IA y los proveedores de IA

En 2026 cambiaron dos cosas para los equipos que trabajan en búsqueda generativa. En el plano normativo, Mike King, de iPullRank, señala que la actualización de 2026 de la política de uso de Anthropic, publicada el 8 de octubre y vigente desde el 12 de noviembre, prohíbe usar Claude para manipular las fuentes de las que los buscadores o los sistemas de IA extraen respuestas, por ejemplo con redes de sitios que se hacen pasar por independientes (iPullRank). El mismo artículo recuerda que Google trata la creación masiva de páginas para consultas de fan-out como abuso de contenido a escala. Ambas normas apuntan a la misma receta: independencia fingida y páginas fabricadas en serie.

En el plano técnico, el límite es el renderizado. Vercel y MERJ informaron en diciembre de 2024 de que ninguno de los grandes rastreadores de IA ejecutaba JavaScript, incluidos los de OpenAI y Anthropic, mientras que Gemini usa la infraestructura de Googlebot y renderiza por completo (Vercel).

#Cómo servir contenidos que los rastreadores de IA puedan leer

Para que los rastreadores detrás de ChatGPT, Claude y Perplexity vean el contenido, la infraestructura debe seguir tres principios:

1. El contenido en el HTML del servidor: una aplicación de una sola página que rellena un contenedor vacío en el navegador muestra a estos rastreadores una página vacía. La salida estática de Astro, el renderizado en servidor o un tema clásico de WordPress envían el texto en la primera respuesta.
2. HTML semántico donde encaje: article, section, header y las listas de definición (dl, dt, dd) marcan los límites temáticos con más claridad que los div con clases utilitarias. La guía de Google añade que no hace falta un HTML perfectamente semántico y que ayuda sobre todo a quienes usan lectores de pantalla.
3. Comprobar lo que recibió el rastreador: descarga la página sin JavaScript (curl, o la herramienta de inspección de URLs para Googlebot) y confirma que el texto está ahí.

#Cómo crear tarjetas de datos en código de WordPress y Astro

Una tarjeta de datos es un patrón editorial, no una señal de ranking: un recuadro que enuncia un dato con su unidad, sus condiciones y su fuente, para que la afirmación siga siendo válida cuando se cita sola. Se corresponde directamente con la comprobación de «datos necesarios» de Lumar. Hacer obligatorios los campos de fuente y medición impide publicar una afirmación sin ellos.

Este es un componente de Astro para ese patrón:

---
interface Props {
  entityName: string;
  claim: string;
  metric: string;
  sourceUrl: string;
  sourceName: string;
}

const { entityName, claim, metric, sourceUrl, sourceName } = Astro.props;
---

<aside class="fact-card my-6 p-6 border-l-4 border-emerald-600 bg-slate-50 dark:bg-slate-900 rounded-r-lg">
  <p class="text-xs font-mono uppercase tracking-wider text-slate-500 mb-2">{entityName}</p>
  <p class="text-lg font-semibold text-slate-900 dark:text-slate-100 mb-2">{claim}</p>
  <p class="text-sm font-medium text-emerald-700 dark:text-emerald-400">
    <strong>{metric}</strong>, source: <a href={sourceUrl}>{sourceName}</a>
  </p>
</aside>

La tarjeta se renderiza como HTML normal en la respuesta del servidor. Evita a propósito el marcado ClaimReview: ese tipo está pensado para organizaciones de verificación que revisan afirmaciones ajenas, no para las afirmaciones propias de un editor.

#Cómo registrar un bloque de tarjeta de datos en WordPress Gutenberg

En WordPress, el mismo patrón funciona como bloque personalizado de Gutenberg o como bloque de ACF. La plantilla PHP no debe mostrar nada cuando falta un campo obligatorio, en lugar de inventar texto de relleno:

<?php
/**
 * ACF block template: fact card
 *
 * @param array $block Block settings and attributes.
 */

$entity_name = get_field( 'fact_entity_name' );
$core_claim  = get_field( 'fact_claim' );
$metric      = get_field( 'fact_metric' );
$source_url  = get_field( 'fact_source_url' );

if ( ! $core_claim || ! $source_url ) {
    return;
}
?>
<section class="fact-card border border-slate-200 p-5 rounded my-4">
    <h3 class="text-base font-bold text-slate-800 mb-1"><?php echo esc_html( $entity_name ); ?></h3>
    <p class="text-slate-700 text-sm leading-relaxed mb-3"><?php echo esc_html( $core_claim ); ?></p>
    <p class="text-xs font-mono text-emerald-700">
        <strong><?php echo esc_html( $metric ); ?></strong>,
        <a href="<?php echo esc_url( $source_url ); ?>"><?php esc_html_e( 'source', 'textdomain' ); ?></a>
    </p>
</section>

Así nadie en la redacción puede publicar una tarjeta sin afirmación ni fuente.

#Cómo servir Markdown limpio a rastreadores de IA con Cloudflare Workers

Algunos agentes de IA piden Markdown con la cabecera Accept: text/markdown. wppoland.com responde a esas peticiones desde el middleware de Cloudflare Pages, que se ejecuta en Workers: elimina scripts, estilos y navegación del HTML renderizado y devuelve el contenido principal en Markdown, con una cabecera Link canónica que apunta a la página HTML.

1. Respuesta más pequeña: una sola petición a la versión inglesa de este artículo el 17 de octubre de 2026 devolvió 248.112 bytes de HTML sin comprimir y 27.215 bytes de Markdown.
2. Menos restos de maquetación: encabezados, listas y tablas llegan como estructura Markdown en lugar de marcado anidado.
3. Misma URL, entrada de caché separada: la respuesta HTML lleva Vary: Accept, para que las cachés no sirvan la versión Markdown a los navegadores.

La Búsqueda de Google no lo usa. Su guía dice que no necesitas Markdown ni otros archivos especiales para aparecer en la Búsqueda de Google, tampoco en sus funciones de IA generativa. La respuesta en Markdown es para otros agentes que la solicitan.

#Qué búsquedas hacen los directivos de comercio electrónico en motores generativos

En el mercado español, muchas preguntas técnicas están ligadas a la normativa fiscal y a los medios de cobro locales. Un equipo de dirección digital podría consultar a Gemini:

¿Cómo migrar de PrestaShop a WooCommerce headless con Redsys, Bizum y cumplimiento de TicketBAI para 10.000 pedidos al mes?

Un fan-out para este prompt podría dividirlo en búsquedas como estas:

• Migración PrestaShop a WooCommerce conservación de URLs y mapeo 301
• Redsys y Bizum API REST webhooks asíncronos en arquitecturas headless
• Cumplimiento normativo de TicketBAI y Factura Electrónica en tiendas WooCommerce
• Astro SSR latencia de checkout y reducción de alcance PCI-DSS

Una página general de lemas tiene poco que ofrecer a cada una de estas búsquedas. La guía de Google recomienda contenido que no sea genérico y que se base en la experiencia propia, y Ahrefs informa de que ChatGPT está desplazando citas de los sitios que resumen hacia las fuentes que producen la información. Para un integrador, eso significa publicar lo que solo su equipo ha medido: tolerancias de cola, tiempos de respuesta de las pasarelas y procesos de facturación automatizada.

#Cómo comprobar en 6 pasos si tu web está lista para los motores de búsqueda de IA

Para comprobar si el contenido cumple estos criterios, haz esta revisión en seis pasos:

+-------------------------------------------------------------------+
|               REVISIÓN DE CITABILIDAD DE SECCIONES                |
+-------------------------------------------------------------------+
                                  |
                                  v
         [ PASO 1: Pronombres al inicio de los párrafos ]
                 (Sustituir "esto", "ello", "como arriba")
                                  |
                                  v
       [ PASO 2: Respuesta primero bajo los encabezados ]
              (Definición o veredicto en la primera frase)
                                  |
                                  v
     [ PASO 3: Tablas para comparaciones y especificaciones ]
               (¿Mismos atributos? Usa una tabla)
                                  |
                                  v
        [ PASO 4: Revisión del marcado de entidades ]
               (QID en about y mentions coinciden con el texto)
                                  |
                                  v
       [ PASO 5: Pruebas repetidas de prompts ]
               (Varias ejecuciones por consulta, contar repeticiones)
                                  |
                                  v
     [ PASO 6: Acceso de rastreadores y registros ]
               (robots.txt, reglas de CDN, GPTBot, ClaudeBot)

1. Revisión de pronombres: repasa el inicio de los párrafos. Si una sección empieza con esto, ellos, este enfoque o como se ha dicho, sustituye el pronombre por el nombre de la tecnología o del concepto.
2. Respuesta primero: comprueba que la primera frase bajo cada encabezado H2 y H3 da la respuesta antes del contexto.
3. Revisión de tablas: cuando una sección compara varios elementos según los mismos atributos (parámetros, planes, mediciones), usa una tabla HTML.
4. Marcado de entidades: confirma que los QID de about y mentions apuntan a las entidades de las que realmente trata el texto.
5. Pruebas repetidas de prompts: envía las búsquedas relacionadas a Perplexity, ChatGPT Search y Gemini varias veces cada una, porque las citas cambian entre ejecuciones. Para las funciones de Google, usa el informe de rendimiento de IA generativa de Search Console.
6. Acceso y registros: confirma que el sitio está incluido en las funciones de IA generativa en Search Console, que robots.txt y las reglas de la CDN permiten los rastreadores que te interesan (Googlebot, OAI-SearchBot, PerplexityBot, ClaudeBot) y vigila en los registros del servidor sus códigos de estado y su frecuencia de rastreo.

#Cómo diseñar páginas web para motores de respuesta generativa

La búsqueda generativa no sustituye al SEO técnico. La posición de Google es que optimizar para la búsqueda con IA generativa sigue siendo SEO: una página tiene que estar indexada y ser apta para mostrarse con fragmento, y no hacen falta fragmentación, llms.txt ni marcado especial. Los datos publicados sobre el fan-out son más limitados que las afirmaciones que lo rodean: el modelo gratuito de ChatGPT buscó en el 14,4 por ciento de las respuestas de la muestra de Ahrefs, y las fuentes que cita Gemini cambian de una ejecución a otra.

Lo que se sostiene en todas las fuentes es sencillo: secciones que responden a una pregunta con sus propias palabras, datos con unidades y fuentes, contenido en el HTML del servidor e información que el equipo ha medido por sí mismo en lugar de resumir la de otros.