Outpost 03 · Query Fan Out: el concepto que todos repiten y nadie entiende

Query fan-out. Lo has oído en la última reunión, en el último informe de tu agencia, en aquel webinar que no terminaste. Y sigues sin saber qué es.

Qué es el Query Fan Out

No es culpa tuya. La mayoría de gente que repite el término tampoco sabría explicártelo. Y es, además, la razón por la que tu web puede estar haciéndolo todo bien y aun así no aparecer en las búsquedas que tu cliente se está haciendo.

Vamos a verlo despacio. Sin una sola palabra sin traducir.

Lo que Google admite

En mayo de 2025, al lanzar AI Mode (el modo en el que Google te responde con su propia IA en vez de darte una lista de enlaces), lo dejó por escrito: coge tu pregunta, la parte en sub-temas y lanza muchas búsquedas a la vez en tu nombre.

La técnica tiene nombre. Ese nombre es query fan-out. La pregunta se abre en abanico.

La patente

La patente que describe el mecanismo se publicó en agosto de 2024. Pero hay otra anterior, también de Google, sobre lo mismo, concedida en 2023. Lo tenían en el cajón incluso antes de que ChatGPT fuera tema de sobremesa.

Lo cuento porque te importa a ti: esto no es una moda que pasará. Es la infraestructura que tenemos hoy.

No es solo Google

La técnica es transversal. Cada motor de IA hace su propia versión: ChatGPT, Perplexity, Claude, Gemini. Pero el query fan-out es universal.

La unidad de visibilidad (aquello por lo que compites por aparecer) ya no es la query. Es la red que la query genera.

De keywords a ramas

Con esto pasamos de keywords a ramas. Y la pregunta cambia: ¿qué se pregunta realmente el usuario?

Lo que People Also Ask te enseñaba a la vista, ahora pasa por debajo. Llevas años viendo esas preguntas en acordeón asociadas a la tuya. Es la versión transparente de algo que ahora ocurre en segundo plano.

Donde People Also Ask te enseñaba cuatro u ocho preguntas obvias, el modelo en fan-out genera entre ocho y doce sub-preguntas con intenciones cualitativamente distintas. Comparativas, exploratorias, de decisión, condicionales. Y las ejecuta todas en paralelo.

Un ejemplo: "mejor CRM"

Alguien busca "mejor CRM". Parece una consulta sencilla. Lo que ocurre por debajo no lo es.

El modelo no ejecuta una búsqueda literal. La descompone en líneas de investigación paralelas: ¿para qué tipo de empresa? ¿qué opciones existen? ¿qué integraciones necesita? ¿qué funcionalidades importan? ¿cuál es el precio? ¿qué casos de uso encajan? ¿qué opinan los usuarios? ¿cómo escala cada solución?

La IA no responde a una pregunta. Primero la descompone. Después explora múltiples perspectivas simultáneamente. Una consulta aparentemente simple puede activar decenas de búsquedas internas.

Luego toda la información recopilada vuelve al modelo. Las distintas investigaciones se cruzan, se ponderan, se contrastan. Se eliminan contradicciones, se priorizan señales.

Lo que ves como una respuesta única es en realidad el resultado de múltiples investigaciones ejecutadas y consolidadas en paralelo.

Mundo viejo, mundo nuevo

El SEO clásico es una pelea por posición. Optimizas para una keyword genérica. Posicionar primero es ganar. La búsqueda es la unidad de visibilidad. Y el SEO compite por las SERPs.

El nuevo SEO es una pelea por cobertura. Optimizas tu marca para el árbol entero. Posicionar primero no garantiza aparecer. La red es la unidad de visibilidad. Y la marca compite por ramas.

Quédate con esto: una marca que aparece en la página tres puede ser citada por las AI Overviews (ese resumen que ahora aparece arriba de los resultados de Google, generado por IA), porque cubre una rama que las de la página uno no cubren.

La vieja pregunta "¿rankeo para esa keyword?" pasa a ser "¿mi marca aparece en cada rama del árbol que el modelo genera?". Posicionar en AI Mode no es un problema de keywords. Es un problema de marca.

La trampa del hyper long-tail

La respuesta intuitiva es generar más contenido. Una página por sub-query. Es la trampa del hyper long-tail.

Más páginas no resuelven una marca sin foco. La multiplican.

Cómo verlo en tu propia web

En Magnify hemos hecho dos herramientas gratuitas para empezar a mirar lo que el buscador ya no te enseña.

Atlas hace exactamente lo que acabas de leer, pero con tu página. Le das una dirección tuya y una búsqueda comercial. Te dibuja entre ocho y doce sub-preguntas que un modelo genera al abrir esa query en abanico. Para cada rama te dice tres cosas: cuál responde tu página, cuál roza de pasada y cuál se le escapa entera. Cuando un cliente llega a Magnify, esto es lo primero que miramos: qué ramas cubre y cuáles le está regalando a la competencia. Otras herramientas dibujan el abanico. Atlas lo cruza contra tu página.

Sonar es la segunda mitad del par. Si Atlas diagnostica cobertura, Sonar dice qué cubrir. Le das una keyword y reúne las preguntas que la gente hace de verdad: Google, autocompletado, ChatGPT, Claude, Gemini. Las agrupa por intención y te devuelve el briefing de lo que tu contenido tiene que cubrir, para tu buyer persona en concreto. Del diagnóstico a la lista de la compra.

Gratuitas. Sin registro. En beta. En atlas.magnifytools.com y sonar.magnifytools.com.

Tres límites que conviene decir en voz alta

Lo que veas en Atlas y en Sonar no es la verdad absoluta. Es una hipótesis bien informada. Saber eso es parte de usarlas bien.

Personalización. El abanico real depende del historial, la ubicación y la cuenta de cada usuario. Lo que tú ves no es lo mismo que ve tu cliente.

Simulación, no observación. Ninguna herramienta del mercado ve el fan-out real que hace Google. Todas, la nuestra incluida, usan un modelo para inferir uno bastante plausible.

Variabilidad entre motores. ChatGPT genera ramas distintas a las de Google o Perplexity. Prueba con varias y fíjate en qué temas se repiten y cuáles te interesa cubrir.

La unidad de visibilidad ya no es la query. Es la red. Y por primera vez, al menos, puedes dibujarla. Pero esto es solo una página. Tu web es todo un ecosistema.