Expansión de consultas (query fan-out)

TL;DR — La expansión de consultas es la forma en que la búsqueda con IA convierte una pregunta en varias búsquedas. En vez de ejecutar una única búsqueda, el sistema divide la pregunta en varias subpreguntas relacionadas, las busca al mismo tiempo y une los resultados en una sola respuesta. Por eso una AI Overview de Google puede abordar un tema desde varios ángulos, y por eso su contenido debe responder a algo más que las palabras exactas que escribió una persona.

Qué es la expansión de consultas

Google describe la expansión de consultas en el Modo IA como la emisión de varias búsquedas relacionadas entre subtemas y fuentes de datos. Evidence for this claim Google describes AI Mode as using a query fan-out technique that issues multiple related searches across subtopics and data sources. Scope: Google AI Mode's documented behavior; exact orchestration, ranking, and generated queries are product-specific and can change. Confidence: high · Verified: 2026-07-14 Google: AI Mode in Search Este comportamiento documentado del producto no debe generalizarse a todos los modelos o sistemas de búsqueda. Evidence for this claim Query fan-out is a retrieval-orchestration pattern that expands one request into multiple related searches before synthesis. Scope: Editorial abstraction from Google's product description, not a claim that every AI answer uses this pipeline. Confidence: medium · Verified: 2026-07-14 Google: AI Mode in Search

Cuando escribe una pregunta en un buscador convencional, el motor ejecuta esa consulta y muestra una lista de páginas. La búsqueda con IA funciona de otra forma. Entre bastidores, toma la pregunta y la expande en varias búsquedas relacionadas —una por cada ángulo o subtema implícito—, las ejecuta todas y redacta una sola respuesta con lo recuperado.

Google confirma este proceso en su propia documentación: tanto AI Overviews como el Modo IA “may use a ‘query fan-out’ technique — issuing multiple related searches across subtopics and data sources — to develop a response.” (traducción) «pueden usar una técnica de expansión de consultas que emite varias búsquedas relacionadas entre subtemas y fuentes de datos para elaborar una respuesta».

Un ejemplo rápido. Pregunte «¿cómo consigo que mi césped vuelva a estar verde?». Una búsqueda convencional ejecuta esa frase. Una expansión podría buscar cuándo abonar, cómo reparar zonas despobladas, si conviene regar por la mañana y cómo tratar las malas hierbas, para después combinar las respuestas. Usted formuló una pregunta; la IA formuló varias en silencio.

Por qué le importa

Esta es la parte práctica. Como la IA busca las preguntas implícitas, y no solo la que se escribió, su contenido tiene más posibilidades de utilizarse si cubre realmente un tema con profundidad: lo suficiente para responder por sí solo a algunas de esas subpreguntas ocultas.

Eso supone un cambio respecto al antiguo juego de posicionar una página para una palabra clave. Una página saturada alrededor de una sola frase todavía puede posicionar en la búsqueda convencional, pero la expansión premia el contenido que cubre de verdad los subtemas que interesarían a una persona.

También debe saber que todo esto funciona sobre el índice de búsqueda normal de Google. No hay un «índice de IA» separado al que enviar contenido. Los mismos fundamentos de siempre —permitir el rastreo, conseguir la indexación y escribir con claridad— determinan si una página puede recuperarse para cualquiera de esas subconsultas.

¿Quiere conocer la mecánica real: cómo encaja la expansión en el proceso de recuperar y generar, qué significa de verdad «8–12 subconsultas» y por qué las citas dependen cada vez menos del posicionamiento? Cambie a la pestaña Avanzado.

TL;DR — La expansión de consultas es el paso de recuperación dentro de RAG o grounding: el modelo descompone una consulta en varias subconsultas relacionadas, las ejecuta simultáneamente sobre el índice principal de la Búsqueda y sintetiza los pasajes recuperados en una respuesta. Google confirma que AI Overviews y el Modo IA “may use a ‘query fan-out’ technique — issuing multiple related searches across subtopics and data sources.” (traducción) «pueden usar una técnica de expansión de consultas que emite varias búsquedas relacionadas entre subtemas y fuentes de datos». No existe un índice ni un sistema de posicionamiento de IA separado: se aplican las mismas puertas de rastreo → indexación → aptitud para fragmentos. La consecuencia para el SEO es que el contenido debe poder recuperarse para las subpreguntas implícitas, no solo para la consulta principal. Según Google, la maduración de esta expansión explica que las fuentes directas del top 10 cayesen de aproximadamente el 76 % a mediados de 2025 al 38 % a principios de 2026. La cifra de «8–12 subconsultas» es una estimación del sector, no un dato oficial de Google.

Dónde encaja la expansión en el proceso

La expansión es una estrategia de recuperación dentro de productos documentados, no un factor de posicionamiento controlado por el editor. Evidence for this claim Google describes AI Mode as using a query fan-out technique that issues multiple related searches across subtopics and data sources. Scope: Google AI Mode's documented behavior; exact orchestration, ranking, and generated queries are product-specific and can change. Confidence: high · Verified: 2026-07-14 Google: AI Mode in Search Las consultas generadas, sus ponderaciones y la orquestación exactas dependen de cada sistema. Evidence for this claim Query fan-out is a retrieval-orchestration pattern that expands one request into multiple related searches before synthesis. Scope: Editorial abstraction from Google's product description, not a claim that every AI answer uses this pipeline. Confidence: medium · Verified: 2026-07-14 Google: AI Mode in Search

La expansión no es todo el sistema, sino un paso de este. AI Overviews y el Modo IA funcionan con generación aumentada por recuperación (RAG), que Google denomina grounding: recuperar pasajes relevantes de un índice, introducirlos en el contexto del modelo y generar una respuesta fundamentada en ellos. La expansión ocurre al principio de la fase de recuperación: descompone una consulta en varias.

El ciclo completo, de forma aproximada: consulta del usuario → expansión en subconsultas → recuperación en el índice → selección de los mejores pasajes → generación de una respuesta sintetizada y citada. Si quiere profundizar en fragmentación, embeddings, búsqueda vectorial y reordenación, consulte los temas de recuperación y grounding de este grupo. Esta página trata específicamente del paso de expansión.

Lo que Google ha confirmado realmente y lo que no

Conviene separar el mecanismo confirmado de la teoría del sector construida sobre él. Google afirma claramente:

• AI Overviews y el Modo IA “may use a ‘query fan-out’ technique — issuing multiple related searches across subtopics and data sources — to develop a response.” (traducción) «pueden usar una técnica de expansión de consultas que emite varias búsquedas relacionadas entre subtemas y fuentes de datos para elaborar una respuesta».
• El modelo emite “concurrent, related queries… to request more information and fetch additional relevant search results,” (traducción) «consultas simultáneas y relacionadas para solicitar más información y obtener resultados de búsqueda relevantes adicionales», que Gemini después “analyzes… extracts the most relevant facts, and stitches them together into a single, comprehensive answer.” (traducción) «analiza, extrae los hechos más relevantes y une en una sola respuesta completa».
• Todo funciona sobre el índice principal: “our generative AI features on Google Search are rooted in our core Search ranking and quality systems.” (traducción) «nuestras funciones de IA generativa en la Búsqueda de Google se basan en nuestros sistemas principales de posicionamiento y calidad». No hay un índice ni un algoritmo de posicionamiento de IA separado.

Lo que Google no ha confirmado es un número concreto de subconsultas. La cifra repetida de «8–12 subconsultas por prompt» es una estimación del sector del SEO, no un dato oficial: debe entenderse como una ilustración de «varias, no una», no como un hecho. Google habla de varias búsquedas relacionadas, pero no publica cuántas.

Consultas de grounding: lo más parecido a observar la expansión

No puede ver las subconsultas de expansión de Google. Google no expone nada sobre ellas: su informe de rendimiento de IA generativa de junio de 2026 en Search Console muestra solo impresiones, desglosadas por páginas, países, fechas y dispositivos, sin dimensión de consulta.

El único lugar donde el sector puede observar un comportamiento similar es Bing/Microsoft. El informe Rendimiento de IA de Bing Webmaster Tools (vista previa pública, febrero de 2026) muestra consultas de grounding: las frases de búsqueda optimizadas para recuperación que llevaron su contenido a una respuesta de Copilot o Bing AI. Son distintas de lo que escribió el usuario: términos de búsqueda simplificados y generados por máquina. Microsoft Clarity añadió la misma visibilidad. Es lo más parecido a ver funcionar la expansión, y Google no ofrece equivalente.

Por qué está transformando las citas

Esta es la consecuencia más concreta y medible de la expansión, procedente de nuestros datos en Ahrefs.

Cuando estudiamos por primera vez cómo se alineaban las citas de AI Overviews con el posicionamiento orgánico, aproximadamente el 76 % de las páginas citadas también aparecía en el top 10 tradicional (mediados de 2025). En la actualización de marzo de 2026 —863 000 SERP de palabras clave y 4 millones de URL de AI Overviews, el doble de la muestra original— la cifra había caído a cerca del 38 %. El resto se repartía casi por igual entre posiciones 11–100 y páginas fuera del top 100.

Nuestra explicación fue: “Google is selecting far fewer pages straight from the original SERP… AI Overviews are relying less on the direct search results and more on the sources showing up in fan out query SERPs.” (traducción) «Google selecciona muchas menos páginas directamente de la SERP original; AI Overviews depende menos de los resultados directos y más de las fuentes que aparecen en las SERP de consultas expandidas». Al madurar la expansión, las fuentes pasaron del top 10 de la consulta principal a las SERP de las subconsultas. Posicionar en el número 1 para la frase exacta dejó de ser la puerta que era.

Otro patrón del mismo trabajo: las páginas que posicionan en varias consultas expandidas tienen muchas más probabilidades de ser citadas, una señal directa de que la amplitud entre subtemas supera a una página estrecha. YouTube también es una fuente de citas desproporcionada e independiente del posicionamiento: el 18,2 % de las citas de AI Overviews que no aparecen en el top 100 son URL de YouTube.

Qué implica la expansión para su contenido

Si se aparta el mecanismo, el plan es sencillo:

• Cubra los subtemas, no solo la palabra clave. La expansión recupera respuestas para las preguntas alrededor de la pregunta. Una profundidad temática real —que responda a los seguimientos obvios en la misma página o en un grupo bien enlazado— permite aparecer en más subconsultas. La recuperación es un requisito, no una promesa: entrar en el conjunto de candidatos no garantiza que el modelo seleccione, cite o atribuya correctamente la página en la respuesta final. Trate la cobertura amplia como una mejora de probabilidades, no como una garantía de cita divulgada.
• La indexación sigue siendo el requisito. Sin índice de IA separado, la cadena rastreo → indexación → aptitud para fragmentos debe funcionar. Una página que no puede rastrearse e indexarse no puede recuperarse para ninguna subconsulta. Google lo expresa así: para mostrarse como enlace de apoyo, “a page must be indexed and eligible to be shown in Google Search with a snippet… There are no additional technical requirements.” (traducción) «una página debe estar indexada y ser apta para mostrarse en la Búsqueda de Google con un fragmento; no hay requisitos técnicos adicionales».
• No optimice en exceso para el mecanismo. No necesita llms.txt ni marcado especial para IA —“Google Search itself doesn’t use them” (traducción) «la propia Búsqueda de Google no los utiliza»— y “there’s no requirement to break your content into tiny pieces for AI to better understand it.” (traducción) «no es necesario dividir el contenido en piezas diminutas para que la IA lo entienda mejor». Fragmentar el contenido para «coincidir con subconsultas» es justo lo que Google desaconseja.
• Estructure para las personas. La orientación de Google es deliberadamente mínima: organice el contenido “by paragraphs and sections, along with headings that provide a clear structure.” (traducción) «por párrafos y secciones, junto con encabezados que aporten una estructura clara». Los encabezados claros y las secciones autosuficientes facilitan recuperar pasajes, pero se escriben para lectores.
• Las señales externas siguen dominando. En la investigación general, las menciones de marca correlacionan con la visibilidad en AI Overviews más que Domain Rating (0,664 frente a 0,326). La expansión cambia en qué SERP debe aparecer, no el papel de la autoridad y las menciones.

La versión en una frase: la expansión no inventó una optimización nueva; amplió el objetivo. Ya no optimiza una página para una consulta, sino para ser una respuesta creíble en todo el vecindario de subconsultas que genera un tema.

Resumen de IA

Una síntesis de la versión avanzada:

• Expansión de consultas = una pregunta, muchas búsquedas. El modelo descompone una consulta en varias subconsultas relacionadas, las ejecuta simultáneamente y sintetiza los resultados en una respuesta. Es el paso de recuperación dentro de RAG/grounding, no todo el sistema.
• Google lo confirma: AI Overviews y el Modo IA “may use a ‘query fan-out’ technique — issuing multiple related searches across subtopics and data sources.” (traducción) «pueden usar una técnica de expansión que emite varias búsquedas relacionadas entre subtemas y fuentes de datos». Gemini después “stitches them together into a single, comprehensive answer.” (traducción) «las une en una sola respuesta completa».
• No existe un índice ni un sistema de posicionamiento de IA separado: se usa el índice principal de la Búsqueda y se aplican las puertas habituales de rastreo, indexación y aptitud para fragmentos.
• La cifra de «8–12 subconsultas» es una estimación del sector. Google confirma varias búsquedas, pero no publica un número.
• No puede ver la expansión de Google. El informe de IA generativa de GSC solo muestra impresiones, sin dimensión de consulta. Bing es la excepción: su informe Rendimiento de IA y Microsoft Clarity muestran consultas de grounding.
• Las citas dependen menos del posicionamiento. Las fuentes directas del top 10 cayeron de alrededor del 76 % al 38 % al madurar la expansión; las fuentes se desplazaron a las SERP de subconsultas.
• Consecuencia para el SEO: cubra subtemas, mantenga la indexación, no fragmente ni añada marcado especial para IA, estructure para personas y siga desarrollando autoridad y menciones externas.

Documentación oficial

Documentación primaria de Google y Microsoft sobre expansión, grounding y fuentes de respuestas generativas.

Google

• Funciones de IA y su sitio web — confirma la técnica de expansión, el requisito de aptitud para fragmentos y los controles de contenido.
• Guía de Google para optimizar funciones de IA generativa — define RAG y grounding sobre el índice principal y rebate la fragmentación, llms.txt y el marcado especial para IA.
• AI Overviews y Modo IA en la Búsqueda — confirma que no hay requisitos adicionales a la indexación y aptitud para fragmentos.
• Presentación de los informes de rendimiento de IA generativa en Search Console — informe de junio de 2026: solo impresiones y sin dimensión de consulta.
• Informe de rendimiento de IA generativa: ayuda de Search Console — dimensiones disponibles y ausentes.

Bing / Microsoft

• Presentación de Rendimiento de IA en Bing Webmaster Tools (vista previa pública) — muestra consultas de grounding, la ventana pública más cercana a las frases de recuperación expandidas.

Citas de la fuente

Declaraciones públicas de Google. Los enlaces profundos llevan al pasaje cuando la página lo permite.

Google: mecanismo de expansión confirmado

• “Both AI Overviews and AI Mode may use a ‘query fan-out’ technique — issuing multiple related searches across subtopics and data sources — to develop a response.” (traducción) «Tanto los resúmenes creados con IA como el Modo IA pueden usar una técnica de expansión de consultas que emite varias búsquedas relacionadas entre subtemas y fuentes de datos para elaborar una respuesta». — Google Search Central, «Funciones de IA y tu sitio web». Ir a la cita

Google: no existe un índice de IA separado

• “In short, yes! The best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems.” (traducción) «En resumen, sí. Las prácticas recomendadas de SEO siguen siendo pertinentes porque nuestras funciones de IA generativa en la Búsqueda de Google se basan en nuestros sistemas principales de posicionamiento y calidad». — Google Search Central, AI optimization guide. Ir a la cita

Google: puerta de elegibilidad

• “There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary.” (traducción) «No hay requisitos adicionales para aparecer en los resúmenes creados con IA o el Modo IA ni son necesarias otras optimizaciones especiales». — Google Search Central, documentación «Funciones de IA y tu sitio web». Ir a la cita

Google: no fragmente el contenido para el mecanismo

• “There’s no requirement to break your content into tiny pieces for AI to better understand it. Google systems are able to understand the nuance of multiple topics on a page and show the relevant piece to users.” (traducción) «No es necesario dividir el contenido en piezas diminutas para que la IA lo entienda mejor. Los sistemas de Google pueden comprender los matices de varios temas en una página y mostrar a los usuarios la parte pertinente». — Google Search Central, AI optimization guide. Ir a la cita

Google: estructura para lectores

• “People generally appreciate it when web pages are organized by paragraphs and sections, along with headings that provide a clear structure to navigate content.” (traducción) «Las personas suelen valorar que las páginas web se organicen en párrafos y secciones, con encabezados que proporcionen una estructura clara para recorrer el contenido». — Google Search Central, AI optimization guide. Ir a la cita

Modelos mentales

1. Entra una consulta y salen muchas. Una pregunta de usuario se convierte en varias búsquedas simultáneas y la respuesta se sintetiza con todas ellas. Cuando una respuesta de IA cubre ángulos que no se preguntaron explícitamente, está actuando la expansión.

2. La expansión es el paso de recuperación de RAG. No la trate como un sistema separado. El proceso es consulta → expansión → recuperación en el índice → selección de pasajes → respuesta fundamentada y citada. La expansión convierte en plural el paso de recuperar.

3. No existe un índice de IA separado. La expansión usa el mismo índice principal y los mismos sistemas de calidad que los enlaces azules. La cadena rastreo → indexación → aptitud para fragmentos es el requisito.

4. Mecanismo confirmado frente a teoría del sector. Google confirma la técnica, pero no un número. Trate «8–12 subconsultas» como una imagen útil de «varias, no una», no como un hecho.

5. El objetivo se amplió. Antes: posicionar una página para una consulta. Ahora: ser una respuesta creíble en todo el vecindario de subconsultas. Optimice el tema, no una única palabra clave.

Expansión de consultas: chuleta

En una frase Una consulta se descompone en varias subconsultas relacionadas, ejecutadas simultáneamente sobre el índice principal, y se sintetiza en una respuesta. Google lo confirma para AI Overviews y el Modo IA.

Dónde encaja

user query → [FAN-OUT into sub-queries] → retrieve across index → assemble passages → generate cited answer

Confirmado frente a estimado

Dónde puede verla

Qué hacer y qué evitar

• Haga: cubra subtemas con profundidad real, mantenga el rastreo, la indexación y la aptitud para fragmentos, y estructure con encabezados claros para lectores.
• Evite: fragmentar contenido para «coincidir» con subconsultas, añadir llms.txt o marcado especial para IA, o asumir que el puesto 1 garantiza una cita.

Lista de preparación para la expansión

Una revisión rápida para confirmar que el contenido puede recuperarse para las subconsultas de un tema:

• Toda página importante se puede rastrear y está indexada.
• Las páginas pueden mostrarse con un fragmento y no están bloqueadas por nosnippet o noindex donde se busca visibilidad.
• El tema se cubre con profundidad real; las preguntas de seguimiento se responden en la página o en un grupo bien enlazado.
• El contenido se organiza con encabezados claros y secciones autosuficientes para lectores.
• No se ha fragmentado en piezas diminutas destinadas solo a la IA.
• No se confía en llms.txt ni en un «marcado especial para IA» como palanca.
• Se desarrollan menciones de marca y autoridad externas.
• Para Bing/Copilot, se han revisado las consultas de grounding en Bing Webmaster Tools o Microsoft Clarity.
• No se presupone que el puesto 1 orgánico garantiza una cita: solo alrededor del 38 % de las citas actuales procede de un resultado del top 10.

Ejemplo completo de expansión

Una pregunta se convierte en varias. Suponga que el usuario pregunta: «¿Es bueno el ayuno intermitente para adelgazar?». Una búsqueda convencional ejecuta esa frase. La expansión la reparte entre subpreguntas aproximadas:

• cómo afecta el ayuno intermitente al peso
• ayuno intermitente frente a restricción calórica
• efectos secundarios del ayuno intermitente
• quién debería evitar el ayuno intermitente
• mejor horario de ayuno intermitente para principiantes

Cada subconsulta recupera su propio conjunto de páginas y el modelo sintetiza una respuesta con citas de todas ellas. Una página que solo responde a la pregunta literal compite por una parte; una página rigurosa o un grupo interno sólido puede recuperarse para varias.

Por qué la cita dejó su puesto número 1. Imagine que ocupa el primer puesto para «mejores zapatillas para pies planos». Tras la expansión, la respuesta puede construirse con SERP de subconsultas como «características de zapatillas para sobrepronación», «explicación del soporte del arco para pies planos» y «zapatillas de estabilidad frente a control de movimiento». Las páginas citadas son las que posicionan para esas consultas, no necesariamente su página principal.

Dónde puede observarlo. En Bing, el informe Rendimiento de IA muestra las consultas de grounding que hicieron aparecer su página. Un artículo sobre robots.txt podría recuperarse para “robots.txt block bots site access,” (traducción) «robots.txt bloquea el acceso de bots al sitio», no para la pregunta literal “how do I stop Google crawling a page.” (traducción) «cómo impido que Google rastree una página». Esa diferencia hace visible la expansión; Google no ofrece una vista equivalente.

Simular la expansión para investigar

No puede leer las subconsultas reales de Google, pero puede aproximar el espacio de subtemas para planificar profundidad.

Shell: obtener expansiones tipo Otras preguntas de una lista de palabras clave

# Given a seed query, list adjacent sub-questions to make sure your content covers them.
# (Feed real PAA / related-search data you've exported; this just structures the review.)
seed="intermittent fasting weight loss"
printf '%s\n' \
  "how does $seed work" \
  "$seed vs calorie restriction" \
  "$seed side effects" \
  "who should avoid ${seed% *}" \
  "best $seed schedule for beginners" \
| sort -u

Consola de Chrome DevTools: extraer preguntas de Otras preguntas en una SERP activa Ejecute esto en la consola de una página de resultados para obtener las preguntas visibles:

// On a Google SERP with a "People also ask" box open:
[...document.querySelectorAll('div[jsname] [role="button"] span, .related-question-pair span')]
  .map(el => el.textContent.trim())
  .filter(t => t.endsWith('?'))
  .filter((t, i, a) => a.indexOf(t) === i);

Bookmarklet: extracción en un clic de preguntas y búsquedas relacionadas

javascript:(()=>{const q=[...document.querySelectorAll('.related-question-pair span, a[data-hveid] div')].map(e=>e.textContent.trim()).filter(t=>t&&t.length<90);console.log([...new Set(q)].join('\n'));})();

Python: extraer por regex candidatas a subpreguntas del propio contenido

import re

subquestions = [
    "how does it work", "vs", "side effects",
    "who should avoid", "schedule for beginners",
]
draft = open("draft.md", encoding="utf-8").read().lower()

for q in subquestions:
    hit = re.search(re.escape(q), draft)
    print(f"{'✓' if hit else '✗'}  {q}")

Nada de esto revela la expansión real de Google: sirve para planificar la cobertura del vecindario temático. Para la versión visible por máquinas, use las consultas de grounding de Bing.

Herramientas para trabajar con la expansión

• Bing Webmaster Tools: informe Rendimiento de IA — muestra frases de recuperación reales de estilo fan-out: las consultas de grounding, además del total de citas y páginas citadas.
• Microsoft Clarity — también expone las consultas de grounding detrás de citas de IA.
• Google Search Console: informe de rendimiento de IA generativa — impresiones de páginas en funciones de IA. Sirve para visibilidad, pero no tiene dimensión de consulta.
• GSC: informe Rendimiento convencional e Inspección de URLs — confirme la indexación y la aptitud para fragmentos.
• Ahrefs (Brand Radar / Site Explorer) — siga qué páginas reciben citas y filtre palabras clave orgánicas por la función AI Overview.
• Datos de Otras preguntas y búsquedas relacionadas — una aproximación al espacio de subtemas para planificar profundidad.

Modelar una expansión sin inventar demanda

Pegue una pregunta principal, una audiencia e investigación verificada:

Decompose the primary question into the distinct subquestions an answer system may
need to resolve. Use only the supplied research as evidence of demand. Group each
subquestion by intent, entity, comparison, constraint, or follow-up. Mark speculative
branches clearly, merge duplicates, and map each retained branch to an existing page
or a documented content gap. Do not invent search volume.

Comprobar si una página cubre la expansión con coherencia

Pegue la expansión propuesta y los encabezados y resúmenes de secciones:

For each fan-out branch, identify the best matching section and quote the exact
heading that covers it. Label branches as covered, partially covered, absent, or
better served by another page. Flag sections that try to satisfy unrelated intents.
Recommend heading or internal-link changes without manufacturing facts or forcing
every branch into one URL.

Recursos que merecen su tiempo

Mis textos e investigaciones relacionados

• Actualización: el 38 % de las citas de AI Overviews procede del top 10 — estudio detrás de la conclusión sobre expansión; 863 000 SERP y 4 millones de URL.
• El 76 % de las citas de AI Overviews procede del top 10 — estudio original de 1,9 millones de citas.
• Conclusiones de 55,8 millones de AI Overviews en 590 millones de búsquedas — prevalencia, activación y dominios más citados.
• El 8,64 % de las AI Overviews aparece fuera de la posición 1 — estudio de 10 millones de SERP.
• Lo que sabemos realmente sobre optimizar para la búsqueda con LLM — correlaciones con citas de IA.
• ¿GEO? ¿AEO? ¿LLMO? ¿Qué es todo esto del SEO para IA? — charla de Ahrefs Evolve 2025.

Mis ponencias

• GEO/AEO/LLMO: seminario web sobre SEO para IA — dónde encajan expansión, grounding y recuperación.

Del sector

• Funciones de IA y su sitio web — confirmación oficial de Google.
• Guía de Google para optimizar funciones de IA generativa — mitos sobre fragmentación, llms.txt y datos estructurados.
• Guía de expansión de consultas — guía práctica de Search Engine Land.
• Presentación de Rendimiento de IA en Bing Webmaster Tools — informe de Microsoft con consultas de grounding.
• Consultas de grounding y expansiones de consultas — Hive Digital sobre señales de expansión.
• Microsoft Clarity muestra las consultas de grounding detrás de las citas de IA — Search Engine Journal sobre la divulgación de Clarity.

Estadísticas que merece la pena citar

• ~76 % → ~38 % — proporción de citas de AI Overviews que también posicionan en el top 10, a mediados de 2025 frente a principios de 2026. La actualización es investigación de Xibeijia Guan para Ahrefs (863 000 SERP y 4 millones de URL). Fuente
• 18,2 % — de las citas que no posicionan en el top 100 son URL de YouTube. Fuente
• 0,664 frente a 0,326 — correlación de menciones de marca frente a Domain Rating con la visibilidad en AI Overviews. Fuente
• «8–12 subconsultas» — cifra habitual que es una estimación del sector, no un dato oficial de Google. Contexto
• Solo impresiones, sin dimensión de consulta — el informe de IA generativa de Google no permite ver subconsultas; Bing es la excepción. Fuente

Póngase a prueba: expansión de consultas

Cinco preguntas rápidas sobre cómo funciona la expansión y qué implica para su contenido. Elija una respuesta y compruébela.

Registro de cambios