La búsqueda con IA redefine las palabras clave: fan-out y feeds

La búsqueda con IA reescribe la estrategia de palabras clave: qué significan el fan-out, los feeds y la caída del tráfico

Las reglas de la estrategia de palabras clave están cambiando más rápido de lo que la mayoría de los equipos pueden actualizar sus procesos. Tres cosas ocurren al mismo tiempo: los sistemas de IA dividen las consultas en decenas de subconsultas y buscan citas literales, el tráfico orgánico de Google está cayendo de forma estructural, y en el shopping con IA los ganadores son quienes tienen el mejor feed de producto, no el mejor sitio web. Si tu investigación de palabras clave sigue la lógica de 2022, estás trabajando con un mapa obsoleto.

Puntos clave

• El query fan-out significa que la IA verifica afirmaciones usando frases exactas entre comillas, y el contenido sin oraciones literalmente citables queda fuera del proceso.
• El tráfico orgánico de Google está cayendo de verdad, entre un 5 y un 15 por ciento estimado para sitios de contenido, y la tasa de clics en fuentes citadas dentro de los AI Overviews ronda el 1 por ciento.
• En el shopping con IA, la calidad del feed supera a la calidad del sitio web: el retrieval basado en feeds representa alrededor del 65 por ciento de las recomendaciones de ChatGPT.
• La investigación de palabras clave asistida por IA funciona mejor cuando introduces señales de clientes (reseñas, Reddit, llamadas de ventas) y validas los resultados en herramientas tradicionales.
• Rastrear la visibilidad en IA en una sola plataforma no es suficiente. Necesitas cobertura ponderada entre ChatGPT, Gemini, Claude y Google AI Overviews.

Cómo el query fan-out cambia lo que escribes

Un análisis de 189 prompts de marca en ChatGPT generó 1.797 subconsultas, y el uso de citas exactas en esas subconsultas creció 25 veces desde la primera hasta la última ronda. Las consultas en modo IA son de media tres veces más largas que las búsquedas clásicas. Son cifras que cambian la forma de pensar sobre la estructura del contenido. (Search Engine Journal)

En la práctica, todo se reduce a una cosa: cada respuesta clave en tu contenido debe estar redactada de forma que pueda extraerse y usarse como cita directa. No enterrada en un párrafo largo, sino como una oración independiente que tenga sentido sin el contexto que la rodea. Si un sistema de IA busca una frase entre comillas con el operador site: y tu oración no está literalmente ahí, tu contenido no existe en ese ciclo de fan-out.

Una técnica antigua de notas de prensa, construir frases de 4 a 5 palabras alrededor de un tema semilla de 3 palabras, funciona sorprendentemente bien aquí. Cubre variantes de consulta cortas y largas a la vez, y apunta al 15 por ciento de consultas completamente nuevas que Google genera cada día (confirmado por John Mueller en marzo de 2025).

Qué significa esto para tu proceso de investigación de palabras clave

Empieza con una exportación de Google Search Console y busca consultas que rankeen en las posiciones 8 a 20 con muchas impresiones y CTR bajo. Esos son los puntos donde los sistemas de IA ven parcialmente tu contenido pero no lo citan. Añade la redacción exacta de esas consultas a encabezados H2 o párrafos de apertura.

El flujo de trabajo descrito en el blog de Semrush combina Claude con tu propio contexto de negocio y señales de clientes (reseñas de competidores, hilos de Reddit, transcripciones de llamadas de ventas) y valida los resultados en Semrush. El paso clave es construir un archivo de contexto de negocio con cinco preguntas (qué vendes, quién compra, qué problemas resuelves, quién es la competencia, cuáles son las reglas) y filtrar palabras clave por relevancia, no solo por volumen. (Semrush Blog)

El tráfico orgánico cae, y la tasa de clics es aún peor

Un estudio de la Universidad de Washington estima que los AI Overviews de Google redujeron las referencias de búsqueda mensuales a la Wikipedia en inglés en torno a un 5 por ciento, lo que equivale a aproximadamente 1.200 millones de visitas al año. Wikimedia también confirma una caída del 8 por ciento en el total de páginas vistas por humanos. Los datos de Pew añaden contexto: cuando aparece un resumen de IA, solo el 8 por ciento de los usuarios hace clic en los resultados tradicionales (frente al 15 por ciento sin resumen), y solo el 1 por ciento hace clic en una fuente citada directamente dentro de los AI Overviews. (Search Engine Journal)

Wikipedia es un caso extremo, pero la señal es clara: visibilidad en AI Overviews y tráfico real son dos cosas distintas. Tiene sentido invertir en notoriedad de marca y señales off-page que aumenten la probabilidad de ser citado. También conviene diversificar la mezcla de tráfico: directo, email, búsqueda de marca y datos propios no son un plan B, son tu red de seguridad principal.

La dependencia excesiva de una sola fuente de tráfico (Wikipedia obtenía el 90 por ciento de Google) es un riesgo estructural que afecta a todos.

Los feeds de producto son el nuevo SEO para el e-commerce

Los datos de Profound muestran que la cuota de recomendaciones de productos en ChatGPT Shopping procedentes del retrieval basado en feeds saltó del 8 por ciento a alrededor del 65 por ciento en menos de dos meses. De 687 comerciantes rastreados, 450 vieron caer su visibilidad un 33 por ciento o más. Al mismo tiempo, la visibilidad se concentra: la cuota de los 10 principales comerciantes subió del 22,5 al 41,8 por ciento, y el número de comerciantes únicos cayó más de un 20 por ciento. (Search Engine Journal)

El catálogo de Shopify se conecta automáticamente; los demás están en lista de espera. Si gestionas clientes de e-commerce fuera de Shopify, apúntate a la lista de espera del feed directo de OpenAI lo antes posible y trabaja en paralelo en el enriquecimiento del feed: precios, descripciones, categorías, disponibilidad, schema de producto. La calidad de los campos importará más que la mera existencia del feed en la próxima fase.

Cómo configurar un seguimiento de visibilidad en IA que realmente funcione

El error que comete la mayoría de los equipos es rastrear una o dos plataformas y promediar los resultados. ChatGPT tiene el 53,9 por ciento del tráfico de chatbots de IA, Gemini el 27,9 por ciento, Claude el 9,2 por ciento y Perplexity apenas el 1,3 por ciento. Pero Google AI Overviews llega a 2.500 millones de usuarios al mes, y Claude juega un papel relevante en B2B gracias a su distribución enterprise (más de 100.000 clientes en AWS Bedrock). (Search Engine Journal)

Un enfoque práctico de tres niveles:

• Nivel 1: ChatGPT, Gemini, Claude (en B2B, prioriza Claude a pesar del menor tráfico)
• Nivel 2: Google AI Overviews, Microsoft Copilot
• Nivel 3: Perplexity, Grok, DeepSeek (monitoriza con menor ponderación, no los ignores)

Pondera siempre las plataformas según donde tu audiencia objetivo pasa realmente el tiempo, no según la cuota de mercado global. Y conecta tres conjuntos de datos: exposición de audiencia (quién usa la plataforma), visibilidad (citas y menciones) e impacto en el negocio (referrers de IA en GA). Sin los tres, trabajas con puntos ciegos.

Si quieres automatizar este tipo de análisis y tener una visión unificada de todas las plataformas, descubre lo que los agentes de IA de Charlie pueden hacer por tu equipo.