1.797 subqueries de ChatGPT sobre 189 prompts de marca
El estudio lo firma MJ Cachón, consultora SEO en Madrid, y se publicó el 25 de agosto (actualizado el 26). La mayoría de la investigación sobre query fan-out que circula analiza prompts genéricos del tipo «mejor CRM»; este mira algo distinto y más incómodo: qué busca ChatGPT cuando le preguntas por una marca concreta. Conviene aclarar que «query fan-out» es un término del sector, no terminología oficial de Google ni de OpenAI: describe que el modelo convierte una pregunta tuya en varias búsquedas propias que el usuario nunca ve.
La muestra son 189 prompts de marca en tres proyectos de sectores distintos (salud, retail deportivo y hoteles), 723 ejecuciones y 1.797 subqueries, todo sobre GPT-5.5 en agosto de 2026. De esos 189 prompts, 174 generaron fan-out. La media es de 10,3 subqueries por prompt y 2,6 por ejecución, con un máximo de 13, y una longitud media de siete palabras.
El dato que sostiene todo lo demás: el 93,4% de las subqueries llevan el nombre de la marca dentro. Solo el 0,8% nombra a un competidor. Y el 30,2% usa el operador site:. Por destino, el 69,8% va a búsqueda abierta sin operador, el 16,6% apunta con site: al dominio propio de la marca, el 7,9% a dominios del grupo, el 5,6% a terceros y un residual 0,1% a competidores. Por temática, lo que más se busca es marca genérica (23,3%), producto o servicio (20,6%) y reputación y confianza (10,1%).
De la pregunta abierta a las comillas exactas: las cuatro fases del fan-out
Lo interesante no es el volumen, es el orden. Cachón describe una secuencia de cuatro fases dentro de cada ejecución: primero una pregunta abierta en lenguaje natural y sin operadores; después un estrechamiento, cuando aparece el site:; luego una verificación, cuando aparecen las comillas de coincidencia exacta; y por último una insistencia, con reformulaciones más cortas y dirigidas.
site: se multiplica por 4 y las comillas exactas por 25. Fuente: estudio de MJ Cachón.El contraste entre la primera y la última subquery de cada ejecución es la parte más sólida del estudio, con 248 observaciones en cada extremo: el site: pasa del 7,7% al 29,8% (por cuatro) y las comillas exactas del 1,6% al 39,9% (por veinticinco). Dicho de otra forma, el modelo empieza preguntando y termina comprobando literales.
La otra cifra que cambia la lectura habitual: el 63,9% de las ejecuciones con fan-out se resuelven en dos búsquedas o menos. El fan-out largo, ese que se enseña en las presentaciones como prueba de que la IA explora un tema a fondo, aparece sobre todo cuando las primeras búsquedas no encuentran lo que el modelo iba a buscar. La conclusión de la autora es directa: «si el modelo insiste en hacer búsquedas parecidas o idénticas y tú no estás en una de ellas, probablemente no estés en ninguna».
No es un hallazgo aislado. Seer Interactive llegó en junio a la misma lectura por otro camino, analizando patrones de fan-out en ChatGPT 5.5 sobre un corpus de 617 prompts: el fan-out funciona como verificación de marca antes que como exploración temática. Que dos estudios independientes, con metodologías distintas, apunten al mismo sitio le da bastante peso a la idea.
Mi lectura
Esto desmonta media estrategia de contenidos que se está vendiendo como GEO. Si el 93,4% de lo que el modelo busca lleva tu nombre dentro y solo el 0,8% nombra a un competidor, publicar el artículo número catorce sobre tu categoría no mueve nada: el modelo no está explorando el tema, está intentando confirmar lo que ya cree saber de ti. Y como puedes ver por la escalada de comillas exactas, lo que comprueba son afirmaciones concretas, no ideas generales. Precio, garantía, sedes, certificaciones, quién eres. Si eso no está en tu web de forma literal y repetido fuera de ella, el modelo se queda sin dónde confirmarlo y tira de lo que encuentre.
Lo que yo me llevaría a la práctica es un ejercicio bastante aburrido y bastante rentable: coger las diez o quince afirmaciones que quieres que la IA diga de tu marca y comprobar, una a una, si son confirmables en tu dominio y si alguien más las repite fuera (o mejor, tira de MCP y pídele a tu agente favorito que te lance esos prompts de marca y te enseñe qué encuentra y qué no). Ahí es donde entra el Information gain de verdad, y ahí es donde trabajo cuando alguien me pide SEO para IA. Ojo también con un detalle que pasa desapercibido: el estudio es de una consultora española, está publicado en inglés y ni una pieza en español lo había contado. Ya sabes cómo va esto.