Cómo rastrear todas las consultas fan-out a la vez en AmICited

Las consultas fan-out que AmICited descubre para un prompt son preguntas reales que los motores de IA investigan, por lo que vale la pena rastrearlas por sí mismas. El botón Track all prompts convierte todo el conjunto fan-out en prompts monitoreados con un solo clic.

Qué es el query fan-out

Cuando escribes una pregunta en ChatGPT, Perplexity, Gemini o un Google AI Overview, el motor rara vez responde basándose únicamente en esa frase. En vez de eso, reescribe silenciosamente tu prompt en un lote de subconsultas relacionadas, investiga cada una por separado y combina los resultados en la respuesta que ves. Ese proceso de descomposición se llama query fanout : un único prompt de usuario se “expande” en un abanico que va desde un puñado hasta docenas de preguntas más específicas, cada una explorando un ángulo distinto: una definición, una comparación, un precio, un caso de uso, el nombre de un competidor.

Esto es importante para la visibilidad en búsquedas de IA porque las citas no ocurren solo a nivel del prompt original, sino a nivel de cada subconsulta que el motor genera en el camino. Una marca invisible en la respuesta a “mejor software de gestión de proyectos” puede aun así ser citada en una de las subconsultas fan-out que alimentan esa respuesta, como “software de gestión de proyectos para equipos remotos” o “comparación de precios de software de gestión de proyectos”. Por el contrario, posicionarse bien en el prompt principal no garantiza cobertura en todas las subconsultas que un motor explora debajo de él. Si solo rastreas los prompts que se te ocurrió escribir originalmente, te estás perdiendo el verdadero rastro de investigación que el modelo de IA siguió para construir su respuesta.

Esta es también la razón por la que la optimización para motores generativos trata los conjuntos de prompts de forma distinta a las listas de palabras clave tradicionales. Una lista de palabras clave es estática y la elige un profesional de marketing; un conjunto fan-out es dinámico y lo elige el propio motor de IA, lo que significa que refleja cómo el modelo realmente razona sobre un tema en este momento. Rastrear esas subconsultas te da una imagen más honesta de dónde están realmente tus brechas de visibilidad en IA , porque estás midiendo contra las preguntas que los motores realmente hacen, no solo las que asumiste que harían.

AmICited muestra este conjunto fan-out automáticamente para cada prompt que rastreas, y luego te da una vía directa para convertir cualquiera —o todas— de esas subconsultas en prompts propios, que es de lo que trata el resto de esta guía.

Dónde encontrarlo

En el panel Fan-out queries de la página de detalle de un prompt. Abre cualquier prompt rastreado y este panel lista las subconsultas que AmICited identificó como parte del rastro de investigación de ese prompt. Tienes dos opciones para convertirlas en prompts rastreados:

• Track all prompts (N) — el botón en el encabezado del panel añade todas las consultas fan-out como prompts rastreados de una vez (el número muestra cuántas son).
• + Track — el botón al final de cada fila añade solo esa subconsulta en particular.

Una vez agregadas, las filas muestran un estado ✓ Tracked para que puedas ver de un vistazo qué ya se está monitoreando y qué sigue siendo solo una consulta descubierta pero sin rastrear. Esto hace que el panel también funcione como una auditoría continua de tu cobertura de prompts para ese tema: todo lo que no tiene una marca de verificación es una pregunta que los motores están investigando y que tú todavía no estás vigilando.

Qué mide

Cada consulta fan-out, una vez rastreada, se convierte en un prompt completo dentro de tu cuenta de AmICited, lo que significa que obtiene su propio historial de ejecuciones, sus propios resultados de citas en todos los motores, y su propia contribución a tu share of voice general. En lugar de inferir tu posición en una subconsulta de forma indirecta a través del resultado del prompt principal, obtienes una lectura directa, motor por motor, de si tu marca es citada para ese ángulo específico.

Aquí es donde el rastreo fan-out da sus frutos con el tiempo. Un solo prompt principal puede expandirse en subconsultas sobre precios, integraciones, alternativas y adecuación al caso de uso. Si tu marca aparece de forma constante en los ángulos de “alternativas” e “integraciones” pero desaparece en los de “precios” y “adecuación al caso de uso”, eso es un patrón concreto y accionable: sabes exactamente qué tipo de contenido o página está fallando a la hora de servir a los motores de IA, en lugar de saber solo que tu visibilidad general sobre el tema es mediocre. Rastreadas a escala en muchos prompts, las subconsultas fan-out funcionan como un rastreador de rankings de IA para la larga cola de preguntas debajo de tus temas principales — la capa de especificidad que suele ser invisible si solo monitoreas los prompts que se te ocurrieron a ti.

Cómo usarlo

1. Revisa la lista primero. Examina las consultas fan-out y sus etiquetas de tipo — la mayoría serán relevantes, pero puedes añadirlas de forma selectiva con el + Track por fila si solo quieres algunas. Vale la pena hacer esto de forma deliberada en lugar de rastrear todo por reflejo: una subconsulta solo tangencialmente relacionada con tu negocio diluirá tu conjunto de prompts con ruido en lugar de señal.
2. Rastrea todas para cobertura completa. Si el prompt es importante —una categoría de producto principal, un término competitivo, una pregunta de compra de alta intención—, añadir el conjunto completo te da visibilidad sobre cada ángulo que los motores exploran a su alrededor, no solo el que escribiste tú. Esta es la forma más rápida de pasar de un único prompt elegido a mano a un conjunto de rastreo de prompts de IA genuinamente completo para ese tema.
3. Configura su programación y motores después en la tabla de Prompts. Los nuevos prompts heredan valores predeterminados sensatos, pero puedes ajustarlos en conjunto usando acciones masivas — por ejemplo, ajustando la frecuencia de ejecución de un grupo de subconsultas de alto valor o alineando qué motores consultan respecto al resto de tu conjunto.
4. Ten en cuenta tu cuota. Añadir muchos prompts aumenta la cantidad de ejecuciones que utilizas, así que rastrea primero los conjuntos fan-out de tus prompts de mayor valor, y trata la opción + Track por fila como tu filtro para temas de menor prioridad donde la cobertura completa no vale el presupuesto de ejecuciones.

Por qué esto cierra una brecha real en el monitoreo de visibilidad en IA

La mayoría de los equipos que empiezan a monitorear la visibilidad en búsquedas de IA parten de una lista de prompts construida a partir de conjeturas: un puñado de preguntas que alguien del equipo asume que los clientes o los motores de IA harían. Esa lista es un punto de partida razonable, pero está inherentemente limitada por lo que a una persona se le ocurrió escribir. El rastreo de query fan-out reemplaza la conjetura por el comportamiento observado: en lugar de imaginar qué podría investigar un motor, estás viendo directamente qué investigó realmente la última vez que respondió a un prompt que te importa.

Hacer esto de forma constante también cambia cómo interpretas tus datos de citas. Un solo prompt rastreado te da un dato por motor y por ejecución. Un clúster fan-out completamente rastreado te da un pequeño conjunto de datos —a veces una docena o más de consultas relacionadas— que puedes leer como un patrón. Ese patrón es mucho más útil para diagnosticar por qué los AI Overviews o ChatGPT citan a un competidor en lugar de a ti: te dice si la brecha es temática (te falta contenido sobre un ángulo específico) o estructural (tu contenido existe pero no se está seleccionando como fuente de forma consistente).

Próximos pasos

Una vez que hayas rastreado un conjunto fan-out, trátalo igual que cualquier otro clúster de prompts en AmICited: observa cómo evoluciona el seguimiento de citas a lo largo de las subconsultas en las semanas siguientes, y usa el patrón de aciertos y brechas para priorizar qué contenido corregir o publicar a continuación. Si estás construyendo este flujo de trabajo prompt por prompt en un sitio grande o un portafolio multimarca, vale la pena combinar el rastreo fan-out con una mirada más amplia sobre qué prompts activan que la IA mencione tu marca en primer lugar, para que tu lista de prompts principal y sus expansiones fan-out se mantengan alineadas con lo que realmente genera citas, en lugar de con lo que asumiste que lo haría.