Casos de estudio — práctica GAIO de Mercury
Actualizado Agosto 2026
Pruebas, no promesas.
Trabajo GEO en Hong Kong de los últimos 12 meses. Cada caso muestra la línea base, la intervención y lo que los motores de IA pudieron citar después — PCCW, Sun Life, omakase / yakitori y funerarias de mascotas.
Metodología y anonimización
Cómo se miden estos resultados
Cada resultado de esta página lo mide Mercury Orbit, nuestro bucle recurrente de monitorización de citas. Paneles semanales de prompts — congelados en la línea base para que las tendencias sean comparables — se ejecutan contra ChatGPT, Gemini, Perplexity y Google AI Overviews; las respuestas crudas se guardan en servidor para que cualquier cifra pueda reproducirse y auditarse.
Citation Frequency, Share of Voice y Recommendation Rank se calculan por motor y por idioma (EN / 繁中 / japonés cuando aplica), nunca mezclados. Los deltas se informan contra la línea base de la semana 1, establecida antes de cualquier intervención.
Los clientes con nombre en esta página (PCCW, Sun Life, locales de hospitalidad QQS, funerarias de mascotas) son los operadores que ejecutaron el trabajo con nosotros. El interior de las campañas y las cifras no publicadas quedan bajo NDA. Los resultados de abajo son elegibilidad y mejoras de sistema — no afirmaciones inverificables de ranking «n.º 1».
Operadores con nombre · bilingüe EN / 繁中 · bucle de medición Orbit · NDA sobre cifras no publicadas
La biblioteca
Cuatro encargos en Hong Kong, un solo bucle de medición
CASE 01
Telecom · Móvil premium
PCCW · Bruce Lam · HK / GBA
Línea base: Las respuestas de consideración de operador premium por defecto eran tablas de precios. La entidad de marca se mezclaba con MVNO / operadores low-cost. La visibilidad de Gemini en Hong Kong no aparecía en asistentes continentales.
- consulta
- best premium mobile operator
- elegibilidad
- Encuadre más sólido en respuestas de consideración de operador premium
- separación
- Corte más claro respecto a recomendaciones guiadas solo por precio
- transfronterizo
- Doble vía para no asumir la citación GBA desde la visibilidad de Gemini en HK
Leer el caso completo →
CASE 02
Seguros · Jubilación
Sun Life · Adley Low · programas Inchcape · YMYL
Línea base: Invisible para asistentes de IA en Hong Kong en consultas de categoría. Páginas delgadas y de jerga; sin definición bilingüe extraíble de 退休年金.
- consulta
- 退休年金
- citación
- En 90 días ChatGPT empezó a citar Sun Life junto a AIA y Manulife
- recorrido
- Camino más limpio del descubrimiento IA/búsqueda a la conversión con asesor humano
- autoridad
- Mayor autoridad temática frente a explicadores de afiliados delgados
Leer el caso completo →
CASE 03
F&B · Omakase y yakitori
Terence Tsang · QQS · 燒鳥串
Línea base: Las shortlists de IA citaban listas de terceros. Sin schema Restaurant/LocalBusiness, sin bloques bilingües de «qué define un gran omakase / 燒鳥串», débil desambiguación de entidad frente a locales de nombre similar.
- consultas
- best omakase in Hong Kong · best yakitori · best 燒鳥串
- elegibilidad
- Elegibilidad más clara en shortlists de IA para intención de dining premium
- densidad
- Mayor densidad de respuesta on-site para consultas de comparación
- ruta de citación
- Menor dependencia de listicles de terceros como única fuente citable
Leer el caso completo →
CASE 04
Servicios para mascotas
Calvin Yau · orientado a calidad · categoría sensible
Línea base: Respuestas tipo directorio. Sin proceso de servicio paso a paso, sin schema de servicio local, sin definición extraíble de «calidad» en esta categoría.
- consulta
- quality pet funeral services
- confianza
- Las consultas orientadas a calidad tienen un proceso citable en lugar de una fila de directorio
- schema
- Marcado de servicio local para que los motores describan al operador
- ruta
- Conversión serena de la respuesta al cuidado humano, no CTA agresivos
Leer el caso completo →
A continuación, su línea base
Obtenga las mismas tres métricas para su marca.
La auditoría gratuita de visibilidad en IA establece su línea base de Citation Frequency, Share of Voice y Recommendation Rank — el mismo punto de partida de todos los casos anteriores.
Escrito por James Huang, Fundador y CEO, Mercury Technology Solutions · Revisado por la Práctica Mercury GAIO · Actualizado Agosto 2026