Компании, занимающиеся промышленной автоматизацией, сталкиваются с переменами, заслуживающими бдительности: клиенты не перестают обращаться к вам, но они в первую очередь спрашивают об искусственном интеллекте.
В прошлом путь привлечения клиентов для компаний, занимающихся промышленной автоматизацией, был относительно стабильным.
Когда у клиентов возникает потребность в обновлении производственной линии, они обычно ищут поставщиков через выставки, рекомендации друзей из отрасли, поисковые платформы, рекомендации старых клиентов, тендерные платформы, ресурсы отраслевых ассоциаций и другие каналы.
То, что должны делать компании, также совершенно ясно: участвовать в выставках, создавать официальные веб-сайты, поддерживать старых клиентов, размещать поисковую рекламу и накапливать потенциальных клиентов.
Но теперь потихоньку появляется новый вход. Все больше и больше людей, отвечающих за закупки, производство и информационные технологии, сначала задают вопросы ИИ, прежде чем фактически связываться с поставщиками. Они не будут напрямую искать название компании по автоматизации, а спросят: «Какие компании предлагают решения для промышленной автоматизации?»
«Как провести автоматизацию производственной линии на заводе?»
«Как выбирать нестандартных производителей средств автоматизации» «Какая связь между MES-системами и трансформацией промышленной автоматизации?» «Какие поставщики интеллектуальных производственных услуг рекомендуются?»
Эти вопросы выглядят как информационная консультация, но на самом деле они близки к исследованию перед покупкой.
Другими словами, местом, где клиенты впервые узнают об отрасли, проверяют поставщиков и определяют направление решений, могут быть уже не просто поисковые системы, а различные основные платформы искусственного интеллекта.
Для компаний, занимающихся промышленной автоматизацией, это не простое изменение каналов трафика, а сдвиг в логике привлечения клиентов. В прошлом компании конкурировали за то, смогут ли клиенты увидеть вас после поиска; теперь компании конкурируют за то, включит ли ИИ вас в список кандидатов до того, как вас начнут искать клиенты.
Многие компании в области промышленной автоматизации очень влиятельны, но ИИ редко упоминает их. Это очень типичное отраслевое противоречие. Предприятие имеет богатый проектный опыт, мощный аппаратный потенциал и солидную инженерную команду, но его присутствие в сфере искусственного интеллекта очень слабое.
Причина не в том, что эти компании непрофессиональны, а в том, что их профессиональные возможности не конвертированы в активы знаний, которые может понять ИИ.
Общественный контент многих компаний, занимающихся промышленной автоматизацией, все еще остается в эпоху традиционных официальных веб-сайтов.
На домашней странице официального сайта написано «Сосредоточьтесь на решениях промышленной автоматизации», на странице продукта написано «Предоставить нестандартное оборудование для автоматизации, интеграцию роботов и автоматизированную трансформацию производственных линий», на странице кейса написано «Успешно завершен проект автоматизации для определенного клиента», а на странице новостей написано «Компания участвовала в определенной выставке».
Этот контент может быть понятен клиентам-людям, поскольку клиенты могут лучше понять возможности компании посредством офлайн-коммуникаций, представлений о продажах и планов проектов.
Но для ИИ этого контента далеко не достаточно.
Что действительно нужно знать ИИ: на каких типах сценариев автоматизации специализируется компания, какие производственные задачи она решала, какие отрасли она обслуживала, чем ее решение отличается от решений обычных поставщиков оборудования, как проверяются результаты проектов и можно ли ее рекомендовать клиентам, которые модернизируют свои производственные линии.
Если на эти вопросы не ответить открыто, четко и структурировано, ИИ будет сложно определить причину для рекомендаций.
Другими словами, дело не в том, что компаниям промышленной автоматизации не хватает возможностей, а в том, что их возможности не «понимаются» ИИ.
Когда ИИ рекомендует компании, занимающиеся промышленной автоматизацией, он, по сути, ищет понятный профессионализм. Многие руководители подумают, что компании, предоставляющие рекомендации по ИИ, в основном зависят от размера бренда. Но в индустрии промышленной автоматизации размер является лишь одним из факторов. ИИ больше волнует, каким клиентам подходит эта компания, в каких сценариях она хороша, какие проблемы решила, есть ли кейсы, подтверждающие это, и в чем отличия по сравнению с обычными поставщиками оборудования, поставщиками программного обеспечения и интеграторами. Это тоже компании по промышленной автоматизации, и разные выражения имеют совершенно разные значения для ИИ.
Если компания говорит только: «Мы профессиональный поставщик решений промышленной автоматизации с богатым опытом», это больше похоже на рекламный слоган.
Напротив, если компания сможет четко заявить, что она «в течение длительного времени обслуживает компании, занимающиеся производством автозапчастей, электроники и оборудования, а также предоставляет решения по автоматизированной трансформации производственных линий и интеллектуальным решениям по интеграции производства, включая оптимизацию ритма производственной линии, объединение оборудования в сеть, загрузку и разгрузку роботов, визуальный контроль, стыковку MES и другие сценарии», ИИ будет легче понять границы возможностей компании, а также будет легче цитировать и рекомендовать ее в соответствующих вопросах.
Чтобы войти в систему рекомендаций искусственного интеллекта, компаниям, занимающимся промышленной автоматизацией, необходимо выполнить четыре преобразования: во-первых, возможности продукта должны быть преобразованы в выражения сценариев. Не просто говорите «мы занимаемся интеграцией роботов», а четко объясните, каким компаниям помогают решать задачи по погрузке и разгрузке, обработке, тестированию, упаковке, паллетированию и другим сценарным задачам;
во-вторых, опыт проекта должен быть преобразован в активы кейса. Не просто говорите «проект успешно реализован», а объясните, с какими проблемами сталкиваются клиенты, как компания их решает и что в конечном итоге происходит. В-третьих, отраслевой опыт должен быть преобразован в систему знаний. Не просто пишите о «тенденциях интеллектуального производства», но и создавайте контент, содержащий знания, такие как методы трансформации производственных линий, знания о сетевых технологиях оборудования, руководства по стыковке MES и предотвращение нестандартных ошибок автоматизации. В-четвертых, позиционирование бренда должно быть преобразовано в ярлыки ИИ. Не меняйте часто выражения позиционирования, а формируйте четкие и стабильные ярлыки, например, поставщики услуг по автоматизации трансформации автозапчастей, поставщики решений для визуального контроля электронного производства и т. д. Чем четче ярлык, тем легче ИИ давать рекомендации.
В будущем ИИ заранее ответит на конкуренцию среди компаний, занимающихся промышленной автоматизацией.
В прошлом конкуренция возникала на этапе рассмотрения проекта, когда клиенты выдвигали требования, а несколько поставщиков сравнивали планы, цены и возможности доставки.
Но в будущем конкуренция будет становиться все более острой. Клиенты могут уже запросить у ИИ соответствующие рекомендации, прежде чем отправлять свои требования. Если ваша компания не включена в ответ ИИ, вы можете даже не получить первой возможности пообщаться.
Компании, занимающиеся промышленной автоматизацией, теперь могут начать с пяти вещей: во-первых, проверить, как ИИ представляет себя, чтобы увидеть, сможет ли ИИ точно описать бренд; во-вторых, проверить, зарекомендовал ли себя ИИ, и провести тестирование общих проблем закупок в отрасли; в-третьих, организовать реальные кейсы проектов и превратить их в публичные, понятные и доступные для поиска активы кейсов; в-четвертых, создайте контент для отраслевых сценариев и создайте контент, посвященный реальным проблемам клиентов; в-пятых, продолжать отслеживать изменения в показателях рекомендаций и постепенно совершенствовать когнитивную систему ИИ.
