Manufaktur B2B: buyer riset spesifikasi di ChatGPT sebelum RFQ — katalog kami tidak masuk

Email RFQ: “Kami sudah riset di ChatGPT dulu”

Export sales director menerima RFQ dari buyer Jerman — produk high-margin yang selama ini hanya dapat inquiry lewat pameran. Di email, procurement menulis:

“We shortlisted suppliers via Perplexity using material grade [X] for [application Y]. Your name appeared in the third recommendation — previously we did not know your firm.”

Itu pertama kalinya riset AI mengantarkan RFQ — bukan PDF katalog yang pernah dikirim ratusan kali tanpa dibaca.

POV sales: buyer tidak buka PDF — mereka tanya mesin

Di manufaktur B2B, kami biasa bangga dengan katalog tebal. 200 halaman spesifikasi. Tapi data CRM kami sendiri: 73% buyer riset online sebelum kontak — dan makin sering, riset itu lewat ChatGPT atau Perplexity, bukan Google keyword klasik.

Buyer tidak bilang “supplier komponen Indonesia”. Mereka tanya: “Stainless 316L flange untuk aplikasi marine, supplier Asia?” — jawaban AI mengutip halaman dengan tabel spesifikasi structured, bukan PDF.

Competitor Taiwan sudah punya itu. Kami punya PDF di folder download.

Yang sudah dicoba (dari sudut sales)

Website bilingual dengan halaman produk singkat. PDF katalog di homepage. Trade show — lead bagus tapi tidak scale. Terjemahan otomatis — istilah teknis salah, buyer engineering langsung tutup tab.

Sales minta lebih banyak pameran. Direksi minta digital. Deadlock.

Temuan audit: 328 SKU invisible untuk mesin

12 dari 340 SKU punya halaman layak ekstraksi — sisanya paragraf marketing 150 kata.

PDF block crawl — mesin tidak bisa baca 200 halaman.

Competitor gap — bukan harga, tapi extractability: FAQ material grade, compliance CE/RoHS, tabel dimensi.

RFQ correlation — inquiry yang masuk dari web punya halaman produk 4× lebih panjang daripada yang tidak convert.

Keputusan: 28 SKU prioritas dulu — high margin, high inquiry, engineering bisa review. Bukan 340 sekaligus.

Apa yang kami jalankan (Oura Growth — lensa B2B sales)

1. CRM-driven priority — 28 SKU dari data inquiry, bukan dari katalog alphabetical.
2. Halaman spesifikasi structured — bilingual, tabel grade, compliance, aplikasi, comparison.
3. Product + FAQ schema — extractable untuk AI citation.
4. PDF → HTML canonical — PDF tetap download, web jadi source of truth untuk mesin.
5. OAVF B2B — map conversational query material × aplikasi × region.
6. RFQ tracking — GA4 AI-referral → form submit → CRM pipeline.

Engineering review setiap halaman — sales tidak bisa publish spek yang salah.

Cara membaca angka di bawah

Profil manufaktur B2B eksport. Pola Growth:

• Kutipan AI untuk query teknis biasanya muncul setelah 15–20 halaman structured + FAQ — bulan 4–6.
• RFQ dari AI-referral butuh halaman yang procurement bisa forward — conversion lag 2–8 minggu dari first citation.
• Scale ke 340 SKU setelah 28 prioritas prove ROI — playbook terukur.

Ini medan di mana spesifikasi adalah konten — dan konten harus terbaca mesin, bukan hanya manusia dengan PDF reader.