海外の調達担当者は、Alibabaを開く前にChatGPTの入力欄へこう尋ねるようになっています。「この規格に対応でき、必要な認証を備えた台湾の工場はどこか。最小発注数量はいくつか」。AIが提示する候補に自社がなければ、問い合わせが受信箱へ届くこともありません。B2B調達の最初の接点は、プラットフォームや展示会から対話型AIへ静かに移っています。しかし、多くの台湾メーカーは、自社がその回答に登場していないことにまだ気づいていません。
調達の入口は変わりました。それでも、顧客獲得戦略は以前のままではないでしょうか。
この15年、台湾の中小メーカーが海外からリードを獲得する方法は明快でした。AlibabaやGlobal Courtsに製品を掲載し、露出のために料金を払い、買い手からの引き合いを待つというものです。この方法がなくなったわけではありません。しかし、その手前に新たな選定プロセスが加わり、従来の入口は徐々に空洞化しています。欧州や東南アジアの調達エンジニアは、正式にRFQを発行する前に、AIを使って3〜5社の候補を集めます。質問も「コネクターをすべて見せて」ではなく、「台湾または東南アジアで、IATF 16949に対応し、125°Cで使用できる車載コネクターを5,000個から受注する企業はどこか」と具体的です。AIが返した候補を、担当者がプラットフォームやGoogleで1社ずつ確認します。最初の候補リストに入れるかどうかが、その後のすべてを左右します。
Alibabaが提供するのは流入であり、自社の発信力ではありません。
プラットフォーム型の集客には構造的な問題があります。そこで積み上げたものは、自社の資産になりません。契約を止めれば露出はゼロになります。時間をかけて回答した定型質問や登録した製品情報も、プラットフォーム固有の形式とドメインに閉じ込められ、AIが取得しにくいうえ、自社ブランドの情報として蓄積されません。さらに、メーカーの技術力は、価格やMOQを横並びで比較するための標準項目に圧縮されます。20年にわたる金型の知見、歩留まり管理、材料代替の提案力といった強みは、その表から完全に抜け落ちます。
- コンテンツがプラットフォームのドメイン内に閉じ込められ、AIに取得されにくく、自社ブランドの資産にもなりません。
- 買い手の比較軸が価格とMOQに偏り、エンジニアリングの価値が見えなくなります。
- 露出の多寡をプラットフォームのアルゴリズムに左右されます。
- 支払いを止めれば露出はゼロになり、蓄積した成果も再利用できません。
AIは、どのメーカーを推薦する価値があると判断するのでしょうか。
大規模言語モデルは、何もないところから自社を知るわけではありません。Web上にある情報のうち、明確に抽出できるテキストを根拠にサプライヤーを推薦します。対象になるのは、Webページ、技術資料、アプリケーションノート、認証一覧、実績事例などです。AIが回答内で引用できるよう、これらの情報は構造化され、事実関係と出典が明確でなければなりません。ところが、多くの台湾メーカーのWeb上の情報は、10年前から更新されていない画像中心のサイト、不自然な英訳、プラットフォーム上の店舗ページに限られています。前者はAIが内容を読み取れず、後者は自社の情報資産として認識されにくいのが実情です。その結果、自社が得意とする製品について質問されても、AIは技術を明確な文章にし、自社ドメインで公開している競合を推薦します。候補に挙がるのは、中国やインドの工場であることも少なくありません。
製品カタログから、AIが「引用できる」技術情報へ
転換の要は、エンジニアの頭の中や見積書に埋もれている知識を、公開され、検索でき、引用できるコンテンツへ変えることです。従来の「仕様一覧」ではなく、買い手の「課題と質問」を起点に構成します。調達担当者が知りたいのは、対応温度の範囲、公差をどこまで詰められるか、保有する認証、その製品が使われる用途などです。一つひとつの質問に対し、単独でも意味が通る明確な回答を用意してください。アプリケーションノート、材料と公的規格の対応をまとめた文章、検証・試験レポート、具体的な顧客課題の事例は、AIが調達関連の質問へ答える際に特に有用でありながら、多くのメーカーに不足している情報です。文章にし、自社ドメインで公開し、整理することで、AIが参照できる情報源になります。
台湾メーカーが実践すべき4つのステップ
Alibabaをやめる必要はありません。重点を「プラットフォーム上の借り物の露出」から「自社資産の構築」へ移すことが重要です。まず土台を整え、その後にコンテンツを制作する順序で進めることをおすすめします。
- 公式サイトを英語対応し、構造化する：生産能力、製品、認証、事例ごとにページを分け、明快な文章と事実に基づく情報を用意して、AIが読み取り、抽出できる状態にします。
- 見えない技術知識をコンテンツにする：公差、材料代替、歩留まり管理、産業用途などを、単独でも引用できる文章として公開します。
- schemaで事実情報を補強する：会社基本情報、認証番号、生産能力、所在地の表記を統一して検索可能にし、構造化データを使ってAIによる情報の取り違えを減らします。
- AI可視性を継続的に監視する：実際の調達場面を想定した質問を複数のAIエンジンで定期的に試し、自社が言及されているか、内容が正確かを確認します。
この4つのうち、最も見落とされやすく、結果を大きく左右するのが4つ目のステップです。多くのメーカーはサイトを刷新した時点で完了したと考え、AIが自社について何を答えているかを確認しません。しかし、AI上の可視性は変動します。競合がコンテンツを追加し、モデルのバージョンが変われば、自社の順位や言及頻度は下がり得ます。監視しなければ、いつの間にか回答欄から消えてしまいます。
まずギャップを測り、それから投資すべき範囲を決める
ページを書き直す前に、現状を把握することが重要です。海外の調達担当者が自社の製品分野について質問したとき、AIは現在どの企業を挙げるのか。自社の能力に関するどの情報が欠け、どの情報が誤っているのか。TentenではAI可視性モニタリングを通じて、「AIが自社に言及する頻度と、その内容の正確性」を定量的な基準に変え、どこへ情報を追加すべきかを判断します。自社のギャップを確認したい方には、30分のGEO診断をご用意しています。実際の製品カテゴリーに基づく調達質問を試し、AIから自社がどう見えているかを可視化します。
