Рассказываю на своих примерах.

По типу производства довольно часто можно заранее понять, оборудование каких производителей там с большой вероятностью встретится.

От банальных и общеизвестных паттернов: Пивоваренный завод — KHS и Krones. Молочное производство — Tetra Pak. ГОК — Sandvik, Komatsu.

До гораздо более специфичных: Табачная фабрика — Hauni, Focke и другие бренды, о которых человек вне отрасли может вообще никогда не слышать.

Это не гадание.

За годы работы у меня накопилась большая статистика реальных запросов от промышленности и НИИ. Постепенно я начал раскладывать её по типам предприятий и ОКВЭД: какие бренды чаще всего встречаются в конкретных производствах.

Потом добавил открытые источники.

Один из самых полезных — вакансии самих заводов. Компания может ничего не писать про оборудование на сайте, но искать инженера с обязательным опытом работы с конкретными станками или линиями.

Дальше — старые тендеры, отраслевые статьи, публикации о модернизации, сервисные компании, форумы.

Нейросети сильно ускоряют такой поиск и помогают сопоставлять информацию, но финальную гипотезу всё равно приходится проверять.

В итоге перед первым звонком у меня часто уже есть понимание: какое оборудование может стоять → какие ЗИП нужны → кто внутри предприятия за это отвечает.

И звонок начинается уже не с: «Мы поставляем импортные запчасти».

А с конкретного оборудования, конкретного бренда и конкретной задачи, которая у этого завода вполне может быть прямо сейчас.

Разница простая: один поставщик звонит на завод вслепую. Другой — уже примерно понимает, куда попал и с чем клиент точно работает.

В следующих постах разберу несколько отраслей по этой логике.