해외영업을 하다 보면 결국 한 번은 이런 문제에 부딪힙니다.
“새로운 고객을 어디서 찾아야 하지?”
기존 거래처 관리야 이메일도 있고 담당자도 있으니 어느 정도 방향이 보입니다. 그런데 신규 영업은 다릅니다.
회사부터 찾아야 하고, 이 회사가 우리 제품을 실제로 쓸 만한 곳인지도 봐야 합니다. 그다음에는 담당자를 찾아야 하고, 이메일 주소도 확인해야 합니다.
막상 해보면 회사 하나 제대로 조사하는 데 생각보다 시간이 많이 들어갑니다.
요즘은 이 과정에 AI를 꽤 많이 활용할 수 있습니다.
다만 한 가지는 분명합니다.
ChatGPT에 “우리 제품 살 해외업체 100개 찾아줘”라고 입력한다고 영업리스트가 완성되는 것은 아닙니다.
오히려 그렇게 찾은 리스트는 하나씩 확인해보면 유통업체가 섞여 있거나, 제품과 별 관계가 없거나, 오래된 정보가 들어 있는 경우가 있습니다.
그래서 저는 AI를 ‘바이어 검색기’로 보기보다는 조사 시간을 줄여주는 보조도구로 사용하는 것이 맞다고 봅니다.
이번 글에서는 해외 제조업 영업을 기준으로 신규 바이어를 찾는 과정을 정리해보겠습니다.
1. 처음부터 회사 이름을 찾지 않는다
신규영업을 시작할 때 가장 먼저 해야 할 것은 회사 검색이 아닙니다.
먼저 우리 제품이 어느 산업에 들어갈 수 있는지 정리하는 것이 먼저입니다.
예를 들어 판매 제품이 12V 또는 24V BLDC Cooling Fan이라고 해보겠습니다.
그냥 검색하면 Fan 제조업체, 전자부품 유통회사, 온라인 쇼핑몰까지 전부 섞여 나옵니다.
조금 다르게 접근해야 합니다.
우리가 찾아야 하는 것은 Fan을 파는 업체가 아니라 Fan을 사서 자기 제품에 조립하는 업체입니다.
| 산업 | Fan이 들어갈 수 있는 제품 |
|---|---|
| 냉동·냉장 | Display Cooler, Freezer, Refrigeration Unit |
| HVAC | Air Conditioner, Heat Pump |
| 데이터센터 | Server, UPS, Power Supply |
| 산업장비 | Control Panel, Inverter |
| EV | Charger, Battery Cooling |
| 통신 | Base Station, Power Equipment |
| 의료기기 | Analyzer, Diagnostic Equipment |
| 가전 | Air Purifier, Dehumidifier |
이 작업을 AI에게 맡기면 꽤 편합니다.
120mm 12V/24V BLDC Cooling Fan이 들어갈 가능성이 높은 산업과 장비를 정리해줘. Fan 제조업체나 유통업체가 아니라 완제품 제조사를 기준으로 분류해줘.
여기서 중요한 것은 회사 이름을 받는 게 아닙니다.
어디를 찾아야 할지 방향을 잡는 것입니다.
신규영업에서는 이 단계가 생각보다 중요합니다. 처음 방향을 잘못 잡으면 회사 100곳을 찾아놓고도 실제로 메일을 보낼 만한 곳은 몇 군데 안 남을 수 있습니다.
2. AI에게 회사보다 검색어를 만들어 달라고 해본다
타깃 산업을 정했다면 그다음부터 Google 검색을 시작합니다.
예를 들어 냉동·냉장 분야를 보고 있다고 해보겠습니다.
제가 검색한다면 이런 식으로 시작할 것 같습니다.
commercial refrigeration manufacturer
display cooler manufacturer
commercial freezer manufacturer
refrigeration equipment OEM여기에 국가를 붙입니다.
commercial refrigeration manufacturer Indonesia
display cooler manufacturer Poland
refrigeration equipment OEM Germany처럼 검색할 수 있습니다.
여기서 AI가 의외로 도움이 됩니다.
사람이 검색어를 만들다 보면 비슷한 단어만 계속 사용하게 되는데, AI에게 관련 용어를 만들어 달라고 하면 검색 범위를 넓히기 좋습니다.
Commercial refrigeration 분야의 완제품 제조사를 찾고 있다. OEM 제조사를 찾을 수 있는 영어 Google 검색어를 30개 만들어줘. Distributor와 Fan manufacturer는 제외하고 싶다.
회사 30곳을 달라고 하는 것보다 검색어 30개를 만들어 달라고 하는 편이 실제 조사에는 더 쓸 만한 경우가 많습니다.
3. Google 검색도 아직 충분히 쓸 만하다
AI가 생겼다고 해서 Google 검색이 필요 없어지는 것은 아닙니다.
오히려 둘을 같이 사용하는 편이 좋습니다.
예를 들어 정확한 문구를 찾고 싶다면 따옴표를 사용할 수 있습니다.
"commercial refrigeration" manufacturer IndonesiaLinkedIn 회사 페이지를 중심으로 찾고 싶다면
site:linkedin.com/company refrigeration Indonesia처럼 찾을 수도 있습니다.
특정 단어를 빼고 싶다면 마이너스 기호를 넣습니다.
refrigeration manufacturer Indonesia -fan -distributor카탈로그를 찾고 싶다면 이런 식으로도 검색합니다.
commercial refrigeration manufacturer Indonesia catalog pdf신규 업체를 조사할 때는 회사 홈페이지뿐 아니라 PDF 카탈로그가 의외로 도움이 많이 됩니다.
홈페이지에는 회사 소개만 간단하게 적혀 있는데, 카탈로그에는 실제 판매 모델과 사양이 자세히 나오는 경우가 많기 때문입니다.
4. 회사를 찾았다고 바로 CRM에 넣지는 않는다
검색하다 보면 괜찮아 보이는 업체가 하나씩 나옵니다.
그렇다고 회사 이름과 이메일만 복사해서 CRM에 바로 넣기보다는 몇 가지를 먼저 확인하는 것이 좋습니다.
- 실제 제조업체인지
- 본사와 공장이 어디에 있는지
- 어떤 제품을 만드는지
- OEM 업체인지
- 우리 제품이 들어갈 만한 제품이 있는지
- Contact 페이지가 있는지
- 카탈로그가 있는지
특히 Manufacturer인지 Distributor인지는 꼭 확인하는 편이 좋습니다.
겉으로 보기에는 장비회사처럼 보이는데 실제로는 다른 회사 제품을 판매하는 유통업체인 경우도 있기 때문입니다.
5. ‘우리 제품이 어디에 들어갈까?’를 생각해본다
여기부터는 단순 회사검색에서 조금 더 들어가야 합니다.
예를 들어 상업용 냉장고 제조사를 하나 찾았다고 해보겠습니다.
그 회사가 Fan을 사용할 가능성이 있다는 것만으로는 부족합니다.
어디에 들어갈지를 한 번 생각해봐야 합니다.
- Evaporator
- Condenser
- Compressor compartment
- Control box
제품 사진이나 카탈로그를 보면 어느 정도 예상할 수 있습니다.
이때 AI에게 회사의 제품 정보를 넣고 이렇게 물어볼 수 있습니다.
이 회사가 생산하는 제품을 기준으로 120×120×38mm BLDC 또는 EC Fan이 적용될 가능성이 있는 부분을 찾아줘. 예상 Application과 필요한 전압, 풍량, 방수등급을 구분해서 정리해줘.
물론 이 결과도 확정정보는 아닙니다.
그래도 아무 정보 없이 회사명만 보고 영업하는 것보다는 훨씬 낫습니다.
예를 들어
이 업체는 상업용 Display Cooler를 생산하고 있으므로 Evaporator 또는 Condenser용 Fan 수요가 있을 가능성이 있다.
정도의 판단 근거가 생깁니다.
이 한 줄이 나중에 영업할 때 상당히 중요합니다.
6. LinkedIn에서는 회사보다 사람을 찾는다
회사가 어느 정도 괜찮다고 판단되면 담당자를 찾아봅니다.
여기서는 LinkedIn이 여전히 유용합니다.
제조업 신규영업이라면 보통 이런 직책을 많이 보게 됩니다.
구매
- Purchasing Manager
- Procurement Manager
- Strategic Buyer
- Commodity Manager
- Sourcing Manager
- Global Sourcing Manager
개발
- R&D Manager
- Product Engineer
- Mechanical Engineer
- Electrical Engineer
- Project Manager
공급망
- Supply Chain Manager
- Supplier Development Manager
- Vendor Development Manager
무조건 Purchasing만 찾을 필요는 없습니다.
특히 새로운 부품을 제안하는 경우에는 구매팀보다 개발팀이나 Product Manager가 먼저 관심을 보이는 경우도 있습니다.
제품을 실제로 선정하는 사람이 Engineering 쪽이고, 구매팀은 이후 가격과 거래조건을 담당하는 구조도 흔합니다.
그래서 하나의 회사에서도 가능하면 구매 + 개발 담당자를 같이 찾아두는 편이 좋습니다.
7. Sales Navigator는 업체가 많아질수록 편하다
처음 신규영업을 할 때는 일반 LinkedIn 검색으로도 어느 정도 가능합니다.
그런데 조사해야 할 업체가 계속 늘어나면 Sales Navigator 같은 도구도 쓸 만합니다.
예를 들어 다음과 같은 조건으로 범위를 좁힐 수 있습니다.
- 국가
- 산업
- 회사 규모
- 직책
- 직급
- 현재 회사
독일의 산업장비 업체를 찾는다면 예를 들어:
Country
Germany
Industry
Machinery Manufacturing
Company size
51–500
Job title
Purchasing Manager / Sourcing Manager
정도로 좁혀볼 수 있습니다.
처음부터 조건을 너무 많이 넣는 것은 개인적으로 추천하지 않습니다.
결과가 너무 적게 나오면 좋은 업체까지 빠질 수 있습니다.
처음에는 국가 + 산업 정도로 넓게 본 뒤 결과가 너무 많으면 조건을 하나씩 추가하는 편이 낫습니다.
8. 무역데이터를 보면 업체의 ‘구매 흔적’을 볼 수 있다
여기까지는 대부분 회사 홈페이지와 LinkedIn을 이용한 조사입니다.
조금 더 확인하고 싶다면 무역데이터를 볼 수 있습니다.
ImportYeti, Panjiva 같은 서비스를 이용하거나 국가별 수출입 데이터를 활용하는 방법도 있습니다.
이런 데이터의 장점은 단순히
“이 업체가 Fan을 사용할 것 같다.”
에서 끝나지 않고
“실제로 해외에서 Fan 또는 관련 부품을 구매한 적이 있는가?”
를 확인할 수 있다는 점입니다.
이 차이가 꽤 큽니다.
홈페이지를 보면 우리 제품과 딱 맞아 보이는데 실제로는 부품을 전부 현지에서 구매할 수도 있습니다.
반대로 홈페이지만 봐서는 별 특징이 없어 보이는데 꾸준히 중국이나 다른 국가에서 관련 부품을 수입하고 있는 회사도 있습니다.
후자가 오히려 영업하기 좋은 경우가 있습니다.
9. 경쟁사를 따라가면 바이어가 보일 때가 있다
신규 바이어를 찾을 때 꼭 우리 제품에서 시작할 필요는 없습니다.
경쟁사에서 반대로 찾아갈 수도 있습니다.
예를 들어 우리와 비슷한 Cooling Fan을 만드는 회사가 있다고 해보겠습니다.
그러면 몇 가지를 확인해봅니다.
- 주요 제품
- 주력 시장
- 적용 산업
- 수출 국가
- 고객으로 보이는 업체
- 무역데이터에 나타나는 Consignee
그리고 생각해봅니다.
“이 회사 제품을 사는 곳이라면 우리 제품도 검토할 수 있지 않을까?”
이 접근은 의외로 유용합니다.
이미 Fan을 구매하고 있는 회사라면 Fan이 필요한지부터 설명할 필요가 없기 때문입니다.
결국 경쟁사의 고객은 우리에게도 잠재고객이 될 수 있습니다.
물론 현재 공급관계와 제품사양을 추가로 확인해야 합니다.
10. AI에게 업체를 조사시킬 때 질문을 조금 바꿔본다
업체를 찾은 다음 AI에게
이 회사 어때?
라고 물으면 결과도 상당히 두루뭉술하게 나옵니다.
차라리 확인할 내용을 정해놓는 것이 좋습니다.
이 회사를 BLDC Cooling Fan 잠재고객 관점에서 조사해줘.
- 주요 제품
- 제조공장 여부
- Fan이 적용될 가능성이 있는 제품
- 예상 Application
- 기존 Fan Supplier 확인 가능 여부
- 구매 또는 개발 담당자
- 우리 회사가 제안할 수 있는 제품
확인된 사실과 추정한 내용은 따로 표시해줘.
마지막 문장이 꽤 중요합니다.
사실과 추정을 구분해 달라고 해야 합니다.
AI가 답을 자연스럽게 작성하다 보니 추정한 내용까지 확인된 사실처럼 보이는 경우가 있기 때문입니다.
11. 이메일 주소는 특히 조심한다
신규 바이어 조사에서 가장 주의해야 할 부분 중 하나가 이메일입니다.
예를 들어 LinkedIn에서 담당자 이름이 John Smith이고 회사 홈페이지 도메인이 abc.com이라고 해보겠습니다.
AI가 아래와 같은 주소를 만들어줄 수 있습니다.
john.smith@abc.com형식상 충분히 그럴듯합니다.
문제는 실제 주소라는 보장이 없다는 것입니다.
회사마다
john.smith@
jsmith@
john@처럼 이메일 형식이 다를 수 있습니다.
그래서 AI가 만들어준 이메일 주소를 찾은 이메일과 추정 이메일로 구분해야 합니다.
가능하면 다음 순서로 확인합니다.
- 회사 정보 → 공식 홈페이지
- 제품 → 공식 Product Page 또는 Catalogue
- 사람 → LinkedIn
- 이메일 → 홈페이지 또는 이메일 검증
- 수입 여부 → 무역데이터
AI는 이 과정을 빠르게 만들어줄 수 있지만, 최종 확인까지 대신해주는 것은 아닙니다.
12. 업체 100개보다 쓸 만한 업체 20개가 낫다
신규영업을 하다 보면 어느 순간 업체 수를 늘리는 데 집중하게 됩니다.
오늘 50개.
이번 주 200개.
다음 달 1,000개.
DB 숫자는 빠르게 늘어납니다.
그런데 실제 영업을 해보면 숫자 자체는 그렇게 중요하지 않습니다.
회사를 한 번 분류해보는 것이 좋습니다.
A
제품 적용 가능성이 높고 담당자까지 찾음
B
제품 적용 가능성은 높지만 담당자를 못 찾음
C
산업은 맞지만 제품 적용 여부가 불분명함
이 정도만 나눠도 충분합니다.
AI에게 복잡한 점수를 계산하게 할 수도 있지만 꼭 그럴 필요는 없습니다.
실무에서는 결국
“왜 이 회사에 연락해야 하지?”
라는 질문에 답할 수 있어야 합니다.
13. CRM에는 ‘찾은 이유’를 남겨놓는 것이 좋다
신규 업체를 수백 개 등록하다 보면 몇 달 뒤 이런 일이 생깁니다.
회사 이름은 있는데 왜 등록했는지 기억이 안 납니다.
홈페이지를 다시 들어갑니다.
제품을 다시 찾아봅니다.
결국 같은 조사를 또 하게 됩니다.
그래서 CRM에 Lead Reason 같은 항목을 하나 만들어놓으면 편합니다.
예를 들면:
Commercial refrigeration manufacturer. Display cooler 및 freezer 생산. Evaporator/Condenser용 EC Fan 적용 가능성 확인 필요.
또는
Industrial UPS manufacturer. 내부 Cooling Fan 다수 사용 가능. 기존 Supplier 확인 필요.
두 줄이면 충분합니다.
홈페이지 내용을 AI에게 주고
이 업체를 신규영업 대상으로 등록한 이유를 CRM 메모용으로 두 문장 안에 정리해줘.
라고 하면 금방 만들 수 있습니다.
이런 부분은 AI를 쓰면 확실히 시간이 줄어듭니다.
14. 담당자를 찾았다고 바로 카탈로그부터 보내지는 않는다
업체도 찾았고 담당자도 찾았습니다.
그러면 바로 회사소개서와 카탈로그를 첨부해서 보내고 싶어집니다.
그런데 처음 연락하는 사람에게
- 회사소개서
- 카탈로그
- 인증서
- 제품사진
- 가격표
까지 한꺼번에 보내는 것이 항상 좋은 방법은 아닙니다.
첫 메일은 오히려 짧게 보내는 편이 나을 때가 많습니다.
예를 들어 Cooling Fan을 판매한다면:
We manufacture BLDC cooling fans for industrial, HVAC and refrigeration applications.
I noticed that your company manufactures commercial refrigeration equipment, and I wanted to check whether you currently source cooling fans for your products.
이 정도로 먼저 확인해볼 수 있습니다.
상대방이 관심을 보이면 그다음에 제품을 제안하면 됩니다.
첫 메일의 목적은 계약을 받는 것이 아니라 답장을 받는 것이라고 생각하면 조금 편합니다.
15. 첫 영업메일도 회사별로 다르게 만든다
AI로 영업메일을 작성할 때도
해외영업 이메일 작성해줘.
라고 요청하는 것보다 회사 정보를 조금 넣어주는 편이 훨씬 좋습니다.
예를 들어:
회사: ABC Refrigeration
국가: Germany
주요제품: Commercial Display Cooler
담당자: Purchasing Manager
제안제품: 120mm EC Fan
특징: Low Power Consumption, IP Protection첫 연락이므로 120단어 이하로 작성하고 제품을 강하게 판매하지 말고 현재 Cooling Fan을 외부에서 구매하고 있는지 자연스럽게 물어봐줘.
이렇게 하면 회사마다 조금씩 다른 메일을 만들 수 있습니다.
결국 신규영업에서는 같은 메일을 1,000명에게 보내는 것보다 왜 이 회사에 연락했는지가 보이는 메일을 만드는 편이 중요합니다.
실제 바이어 발굴 과정을 정리하면
제가 생각하기에는 아래 정도 흐름이 가장 현실적입니다.
- 제품 확인
- 적용 산업 선정
- 국가 선정
- AI로 검색어 확장
- Google에서 업체 검색
- 회사 홈페이지와 카탈로그 확인
- AI로 제품 적용 가능성 정리
- LinkedIn에서 담당자 검색
- 무역데이터 확인
- CRM 등록
- Lead Reason 작성
- 첫 메일 발송
- Follow-up
AI는 이 과정 중 한 가지만 대신해주는 도구가 아닙니다.
검색 전에는 키워드를 만들고, 검색 후에는 정보를 정리하고, 업체를 찾은 뒤에는 제품 적용 가능성을 분석하고, 마지막에는 메일까지 작성할 수 있습니다.
그래서 잘만 사용하면 신규영업 조사시간을 꽤 많이 줄일 수 있습니다.
신규 바이어 DB는 이렇게 관리해볼 수 있다
처음에는 너무 복잡하게 만들 필요는 없습니다.
| 항목 | 내용 |
|---|---|
| Company | 회사명 |
| Country | 국가 |
| Website | 홈페이지 |
| Industry | 산업 |
| Product | 주요 제품 |
| Application | 예상 적용처 |
| Contact | 담당자 |
| Position | 직책 |
| 이메일 | |
| Existing Supplier | 기존 공급사 |
| Lead Source | Google / LinkedIn / Exhibition / Trade Data |
| Lead Reason | 영업대상으로 선택한 이유 |
| Status | 신규 / Contact / Reply / Follow-up |
| Next Action | 다음 조치 |
| Next Date | 다음 연락일 |
여기에 데이터가 조금씩 쌓이면 나중에는 국가별, 산업별, 제품별로 다시 분석할 수도 있습니다.
어느 시장에서 답장이 많이 오는지, 어떤 산업에서 실제 견적 문의가 들어오는지도 볼 수 있습니다.
그때부터 단순한 회사 리스트가 아니라 제대로 된 영업 DB가 됩니다.
AI가 대신 영업해주는 것은 아니다
AI를 사용하면 확실히 빨라집니다.
예전에는 회사 하나를 찾고 홈페이지를 읽고 제품을 확인하고 담당자를 찾아 메일까지 작성하는 데 꽤 시간이 필요했습니다.
지금은 그 과정의 상당 부분을 줄일 수 있습니다.
그래도 마지막 판단은 결국 사람이 해야 합니다.
AI가 찾았다고 해서 좋은 고객인 것도 아니고, 유명한 회사라고 해서 반드시 우리 제품을 구매하는 것도 아닙니다.
반대로 규모가 작아 보이는 업체라도 우리 제품과 정확히 맞고 실제 구매량이 상당할 수도 있습니다.
그래서 AI에게 모든 판단을 맡기기보다는 이런 순서가 더 현실적이라고 생각합니다.
AI로 방향을 잡고 → 직접 검색하고 → 공식자료로 확인하고 → 다시 AI로 정리한다.
한 번에 완벽한 리스트를 만들려고 하지 않고 이 과정을 반복하다 보면 조금씩 쓸 만한 고객 DB가 만들어집니다.
결국 해외영업에서 AI의 가장 좋은 역할은 바이어를 대신 찾아주는 것이 아니라,
사람이 더 많은 업체를, 더 짧은 시간 안에, 조금 더 깊게 조사할 수 있게 해주는 것이라고 생각합니다.
