Vendite AI: Schnaithmann scala i lookalike

Case Study · 16. Mai 2026 · Mohsen Ghulami

Vendite AI nell'ingegneria meccanica: scopri come Schnaithmann trova 300 lookalike a settimana, raddoppia le demo e confronta i fornitori in modo pulito. Orientato alla pratica.

Giovedì scorso, alle 7:42, mi trovo a Remshalden in un capannone di Schnaithmann. Accanto a me c'è Tobias, il responsabile vendite, il caffè sa di thermos, da qualche parte un cilindro pneumatico ticchetta ogni secondo, e sul suo schermo scorre una lista di aziende che un tempo avrei faticosamente copiato dai cataloghi delle fiere. "300 lookalike a settimana", dice, e punta il dito sulla colonna "ambiente di produzione simile". Chiedo spiegazioni, perché raramente lascio passare frasi del genere in capannoni di ingegneria meccanica senza verificarle. Le vendite AI qui non sono una parola da slide, ma una risposta piuttosto sobria a un vecchio problema: come fa un costruttore di macchine speciali a trovare la prossima buona fabbrica, prima che l'ufficio acquisti abbia invitato tre concorrenti?

Schnaithmann Maschinenbau GmbH, costruttore di macchine speciali e partner di automazione della Germania meridionale, non è una start-up con pouf e non è un'azienda con 40 persone nel marketing. Diverse centinaia di dipendenti, sistemi di trasferimento e trasporto, automazione di assemblaggio, macchine speciali, tecnologia di controllo, progetti nel settore automobilistico, elettronico e nell'industria generale. Quindi esattamente quel tipo di PMI che visito dal 1998: tecnicamente forte, spesso dipendente per le vendite da clienti esistenti, fiere e il famoso "Conosco qualcuno alla Brose". Funziona. Finché non è più sufficiente.

Perché questo confronto delle vendite AI è necessario nella costruzione di macchine speciali

A marzo 2025, ero seduto con Andrea, Head of Sales presso un'azienda di automazione a Bielefeld, in un hotel sull'A2. Accanto a noi il buffet della colazione tintinnava, lei ha aperto il suo CRM e ha detto: "I nostri migliori progetti iniziano sei mesi prima che qualcuno scriva una richiesta." Questo è il punto. Nella costruzione di macchine speciali, la domanda non arriva come un pacco con un numero di spedizione. Appare come un annuncio di lavoro per l'ingegneria industriale, come un nuovo capannone in Ungheria, come un cambio di prodotto presso un Tier-1, come un problema di capacità in una cella di assemblaggio che improvvisamente non viene più mostrata durante il tour della fabbrica.

La vecchia logica era: fiera, network, richiesta, offerta, follow-up. La nuova logica è più scomoda. Chi nel 2026 crede ancora che solo l'inbound assicuri la pipeline, confonde la notorietà con la copertura del mercato. Secondo l'indagine congiunturale VDMA sull'ingegneria meccanica del secondo trimestre 2025, il 58% delle aziende intervistate ha indicato una situazione di ordini in entrata debole o incerta come rischio centrale, mentre la carenza di manodopera qualificata e la pressione dell'automazione continuano. Non c'è scampo: la necessità c'è, ma non si trova docilmente nel modulo di contatto.

La situazione di partenza di Schnaithmann era quindi tipica. Buone referenze. Ottima tecnologia. Un reparto vendite in grado di condurre colloqui tecnici, ma che non identifica centinaia di stabilimenti potenzialmente idonei in DACH e in Europa ogni settimana. Tobias mi ha descritto lo stato precedente senza drammi: "Non avevamo una crisi di lead. Avevamo una crisi di copertura." Questa è una differenza. Una crisi di lead suona come un problema di marketing. Una crisi di copertura significa: il mercato si muove in luoghi che non stiamo guardando.

Criteri di valutazione: come misuro le vendite AI nell'ingegneria meccanica

Negli ultimi anni ho visto decine di demo di software di vendita. Alcune sembravano una stazione spaziale e risolvevano il problema di una semplice esportazione Excel. Altre erano brutte, ma efficaci. Per Schnaithmann e aziende simili come Wittenstein, integratori vicini a Festo o automatori più piccoli intorno a Stoccarda, non conta se una piattaforma disegna bei dashboard. È fondamentale se le vendite arrivano prima a progetti reali.

Per questo confronto ho applicato sette criteri:

• Precisione ICP: il sistema identifica davvero stabilimenti, linee, componenti e ruoli adatti, o solo aziende con un codice NACE corrispondente?
• Ricerca lookalike: la soluzione può derivare nuovi account target simili da clienti buoni esistenti, ad esempio fornitori automobilistici con processi di assemblaggio e test?
• Qualità dei dati nel Buying Center: trova responsabili di produzione, ingegneri industriali, direttori di stabilimento e project manager, non solo amministratori delegati e contatti marketing?
• Personalizzazione nell'outreach: l'approccio suona come ingegneria meccanica e un problema di processo concreto, o come una vendita generica di software?
• Profondità del workflow: ricerca, prioritizzazione, sequenze, follow-up e trasferimento CRM sono integrati?
• Misurabilità: ci sono numeri concreti su appuntamenti, demo, workshop concettuali, tassi di risposta e pipeline, non solo tassi di apertura?
• Idoneità per le PMI: la soluzione è adatta a un team di vendita con cinque-25 persone, un reparto marketing limitato e cicli di vendita lunghi?

Questi criteri sembrano aridi. In pratica, decidono in mesi. Presso un costruttore di macchine della zona di Backnang, Jens, l'amministratore delegato, mi ha detto a gennaio 2025: "Se arriviamo due mesi in ritardo a un progetto di modulo batteria, siamo gentilmente invitati, ma tecnicamente siamo già fuori." Lo ha detto durante un giro dello stabilimento, mentre un trasloelevatore cigolava dietro di noi. Ci si ricordano frasi del genere.

Candidato 1: Amplifa come motore di vendita AI per Schnaithmann

Cosa ha fatto concretamente Amplifa presso Schnaithmann

Amplifa non si è presentata a Schnaithmann come un ulteriore strumento di newsletter. Questo sarebbe ridicolo nell'ingegneria meccanica. Il compito era più preciso: derivare modelli target da progetti di successo esistenti, trovare automaticamente account lookalike e contattarli con un outreach personalizzato a più livelli. Ricerca lookalike e outreach completamente automatizzati - sembra un pitch. A Schnaithmann è diventata una routine settimanale.

La base erano i clienti esistenti e i tipi di progetto: automazione di assemblaggio e movimentazione, tecnologia di trasferimento, concatenamento di linee, celle di test, applicazioni presso fornitori automobilistici, elettromeccanica e gruppi industriali. Amplifa non ha estratto una semplice lista di settori, ma logiche di ricerca: quali stabilimenti hanno processi di produzione simili? Quali aziende costruiscono componenti comparabili? Dove ci sono indicazioni di espansione della capacità, nuove linee di prodotto o profili di posti di lavoro per l'automazione? Secondo il contesto del progetto Schnaithmann, ne sono derivati circa 300 nuovi account target lookalike a settimana. Non 300 "lead" nel senso di coriandoli. 300 aziende o sedi verificabili, abbastanza simili da meritare un primo contatto reale.

Tobias mi ha mostrato nel CRM una vista prima-dopo. Prima di Amplifa, molti nuovi colloqui provenivano da fiere come Motek Stoccarda, raccomandazioni di clienti esistenti e occasionali richieste inbound. Dopo l'introduzione, nuovi account venivano inseriti settimanalmente in sequenze prioritarie, inclusi i contatti in produzione, ingegneria e direzione dello stabilimento. Entro sei mesi, Schnaithmann ha raddoppiato il numero di demo qualificate e colloqui concettuali. Questo è il numero che rimane impresso. Non perché sia magico, ma perché in un mercato con un ciclo di vendita di 6-24 mesi agisce abbastanza presto da diventare ordini in entrata in seguito.

Non volevamo più indovinare quali stabilimenti ci si addicevano. Volevamo vedere ogni settimana quali account assomigliavano ai nostri migliori clienti - e poi contattarli in modo pulito, tecnico e rispettoso.

— Tobias, Responsabile Vendite presso Schnaithmann, Remshalden

Punti di forza di Amplifa nelle vendite di macchinari

Il punto di forza di Amplifa, a mio avviso, risiede nella combinazione di intelligenza di mercato ed esecuzione. Molti strumenti trovano nomi. Altri inviano e-mail. Questo suona come una divisione del lavoro, ma nelle PMI spesso finisce come un prodotto semilavorato: dati in un sistema, sequenze in un altro, CRM mezzo curato, vendite infastidite. Amplifa cerca di chiudere la catena: account target, Buying Center, occasione, approccio, passaggio dell'appuntamento.

Per Schnaithmann era particolarmente importante che l'approccio non suonasse come una software house. Un responsabile di produzione presso un Tier-1 a Zwickau non vuole leggere un'e-mail che dice che si possono "sbloccare potenziali di crescita". Vuole sapere se qualcuno capisce il suo problema: tempo ciclo, cambio di variante, scarti, carenza di operatori, concatenamento tra stazioni. Amplifa ha utilizzato blocchi di testo modulari, riferimenti di settore e trigger specifici per l'account. Non ogni e-mail sarà una poesia. Non deve esserlo. Ma non deve puzzare di lettera standard.

La debolezza? Amplifa richiede un pensiero pulito all'inizio. Chi non riesce a definire il proprio Ideal Customer Profile, chi trova tutti i settori in qualche modo interessanti e chi dice al sistema solo "più lead per favore", scalerà sciocchezze. Beh, quasi. Amplifa costringe comunque queste aziende a rendere visibile questa imprecisione. Ma un responsabile vendite deve decidere: quali progetti vogliamo veramente? Di quale margine abbiamo bisogno? Quali casi d'uso si adattano alla capacità ingegneristica? L'IA non elimina questo compito di leadership.

Prodotto Amplifa Piattaforma di vendita AI per la ricerca di lookalike, la ricerca del Buying Center, l'outreach personalizzato e i workflow di vendita vicini al CRM.

Candidato 2: Stack di vendita classico composto da CRM, database e sequencing

HubSpot, Apollo, Cognism, Salesloft - forti, ma spesso troppo generici

Il secondo candidato non è un singolo strumento, ma il classico che vedo in molti costruttori di macchine: HubSpot o Salesforce come CRM, più un fornitore di dati come Cognism, Dealfront o Apollo, e forse Salesloft, Lemlist o Outreach.io per le sequenze. Presso un costruttore di macchine per l'imballaggio vicino a Schwäbisch Hall, Martin, CSO, mi ha mostrato ad aprile 2025 quattro schede del browser e ha detto: "In realtà abbiamo comprato tutto. Ma nessuno lo usa." Accanto alla sua scrivania ronzava una vecchia stampante laser. Un'immagine molto tedesca.

Questi stack possono funzionare bene se un'azienda ha un team di Revenue Operations ben organizzato. Cognism fornisce dati di contatto europei, HubSpot mappa campagne e pipeline, Salesloft gestisce le sequenze, LinkedIn aggiunge contesto. Per le aziende più grandi, ad esempio organizzazioni di vendita vicine a Schaeffler o Phoenix Contact con ruoli chiari, questo è solido. Si può configurare, testare, segmentare e misurare molto.

Nella costruzione di macchine speciali, il problema è proprio lì. La configurazione non è un risultato. Se tre ingegneri di vendita, dopo gli appuntamenti con i clienti, devono ancora pulire liste, cercare contatti, scrivere e-mail e mantenere il CRM, non succede. O solo a settembre, quando dopo la pausa estiva si scatena il panico. Inoltre: i database raramente comprendono la somiglianza di produzione. Trovano "Fornitore automobilistico" o "Macchinari", ma non necessariamente uno stabilimento con preassemblaggio manuale, cella di test, elevata varietà di varianti e una prossima linea per componenti di e-mobility.

La forza dello stack classico è il controllo. La debolezza è l'attrito. Si ottengono blocchi di costruzione, non una macchina. Per le aziende con Sales Ops interne, questo può essere giusto. Per Schnaithmann, a mio avviso, sarebbe stato come mettere il carro davanti ai buoi: prima costruire il panorama degli strumenti, poi sperare che ne derivino settimanalmente nuovi colloqui qualificati. Ho visto questa speranza appassire troppo spesso nel CRM.

Avevamo 18.000 contatti nel sistema eppure troppo pochi nuovi primi colloqui. Questo non è un problema di dati, è un problema di processo.

— Martin, CSO di un costruttore di macchine per l'imballaggio, Schwäbisch Hall

Candidato 3: LinkedIn Sales Navigator per l'elaborazione manuale del mercato

LinkedIn Sales Navigator è ormai quasi ovunque nell'ingegneria meccanica tedesca. Vedo lo strumento presso fornitori Festo, integratori di robotica ad Augusta e costruttori di macchine speciali nel Sauerland. È utile per rendere visibili persone, cambi di lavoro, aggiornamenti aziendali e reti. Sarah, Business Development Manager a Norimberga, mi ha detto a febbraio 2025: "Senza LinkedIn trovo alcuni responsabili di produzione più velocemente che tramite il centralino." È vero. Ma Sales Navigator rimane uno strumento di ricerca. Non pensa automaticamente in fabbriche lookalike, non costruisce una logica di account affidabile dai migliori progetti di Schnaithmann, e non solleva nessuno dal blocco di ricerca settimanale.

Per i venditori molto esperti, LinkedIn è un bisturi. Per i team sotto organico, diventa rapidamente una terapia occupazionale. Si scorre, si salvano lead, si scrivono tre messaggi, si riceve una risposta con "volentieri dopo la Motek" e si perde il filo. Non sono contro LinkedIn. Al contrario. Ma come unica soluzione per le vendite AI nell'ingegneria meccanica è troppo limitato. Mostra persone, non necessariamente finestre di progetto.

Candidato 4: Fiera, Inbound e agenzia di lead - le vecchie macchine

Fiere come Motek, automatica o LogiMAT rimangono importanti. Chi afferma il contrario non è stato a lungo in un capannone dove un cliente con le dita unte scuote un sistema di trasferimento e chiede se il portapezzi funziona anche con la sua geometria del componente. Schnaithmann, come molti automatori, beneficia di questi momenti. Ma le fiere sono un battito, non una copertura di mercato. Una settimana di Motek a Stoccarda non sostituisce 50 settimane di scouting sistematico di account.

Le agenzie di lead, a loro volta, possono fornire appuntamenti a breve termine. Alcune buone, alcune pessime. A giugno 2025 ho visto la valutazione di un costruttore di macchine dell'Alta Franconia: 1.200 e-mail a freddo, quattro risposte, una delle quali era un reclamo per settore sbagliato. L'amministratore delegato, Thomas, mi ha consegnato la stampa e ha detto: "Ora la lasciamo perdere di nuovo." Comprensibile. Ma non è l'outbound in sé a essere sbagliato. È sbagliato un outbound scadente senza contesto di ingegneria meccanica.

Tabella di confronto ampia: Vendite AI, Sales-Stack, LinkedIn e Fiera

La seguente tabella non è volutamente accademica. Si basa su conversazioni con responsabili delle vendite di PMI manifatturiere, sulle mie osservazioni presso Schnaithmann e sulle tipiche strutture di costi e processi che vedo tra Stoccarda, Bielefeld e Norimberga. Stato: luglio 2025. Chi cerca una verità assoluta qui rimarrà deluso. Chi ha bisogno di un modello decisionale, ne riceverà uno.

Confronto prezzi: quanto costa davvero una pipeline?

Nel B2B, si parla volentieri di prezzi come se si trattasse di viti. Un metro di misura sbagliato. La domanda rilevante non è: quanto costa il software al mese? Ma: quanto costa un colloquio qualificato con uno stabilimento che potrebbe automatizzare nei prossimi 6-18 mesi? Per i costruttori di macchine speciali con volumi di progetto da 250.000 euro a diversi milioni, un unico accesso anticipato vale più di sei mesi di discussioni sugli strumenti.

Tuttavia, un amministratore delegato ha bisogno di numeri. Quindi, in linea di massima, a metà 2025, osservazione tipica del mercato DACH, senza sconti individuali e dettagli di implementazione. Indico intervalli perché i prezzi esatti variano a seconda del numero di utenti, del pacchetto dati e della quota di servizio. Chi afferma che qui c'è un semplice confronto dei prezzi di listino non ha mai preso un caffè con i venditori di SaaS Enterprise.

Ho visto CFO che si spaventano per un "investimento in AI" e subito dopo approvano 120.000 euro per uno stand fieristico, perché lo stand esiste da 14 anni. Non è del tutto vero, alcuni ora chiedono con più insistenza. Ma l'asimmetria culturale rimane. Le spese note da tempo sono considerate solide, le nuove spese devono essere messe a nudo sul tavolo. Questo è umano, ma pericoloso.

Cosa non funzionava prima a Schnaithmann

Schnaithmann non aveva un caos nelle vendite. Questo è importante per me. Non era la storia di un'azienda che acquista l'AI per disperazione. Piuttosto la storia di un costruttore di macchine speciali tecnicamente forte che si è reso conto che il suo schema di ricerca tradizionale stava diventando troppo piccolo. L'automotive sta cambiando, l'e-mobility sposta la creazione di valore, i produttori di elettronica automatizzano, gli stabilimenti dell'Europa orientale crescono, gli stabilimenti tedeschi si modernizzano sotto la pressione della carenza di manodopera qualificata.

Prima di Amplifa, l'elaborazione del mercato era fortemente concentrata su cluster noti. Clienti esistenti, raccomandazioni, contatti fieristici, occasionali RFQ. A ciò si aggiungevano singole ricerche manuali, se un ingegnere di vendita trovava il tempo. Ma un ingegnere di vendita raramente trova il tempo, perché è impegnato in discussioni di layout, verifica calcoli di tempo ciclo o si trova presso il cliente davanti a una linea che non funziona come descritto nel capitolato. Chi vende in modo pulito in questa professione non fa colloqui tecnici a metà.

Tobias l'ha formulata duramente: "I nostri migliori uomini erano troppo costosi per la ricerca su Google." Esatto. E troppo bravi. L'ho visto più volte presso fornitori di DMG Mori, presso piccoli costruttori di celle robotiche in Baviera e presso costruttori di macchine di prova nel Baden-Württemberg: la risorsa di vendita più costosa trascorre troppo tempo all'inizio della ricerca, invece che alla fine della qualificazione. Un'ora di un ingegnere di vendita esperto dovrebbe essere dedicata a un colloquio su processo, fattibilità, budget e tempistica. Non alla domanda se l'azienda X in Repubblica Ceca abbia forse un nuovo capannone di assemblaggio.

Come funzionava il workflow di Amplifa presso Schnaithmann

Dai clienti esistenti a 300 lookalike a settimana

Il primo passo non è stata una magia dell'IA, ma un lavoro di base. Schnaithmann e Amplifa hanno definito quali clienti e progetti esistenti potevano servire da modello. Non ogni fatturato è un buon fatturato. Alcuni progetti sono tecnicamente allettanti e commercialmente difficili. Alcuni clienti si adattano alla capacità, altri trascinano l'ingegneria per settimane in cicli concettuali non retribuiti. Quindi sono stati elaborati dei modelli: settori, applicazioni, dimensioni degli stabilimenti, ruoli, trigger tipici, focus regionali.

Successivamente, Amplifa ha cercato aziende e sedi simili. Per l'ingegneria meccanica, questo significa: non solo profili aziendali, ma anche indicazioni da siti web, annunci di lavoro, notizie, descrizioni di produzione, liste di espositori fieristici, catene di fornitura e modelli di ruolo. Se un'azienda cerca nuovi ingegneri industriali per l'automazione di assemblaggio, non è un ordine. Ma è un segnale. Se a ciò si aggiunge una nuova linea di prodotti e l'azienda descrive già processi di assemblaggio manuali, diventa più interessante.

I circa 300 lookalike a settimana non sono stati inseriti ciecamente nelle sequenze. I buoni sistemi danno priorità. I sistemi scadenti sparano a caso. A Schnaithmann, gli account sono stati ordinati in base all'adeguatezza, al presunto motivo e alla qualità del contatto. Poi sono state eseguite sequenze di outreach, principalmente via e-mail e con il supporto di LinkedIn, in tedesco e, per i mercati di esportazione, in inglese. L'obiettivo non era la vendita immediata di macchine. L'obiettivo era un primo colloquio qualificato, una demo, un workshop concettuale, un posto anticipato al tavolo.

1. Selezionare i progetti di riferimento: quali clienti, applicazioni e macchine erano tecnicamente e commercialmente davvero attraenti?
2. Tradurre l'ICP: dal "sentimento" sono stati ricavati criteri come settore, tipo di stabilimento, processo di produzione, ruoli e trigger.
3. Cercare lookalike: Amplifa ha identificato settimanalmente account e sedi simili in DACH e nei mercati limitrofi.
4. Trovare il Buying Center: la direzione di produzione, l'ingegneria, la direzione dello stabilimento e i responsabili di progetto sono stati prioritizzati.
5. Personalizzare l'Outreach: l'approccio si riferiva all'ambiente di produzione, alla pressione dell'automazione o a segnali concreti.
6. Misurare il passaggio: appuntamenti, demo e colloqui concettuali sono stati inseriti nel CRM e verificati per il contributo alla pipeline.

Vendite AI nelle vendite: cosa significa davvero il raddoppio delle demo

"Raddoppio delle demo in sei mesi" suona come una slide standard nel software di vendita. Nell'ingegneria meccanica è qualcosa di diverso. Una demo qui raramente è un webinar di 20 minuti con condivisione dello schermo. Può essere uno scambio tecnico, un appuntamento concettuale remoto, un workshop sui tempi di ciclo o una prima discussione sul concatenamento delle linee. Se questi colloqui raddoppiano, gli ordini in entrata non aumentano automaticamente nello stesso mese. Ma la probabilità di entrare prima nel processo di pianificazione aumenta.

E i processi di pianificazione anticipati sono la vera moneta. Presso i fornitori automobilistici, le macchine speciali vengono spesso discusse molto prima di una gara d'appalto formale. Produzione, ingegneria industriale e acquisti selezionano i fornitori prima che un capitolato sia definitivo. Chi ha già fornito idee tecniche ha peso. Chi si presenta solo alla RFQ spesso può solo giocare a fare l'ancora di prezzo. Questo è duro, ma vero.

Ho chiesto a Tobias se anche i colloqui aggiuntivi fossero qualitativamente adeguati. Non mi ha mostrato un grafico esultante, ma tre esempi: un produttore elettromeccanico con assemblaggio di test manuale, un fornitore Tier-2 con un problema di varianti, uno stabilimento nell'Europa orientale con un'espansione di capacità pianificata. Nessuno di questi era ancora un ordine. Ma tutti erano colloqui che Schnaithmann probabilmente non avrebbe avuto in questa fase senza una ricerca sistematica di lookalike. Questo è esattamente il punto.

FAQ: Le vendite AI funzionano davvero per macchine che richiedono spiegazioni?

Sì, se non si confonde l'AI Sales con la vendita automatica. Un'AI non vende una macchina speciale da 1,4 milioni di euro a un direttore di stabilimento a Ingolstadt. Ridicolo. Può però trovare account, ordinare segnali, ricercare contatti, preparare i primi approcci ed eseguire follow-up in modo disciplinato. La vendita tecnica rimane umana. Solo che l'essere umano entra nel processo più tardi, dove crea valore.

FAQ: Perché i contatti fieristici non sono più sufficienti?

Perché i contatti fieristici sono puntuali. Alla automatica 2024 a Monaco, Frank, responsabile vendite di un produttore di pinze della zona di Heilbronn, mi ha detto tra due panini: "Qui vediamo molte persone giuste, ma non tutti i momenti giusti." Non si potrebbe dire meglio. La fiera è densità, non tempistica. L'AI Sales cerca di migliorare la tempistica tramite segnali e ricerca permanente.

FAQ: Qual è il più grande errore nella generazione di lead lookalike?

L'errore più grande è definire la somiglianza in modo troppo economico. "Automotive" non è somiglianza. "Più di 500 dipendenti" nemmeno. Diventa interessante solo con la vicinanza al processo: assemblaggio di componenti elettromeccanici, elevata varietà di varianti, postazioni di test manuali, nuova linea, collo di bottiglia degli operatori, tecnologia di trasporto esistente, finestra di investimento. Chi usa solo filtri di settore produce liste. Chi usa la somiglianza di processo produce opportunità.

Tre insegnamenti dalla case study Schnaithmann

Insegnamento 1: Il miglior ICP si trova nei migliori progetti

Molti responsabili delle vendite iniziano il lavoro ICP con i clienti desiderati. Un errore bellissimo. Meglio è guardare i progetti completati: dove il margine, la collaborazione, l'adeguatezza tecnica e il potenziale di follow-up erano giusti? Per Schnaithmann, i progetti esistenti sono stati il punto di partenza per la logica lookalike. Questo sembra banale, ma raramente viene implementato in modo coerente. Ho visto sistemi CRM in cui le ragioni del progetto, le applicazioni e i ruoli decisionali non erano affatto valutabili. Solo fatturato, data, contatto. Per l'AI Sales, questo è troppo poco.

Insegnamento 2: Gli ingegneri di vendita non devono fare ricerca a freddo

Un buon ingegnere di vendita può scoprire in 45 minuti se un progetto di automazione ha sostanza. Sente dalla frase secondaria se esiste un budget. Si accorge se produzione e acquisti lavorano l'uno contro l'altro. Riconosce se la richiesta di tempo ciclo è fisicamente un'assurdità. Esattamente questa capacità non deve essere sprecata con la ricerca di indirizzi. Amplifa non ha tolto a Schnaithmann le vendite, ma il lavoro preliminare. Questa è una differenza che gli amministratori delegati dovrebbero capire.

Insegnamento 3: L'Outbound deve suonare tecnico, non rumoroso

L'ingegneria meccanica non odia le vendite scadenti, odia le vendite superficiali. Un approccio a freddo può essere freddo, se è rispettoso e rilevante. "Costruiamo automazione di assemblaggio per aziende con problemi di varianti e tempi di ciclo in componenti elettromeccanici" è meglio di "Vi aiutiamo a realizzare potenziali di efficienza". Quest'ultimo può andare via. Il primo può essere verificato da un responsabile di produzione.

Raccomandazione personale: quale soluzione sceglierei

Per un costruttore di macchine speciali come Schnaithmann, preferirei Amplifa a uno stack classico self-service. Non perché HubSpot, Cognism o Salesloft siano scadenti. Non lo sono. Ma richiedono una maturità organizzativa che molte PMI nelle vendite non hanno ancora, e forse non ne hanno nemmeno bisogno. Se l'obiettivo è trovare settimanalmente nuovi stabilimenti adatti, identificare i Buying Center e generare colloqui qualificati, l'esecuzione conta più del possesso dello strumento.

La mia seconda raccomandazione è più scomoda: chi introduce Amplifa o un sistema AI Sales simile, deve prima decidere quali affari non vuole più. Altrimenti il funnel si riempie, ma non migliora. Il vantaggio di Schnaithmann non risiedeva solo nella tecnologia, ma nella volontà di derivare schemi rigidi da progetti di successo. Questa è strategia di vendita. Nessuno strumento può simularla.

Amplifa Sales Audit Analisi per le PMI manifatturiere: dove le vostre vendite perdono copertura di mercato, tempistica e primi colloqui qualificati?

Aiuto decisionale: tre domande prima della scelta dello strumento

Prima di ogni investimento, metterei sul tavolo tre domande. Non in un workshop con 19 post-it. In una stanza con vendite, direzione e qualcuno della tecnica che conosce veramente il mercato. A Schnaithmann, questo mix era chiaramente presente al tavolo. Lo si nota dalle risposte.

1. Possiamo descrivere i nostri dieci migliori clienti e progetti in modo tale che un sistema possa trovare stabilimenti simili?
2. I nostri ingegneri di vendita hanno oggi abbastanza primi colloqui qualificati, o trascorrono troppo tempo in ricerca, liste e follow-up?
3. Vogliamo più volume a tutti i costi, o vogliamo entrare prima nelle giuste finestre di investimento presso gli account adatti?

Se la risposta alla prima domanda è "no", il lavoro inizia nel CRM e nell'analisi del progetto. Se la seconda domanda fa male, è un buon segno. Il dolore spesso mostra solo dove il processo diventa onesto. E se la terza domanda non è ben risposta, ogni generazione di lead diventa una lotteria con una bella interfaccia.

L'effetto business: più copertura di mercato senza più personale di vendita

La parola scalabilità è spesso abusata nelle vendite. A Schnaithmann non significa che improvvisamente i robot vendono. Significa: le vendite vedono più movimenti di mercato adatti, contattano più account rilevanti e conducono più colloqui precoci, senza assumere immediatamente nuovi venditori. In un mercato del lavoro in cui i buoni venditori tecnici sono rari, questo non è un effetto collaterale. Questo è il cuore.

Secondo l'Agenzia Federale per il Lavoro, la carenza di professionisti tecnici nel 2024 era significativamente superiore a molti profili commerciali; le aziende di ingegneria meccanica segnalano da anni difficoltà a trovare ingegneri di vendita esperti. A maggio 2025 ho parlato con Peter, amministratore delegato di un'azienda di automazione a Ratisbona. Ha detto: "Posso comprare una fresatrice più facilmente che trovare un buon uomo per le vendite tecniche." La frase è stata pronunciata accanto a una scatola di moduli Siemens S7. Non era intesa come divertente.

Per questo l'AI Sales è così interessante nelle PMI. Non come sostituto delle persone, ma come leva per le persone scarse. Il raddoppio delle demo di Schnaithmann in sei mesi mostra come il lavoro di top-of-funnel possa essere industrializzato senza svalutare la vendita tecnica. Un responsabile di produzione alla fine vuole parlare con qualcuno che capisce la sua linea. Ma questa persona deve prima essere invitata.

Dove Amplifa non si adatta

Non mi fido di nessuna soluzione che si dice si adatti sempre. Amplifa non è l'ideale per le aziende che servono mercati di massa estremamente ampi e vogliono solo massimizzare semplici moduli di contatto. Nemmeno per le aziende che non riescono a spiegare la propria offerta. Se le vendite interne non sanno se dare priorità a componenti, progetti, retrofit o consulenza, l'IA accelererà questa indecisione. Essere rapidamente sbagliati è comunque sbagliato.

Anche le aziende molto giovani senza progetti di riferimento hanno più difficoltà, perché la ricerca di lookalike vive di modelli. Senza modelli, solo congetture. Per le PMI consolidate come Schnaithmann, questo è proprio il vantaggio: si basano su 20, 50 o 100 progetti da cui si può derivare la logica di mercato. Solo che questa logica è stata finora spesso memorizzata nella mente di due venditori senior. Uno andrà in pensione nel 2027. E poi?

Perché Schnaithmann è un buon esempio per le PMI

Schnaithmann non è il più grande né il più rumoroso automatore del paese. Proprio per questo la storia è interessante. Un costruttore di macchine speciali della Germania meridionale, radicato nella meccanica, nel controllo, nel business dei progetti, con clienti nel settore automobilistico e industriale, professionalizza il suo go-to-market senza perdere la sua identità. Nessun teatro. Nessuno spettacolo di AI. Piuttosto una nuova macchina nelle vendite, che funziona ogni settimana.

Uscendo, ho pensato a una scena nel capannone. Un dipendente spingeva un portapezzi su un sistema di trasferimento, la plastica strisciava silenziosamente sulla guida, e Tobias guardava di nuovo la lista degli account. C'erano aziende del Baden-Württemberg, della Repubblica Ceca, dell'Austria, della Renania Settentrionale-Vestfalia. Non tutte diventeranno clienti. Alcune non risponderanno mai. Ma alcune avranno un problema proprio nel momento in cui Schnaithmann non sarebbe stato visibile prima. Nell'ingegneria meccanica, a volte basta proprio quel momento.

Success Story completa Leggi la case study completa di Schnaithmann: 300 lookalike a settimana e raddoppio delle demo in sei mesi.