简介九段式结构化访谈

简介: 一、什么是结构式访谈结构式访谈又称标准化访谈(Standardized Interview),它是一种对访谈过程高度控制的访问。这种访谈的对象必须按照统一的标准和方法选取。

一、什么是结构式访谈

结构式访谈又称标准化访谈(Standardized Interview),它是一种对访谈过程高度控制的访问。这种访谈的对象必须按照统一的标准和方法选取。访问的过程也是高度标准化的,即对所有被访问者提出的问题,提问的次序和方式,以及对被访者回答的记录方式等是完全统一的。

二、什么是九段式结构化访谈

九段式结构化访谈是一种推销产品或验证需求的结构化访谈方法,旨在通过设计好的对话框架来确认沟通对象的需求,验证解决方案的价值。
优点是:思路清晰,利于控制话题,易于理解。
缺点是:要将访谈框架融入对话又不漏痕迹,有些难。

三、九段式的访谈框架

九段式的访谈框架包括3个阶段,先从一个具体需求切入,再梳理其影响,最后由需求导出解决方案(注意不是产品!)。每个阶段都包括启发式提问、诱导式控制和重复确认等3步组成。具体见下表。

问题需求 诊断原因 发展影响 验证方案
开头 R1 “咱们谈谈,是什么令贵公司…(重复让客户头疼的问题)?” I1 “除了您,贵公司还有其余的部门也存在类似的问题吗?具体状况如何?” C1 “您认为需要作哪些努力解决这个问题呢?”“是否能够考虑我的几点建议”
控制 R2 “是否是因为…?” I2 “既然这个问题让您那么…?那么某某(职位衔头)也肯定为这个问题不少操心吧?” C2“也许有这么一个解决问题的路子…?您认为这个办法是否可行?如果您能…那么是否对…也有帮助?”
确认 R3“那就是说,产生这个问题(重复让客户头疼的问题)的根本原因是…” I3“据我的理解…(重复是从谁和如何了解到的),似乎这个不只是您一个部门的问题,而且是…的问题。 C3 “据我的理解,假如您能够…(概括客户可能能力变化)那么您就能解决您的问题(重复让客户头疼的问题)”

四、示例

【背景假定】访谈对象是刚拿到融资的共享单车的初创公司,需要比竞争对手更快的速度抢占市场,需要快速扩展地推团队,需要快速迭代演进产品,不缺钱,只缺人!

问题需求 诊断原因 发展影响 验证方案
开头 R1 “咱们谈谈,是什么令贵公司新办公室有那么多空位?” I1 “除了您,贵公司还有其余的部门,如销售部门,是否也存在类似的问题吗?具体状况如何?” C1 “您认为需要作哪些努力解决这个问题呢?”
控制 R2 “是否是因为招聘效率不高?” I2 “既然这个问题让您那么着急,那么CHO也肯定为这个问题不少操心吧?” C2“也许有这么一个解决问题的路子。找专业的第三方完成一面和二面,在基本符合岗位要求时,再请您和HRD做最后的面试确认呢?这样招聘效率提高很多,同时也不用扩充HR部门使得长期成本增加,毕竟这样的大规模招聘是偶然的,不是常态。您认为这个办法是否可行?
确认 R3“那就是说,产生这个问题的根本原因是招聘效率不高?” I3“据我的理解,贵司受市场压力需要快速扩展,技术部门和销售部门都需要急缺人手。 C3 “据我的理解,假如您能够通过第三方快速完成候选人的初筛,那么您就能解决您的问题”

五、注意点

1. 访谈前的准备

选择合适的访谈对象,尤其是要有可能有潜在需求。并不是每个对象都有访谈的价值。
设计中止提问的条件,不对路就不继续,降低成本。

2. 话术不是背课文

要善于针对访谈对象,将结构化提问转为对话的暗线,看似闲聊,实则在寻找插入话题的时机。

3. 后续工作

整理访谈的信息,与客户基本信息结合,与其他访谈信息合并,做需求整理分析,最终形成市场调查。

4.站在对方角度谈话

因为你需要挖掘对方的需求,而不是侃侃而谈你的产品。在不确定需求前,所有的推销都是浪费时间。

5.慎谈产品

先和对方确认需求,再确认解决方案。
在解决方案得到认可后,产品才需要引出。解决方案有争议,就没有合适的产品。

六、实践流程

img_db5dea8671d02767c70e1bbaab33e0fb.png
结构化访谈流程
目录
相关文章
|
数据挖掘 Python 数据采集
带你读《Python金融大数据挖掘与分析全流程详解》之三:金融数据挖掘案例实战1
本书以功能强大且较易上手的Python语言为编程环境,全面讲解了金融数据的获取、处理、分析及结果呈现。全书共16章,内容涉及Python基础知识、网络数据爬虫技术、数据库存取、数据清洗、数据可视化、数据相关性分析、IP代理、浏览器模拟操控、邮件发送、定时任务、文件读写、云端部署、机器学习等,可以实现舆情监控、智能投顾、量化金融、大数据风控、金融反欺诈模型等多种金融应用。
|
4月前
|
机器学习/深度学习 搜索推荐 数据可视化
【2023年第十一届泰迪杯数据挖掘挑战赛】C题:泰迪内推平台招聘与求职双向推荐系统构建 建模及python代码详解 问题二
本文介绍了2023年第十一届泰迪杯数据挖掘挑战赛C题的解决方案,重点讲解了如何构建招聘与求职双向推荐系统的建模过程和Python代码实现,并对招聘信息和求职者信息进行了详细分析和画像构建。
79 1
|
机器学习/深度学习 存储 数据采集
7 种常用的数据挖掘技术分享
7 种常用的数据挖掘技术分享
368 0
7 种常用的数据挖掘技术分享
|
SQL 数据可视化 算法
一文速览-数据分析基本思维以及方法
一文速览-数据分析基本思维以及方法
217 0
一文速览-数据分析基本思维以及方法
|
SQL 数据采集 机器学习/深度学习
【数据挖掘】数据挖掘简介 ( 数据挖掘引入 | KDD 流程 | 数据源要求 | 技术特点 )
【数据挖掘】数据挖掘简介 ( 数据挖掘引入 | KDD 流程 | 数据源要求 | 技术特点 )
465 0
【数据挖掘】数据挖掘简介 ( 数据挖掘引入 | KDD 流程 | 数据源要求 | 技术特点 )
|
人工智能 运维 Cloud Native
【精品问答】110+数据挖掘面试题集合 | 技术日报(17期)
阿里云开发者社区超大技术福利!80+阿里系电子书开放下载,覆盖 Java、物联网、云原生、前端、大数据、开源、AI 等技术领域,深度分享阿里工程师实践精华,顶级技术内容一手掌握。快快收藏吧~
983 0
|
存储 算法 大数据
作为产品经理的你,这些数据分析常用术语你都知道吗?
。一般从事数据分析行业的朋友对这类词并不陌生,但是像市场运营人员就会把这类些名词概念搞混,导致结果不准确。
2719 0
|
Web App开发 JavaScript 数据可视化