Nyereség:
- Képes egy félreérthető vásárlói kérdést világos, megoldható problémameghatározássá alakítani, és mesterséges intelligenciával MECE hipotézisfát (problémafát) felállítani
- Képes a mesterséges intelligencia felhasználására hipotézisek generálására és a vakfoltok kimutatására, valamint saját megítéléssel eldönteni, hogy melyik hipotézist teszteljük először.
- Képes felismerni és elkerülni a probléma strukturálásában előforduló gyakori buktatókat (ütköző ágak, a megoldás előzetes feltételezése, rossz kérdés).
Egy tanácsadó projekt legdrágább hibája a rossz kérdés megoldása. Az ügyfél azt kérdezi: "Az eladásaink csökkennek, mit tegyünk?" jön: de az igazi kérdés az, hogy "melyik szegmensben, miért és mennyi az ellenőrzésünk alatt?" az lehet. Egy tapasztalt tanácsadó a probléma helyes meghatározásával kezdi, nem pedig a válaszok keresésével. A mesterséges intelligencia ebben a szakaszban a tökéletes gondolkodási partner: percek alatt több tucat lehetséges okot, részkérdést és hipotézist generál. De annak eldöntése, hogy melyik kérdés a helyes, ítéletet igényel, és ez a döntés a tiéd.
Ebben az egységben két olyan eszközt fogunk kombinálni, amelyek a tanácsadás és a mesterséges intelligencia gerincét képezik: a hipotézisfát (problémafa, egy problémát részkérdésekre ágazó fadiagram) és a MECE-elvet (Mutually Exclusive, Collectively Exhaustive – az ágak nem fedik át egymást, és együtt teljesen lefedik a kérdést).
A homályos kérdéstől a megoldható problémaig
A jó problémafelvetés négy dolgot foglal magában: ki (döntéshozó), mit (döntés), kritériumok (mivel mérik a sikert), határ (hatókör és időtartam). Az „eladások esnek” egy panasz; "Melyik a 3 leghatékonyabb eszköz, amely a jelenlegi költségvetés mellett 10%-kal növeli a B2B szegmens forgalmát a következő 12 hónapban?" egy problémafelvetés. Megtörténhet ez az átalakulás a mesterséges intelligenciával, de először világosan el kell magyaráznia a nyers helyzetet.
Az Ön szerepe: problémastrukturáló coach a vezetési tanácsadó számára. Megadom az ügyfél nyers panaszát. Az Ön feladata: 1) Alakítsa át ezt egy mondatos, mérhető problémameghatározássá (tartalmazza a döntéshozót, a döntést, a sikerkritériumokat, a hatókört, időtartamot).2) Mutassa be azt a 3 implicit feltevést, amelyen ez az állítás alapul.3) Javasoljon 2 alternatív problémakeretet a "rossz kérdés megoldásának" kockázatának ellensúlyozására. Nyers panasz: "[az ügyfél szavaival...]"
Tipp: Olvassa vissza a problémanyilatkozatot az ügyfélnek. „Tehát a siker az Ön számára a B2B forgalom 10%-os növekedése 12 hónap alatt, igaz?” Ez az egyetlen mondat már a kezdetektől feloldja a projekt irányát és az azt követő „ezt nem akartuk” vitát.
A hipotézisfa felépítése mesterséges intelligenciával
Amint a probléma tisztázódik, elágazzuk. A fa gyökere a fő kérdés; az ágak lehetséges választengelyek; a levelek tesztelhető hipotézisek. Például: "Miért nem növekszik a B2B forgalom?" A kérdés két fő ágra osztható: (1) gyenge az új ügyfélszerzés, (2) a meglévő ügyfelek bevétele csökken. Mindegyik ág saját alágakra oszlik. Jó fa a MECE.
Az Ön szerepe: MECE hipotézisfa szakértő.Fő kérdés: "[problémameghatározás]"Feladat: Ezt a kérdést legfeljebb 2 szinten ágazza el. Szabályok:- Az első szintű ágaknak MECE-nek kell lenniük (nincs átfedés, nincsenek hézagok).- Minden levélnek egy adatokkal tesztelhető hipotézismondatnak kell lennie ("... mert ..." formájú).- Minden egyes hipotézis mellé kell írni a hipotézis teszteléséhez szükséges adatot. lista.Szonda: Átfedés/rés veszélye a "MECE audit" címszó alatt jelölje meg az ágakat.
Az AI 15 hipotézist tartalmazó fát ad 3 másodperc alatt. De a munkája ezzel nem ér véget, hanem kezdődik: kiválasztja, hogy melyik ág valóban MECE, melyik hipotézis a legvalószínűbb és legkönnyebben tesztelhető.
Prioritás: melyik hipotézist kell először tesztelni
Nincs idő az összes hipotézis tesztelésére. Használjon két tengelyt: hatás (mekkora mértékben járul hozzá a megoldáshoz, ha igaz) és könnyűség (milyen gyors/olcsó a tesztelés). A nagy hatású + nagy kényelem az első. Ezt "gyors győzelem söprésnek" hívják.
hipotézis
Hatás (1-5)
Könnyű tesztelés (1-5)
prioritás
Az árak a versenytársak mögött vannak
5
4
Azelőtt
Az értékesítési csapat nem megfelelő a B2B-ben
4
3
akkor
Hiány van a termék jellemzői között
4
2
kutatás
A márka ismertsége alacsony
3
2
tartsa
A mesterséges intelligencia kitöltheti ezt a mátrixot; de tekintse át a hatást és a kényelmi pontszámokat saját iparági tudásával. A modell gyakran túlbecsüli a tesztelés egyszerűségét.
Az Ön szerepe: prioritási elemző. Helyezze a hipotézisek alábbi listáját egy hatás-könnyűségi mátrixba. Minden hipotézishez: hatás (1-5), tesztelés egyszerűsége (1-5), egyetlen adatforrás szükséges, ajánlás (előtt/utána/vizsgálat/tarts). Szabályok: optimistán adja meg a könnyű pontszámot, írja meg az indoklást. Emelje ki a 2 hipotézist a legmagasabb „hatás × könnyűség” szorzóval. Hipotézisek: [lista]
három mini tok
1. eset – Hibás kérdés javítva. Egy kiskereskedelmi lánc megkérdezte: "Nagy a fluktuációnk, emeljük-e a fizetéseket?" – kérdezi. A tanácsadó a mesterséges intelligenciával nyitja meg a problémakeretet; A modell három implicit feltevést szemléltet: a fizetés a probléma, a forgalom minden üzletben azonos, és a fizetés a megoldás. Az adatok kihúzva: a forgalom 70%-a 3 üzletben és mindig ugyanabban a két vezetői csapatban van. Az igazi kérdés a menedzser viselkedése. A 14 millió TL-es fizetésemelés rossz megoldás lenne.
2. eset – Nem-MECE-fa. Egy tanácsadó megkérdezi a modellt, hogy "miért esik a profit?" A fát akarja. A modell azt adja meg a fióktelepeknek, hogy "alacsony a bevétel", "magas a költség", "megnőtt a verseny". Az első két ág a MECE (profit = bevétel − költség), de a „megnövekedett verseny” ok, a bevétel/költség pedig hatás; Az ágak szintjei vegyesek. A tanácsadó javítja a fát: az első szint csak a bevétel és a költség; A verseny egy bevételi alágazatot okoz.
3. eset – A rangsorolás kifizetődött. Egy B2B szoftvercégben 12 hipotézist állítanak elő. A hatás-kényelem mátrix a „beépítési folyamat hosszú” hipotézist a „nagy hatás-nagy kényelem” mezőbe helyezi. Egy heti adatelemzés is megerősíti: A 30 napon belül nem aktivált ügyfelek lemondási aránya 3-szor magasabb. Egy kis beavatkozás (irányított telepítés) 22%-kal csökkenti a törlést. A helyes hipotézis tesztelése először lerövidíti a projektet.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Készítsen egy listát arról, hogy miért esik ennek a cégnek a nyeresége.
A modell véletlenszerű, egymást átfedő és megalapozatlan okokat sorol fel; Nem hoz létre gondolkodási keretet.
Erőteljes felszólítás:
Az Ön szerepköre: MECE problémastrukturáló szakember. A fő kérdés: "A vállalat csak épül.
Ellenőrizze a kérdéseket a jó problémaszerkezetre vonatkozóan
Amikor elkészül a fával, tedd fel a következő kérdéseket: Kérdezhetsz mesterséges intelligenciát is, de a végső döntést te hozod meg:
- Valóban a gyökérkérdés az a kérdés, amelyet az ügyfél szeretne eldönteni? - Az első szintű ágak átfedik egymást? (Kölcsönösen kizárják?)- Kimaradt valami? (Együtt teljes?) - Minden levél tesztelhető adatokkal, vagy vélemény? - Feltételeztem előre a megoldást? (Például "a fizetés a megoldás")
Gyakori hibák
- Illessze be a megoldást a kérdésbe. – Csökkentsük az árat? A kérdés feltételezi a megoldást, és láthatatlanná teszi a többi kart. Először kérdezd meg, hogy "miért".
- Átfedő ágak. Ha a "vállalati ügyfelek" és a "nagy ügyfelek" külön fióktelepek, ugyanazt az ügyfelet két helyen számolják; A MECE elromlott.
- Keverési szint. Ha az okot (versenyt) egy szintre helyezzük a hatással (bevételcsökkenés), az irracionálissá teszi a fát.
- Kivizsgálhatatlan levelek. A „rossz menedzsment” ítélet, nem hipotézis. "A döntési idő átlagosan 40 nap, az iparban 12 nap" a tesztelhető hipotézis.
- A modell fájának elfogadása olyannak, amilyen. Az AI gyors vázlatot ad; A MECE auditálása és priorizálása az Ön feladata.
Vigyázat: Az AI nagyon meggyőző módon mutatja be a hipotézisfát. A meggyőzés nem pontosság. Mindig kézzel ellenőrizze a fát MECE-re; Az ágak tollal és papírral történő rajzolása gyakran mutat olyan átfedést, amelyet a modell kihagyott.
Összefoglalva
A tanácsadásban az érték a megfelelő kérdésben van a helyes válasz előtt. A mesterséges intelligencia erős abban, hogy egy homályos panaszt mérhető problémamegnyilatkozássá alakítson, feltárja az implicit feltételezéseket, és gyorsan felvázolja a hipotézisfát. De Ön dönti el, hogy a fa MECE-e, a hipotézisek tesztelhetősége, és melyiket tesztelje először. A modell vázlatot készít; A tanácsadó feladata a probléma birtoklása, ellenőrzése és rangsorolása.
Pályázati feladat
Válasszon valós vagy képzelt vásárlói panaszt (egy mondat). Először is alakítsa át ezt egy mérhető problémameghatározássá és három implicit feltevéssel egy erős problémakeretezési felszólítással. Ezután készítsen egy kétszintű fát a MECE hipotézisfa promptjával. Manuálisan ellenőrizze a fát, hogy legalább egy ütközést vagy hiányosságot találjon és javítson ki. Végül töltse ki a hatás-könnyítés mátrixot, és válasszon ki két hipotézist, amelyeket először tesztelni szeretne.
ellenőrző lista
- [ ] A nyers panaszt problémafelvetéssé alakítottam át, ki/mi/kritériumok/hatókör/időtartam.
- [ ] Implicit feltételezéseket tártam fel.
- [ ] A hipotézisfám első szintjét MECE néven vizsgáltam.
- [ ] Igazoltam, hogy minden levél tesztelhető hipotézis.
- [ ] Gondoskodtam róla, hogy ne temessem el a megoldást a kérdésben.
- [ ] Az ütközés-könnyűség mátrixszal rangsoroltam.
- [ ] Nem fogadtam el vakon a modell fáját, és kézzel javítottam.