Guadagni:
- Capacità di trasformare una domanda ambigua del cliente in una dichiarazione di problema chiara e risolvibile e di stabilire un albero delle ipotesi MECE (albero dei problemi) con l'intelligenza artificiale
- Capacità di utilizzare l'intelligenza artificiale per generare ipotesi e individuare punti ciechi e decidere con il proprio giudizio quale ipotesi verrà testata per prima.
- Capacità di riconoscere ed evitare le trappole comuni nella strutturazione dei problemi (rami in conflitto, assumere la soluzione in anticipo, domanda sbagliata).
L'errore più costoso di un progetto di consulenza è risolvere la domanda sbagliata. Il cliente chiede "le nostre vendite stanno diminuendo, cosa dobbiamo fare?" arriva: ma la vera domanda è "in quale segmento, perché e quanto è sotto il nostro controllo?" potrebbe essere. Un consulente esperto inizia definendo correttamente il problema, non cercando risposte. L’intelligenza artificiale è il partner di pensiero perfetto in questa fase: genera decine di possibili cause, sotto-domande e ipotesi in pochi minuti. Ma decidere quale sia la domanda giusta richiede un giudizio, e quel giudizio spetta a te.
In questa unità combineremo due strumenti che costituiscono la spina dorsale della consulenza con intelligenza artificiale: l'albero delle ipotesi (albero dei problemi, un diagramma ad albero che ramifica un problema in sotto-domande) e il principio MECE (Mutually Exclusive, Collectively Exhaustive — i rami non si sovrappongono e insieme coprono completamente il problema).
Da domanda vaga a problema risolvibile
Una buona formulazione del problema include quattro cose: chi (decisore), cosa (decisione), criteri (con cosa viene misurato il successo), confine (ambito e durata). “Le vendite stanno crollando” è una lamentela; "Quali sono le 3 leve più efficaci che faranno aumentare il fatturato nel segmento B2B del 10% nei prossimi 12 mesi, con il budget attuale?" è una dichiarazione di problema. Puoi far sì che questa trasformazione avvenga con l’intelligenza artificiale, ma prima devi spiegare chiaramente la situazione.
Il tuo ruolo: coach della strutturazione dei problemi per il consulente di direzione. Ti darò la cruda lamentela del cliente. Il tuo compito: 1) Trasformalo in una dichiarazione del problema misurabile di una frase (deve includere decisore, decisione, criteri di successo, ambito, durata). 2) Rivela i 3 presupposti impliciti su cui si basa questa dichiarazione. 3) Suggerisci 2 quadri di problemi alternativi per contrastare il rischio di "risolvere la domanda sbagliata". Reclamo grezzo: "[nelle parole del cliente...]"
Suggerimento: leggi la dichiarazione del problema al cliente. “Quindi il successo per te è un aumento del 10% del fatturato B2B in 12 mesi, giusto?” Questa singola frase risolve fin dall'inizio la direzione del progetto e il successivo dibattito "non volevamo questo".
Costruire l'albero delle ipotesi con l'intelligenza artificiale
Una volta che il problema è chiaro, lo si ramifica. La radice dell'albero è la questione principale; i rami sono possibili assi di risposta; le foglie sono ipotesi verificabili. Ad esempio: "Perché il fatturato B2B non aumenta?" La questione può essere divisa in due rami principali: (1) l’acquisizione di nuovi clienti è debole, (2) i ricavi dei clienti esistenti stanno diminuendo. Ogni ramo è suddiviso nei propri sottorami. Un buon albero è MECE.
Il tuo ruolo: esperto di alberi di ipotesi MECE.Domanda principale: "[dichiarazione del problema]"Compito: ramificare questa domanda in non più di 2 livelli.Regole:- I rami di primo livello devono essere MECE (nessuna sovrapposizione, nessuna lacuna).- Ogni foglia deve essere una frase di ipotesi verificabile sui dati (della forma "... perché ...").- Accanto a ciascuna ipotesi, scrivi la singola fonte di dati necessaria per testarla.Formato: elenco puntato rientrato.Indagine: A rischio di sovrapposizione/gap sotto l'intestazione "MECE audit" contrassegnare le filiali.
L'intelligenza artificiale ti dà un albero con 15 ipotesi in 3 secondi. Ma il tuo lavoro non finisce qui, inizia: scegli quali rami sono veramente MECE, quale ipotesi è la più probabile e più facile da testare.
Prioritizzazione: quale ipotesi testare per prima
Non c’è tempo per testare tutte le ipotesi. Utilizza due assi: impatto (quanto contribuisce alla soluzione se è vero) e facilità (quanto è veloce/economico testare). Quelli ad alto impatto + alta convenienza vengono per primi. Questo si chiama "rapido colpo di vittoria".
ipotesi
Effetto (1-5)
Facilità di test (1-5)
priorità
Il prezzo è inferiore alla concorrenza
5
4
Prima
Il team di vendita è inadeguato nel B2B
4
3
allora
C'è una lacuna nelle caratteristiche del prodotto
4
2
ricerca
La notorietà del marchio è bassa
3
2
tenere
Puoi fare in modo che l'intelligenza artificiale riempia questa matrice; ma rivedi i punteggi di impatto e convenienza con la tua conoscenza del settore. Il modello spesso sopravvaluta la facilità di test.
Il tuo ruolo: analista delle priorità. Inserisci il seguente elenco di ipotesi in una matrice di facilità d'impatto. Per ciascuna ipotesi: impatto (1-5), facilità di test (1-5), unica fonte di dati necessaria, raccomandazione (prima/dopo/investigare/sospendere). Regole: dare un punteggio facile in modo ottimistico, scrivere la motivazione. Evidenzia le 2 ipotesi con il moltiplicatore “impatto x facilità” più alto. Ipotesi: [elenco]
tre mini custodie
Caso 1 – Correzione della domanda sbagliata. Una catena di vendita al dettaglio ha chiesto: "Abbiamo un alto tasso di turnover dei dipendenti, dovremmo aumentare gli stipendi?" chiede. Il consulente apre il quadro del problema con l'intelligenza artificiale; Il modello illustra tre presupposti impliciti: la retribuzione è il problema, il fatturato è lo stesso in tutti i negozi e la retribuzione è la soluzione. I dati sono tirati: il 70% del turnover avviene in 3 negozi e sempre nella stessa squadra di due manager. La vera domanda è il comportamento del manager. Un aumento salariale di 14 milioni di TL sarebbe la soluzione sbagliata.
Caso 2 — Albero non MECE. Un consulente chiede al modello "perché i profitti diminuiscono?" Vuole l'albero. Il modello prevede che le filiali "il reddito è basso", "il costo è elevato", "la concorrenza è aumentata". I primi due rami sono MECE (profitto = ricavi - costi), ma “l’aumento della concorrenza” è una causa e ricavi/costi sono un effetto; I livelli delle filiali sono misti. Il consulente fissa l'albero: il primo livello riguarda solo ricavi e costi; La concorrenza provoca un sottoramo del reddito.
Caso 3: La definizione delle priorità ha dato i suoi frutti. In una società di software B2B vengono generate 12 ipotesi. La matrice impatto-convenienza inserisce l'ipotesi "il processo di onboarding è lungo" nella casella "alto impatto-alta convenienza". Lo conferma l'analisi dei dati di una settimana: il tasso di cancellazione dei clienti non attivati in 30 giorni è 3 volte superiore. Un piccolo intervento (installazione guidata) riduce la cancellazione del 22%. Testare prima l’ipotesi corretta accorcia il progetto.
Prompt debole / Prompt forte
Suggerimento debole:
Fammi un elenco del motivo per cui i profitti di questa azienda stanno diminuendo.
Il modello enumera cause casuali, sovrapposte e non comprovate; Non stabilisce un quadro di pensiero.
Suggerimento potente:
Il tuo ruolo: specialista nella strutturazione dei problemi MECE. Domanda principale: "L'azienda deve solo costruire.
Controllare le domande di una buona struttura del problema
Quando finisci il tuo albero, poni queste domande: Puoi anche chiedere all'intelligenza artificiale, ma la decisione finale è tua:
- La domanda fondamentale è davvero la domanda su cui il cliente vuole decidere? - I rami di primo livello si sovrappongono? (Si escludono a vicenda?) - È stato tralasciato qualcosa? (È completo insieme?) - Ogni foglia può essere testata con dati o è un'opinione? - Ho ipotizzato in anticipo la soluzione? (Ad esempio, "lo stipendio è la soluzione")
Errori comuni
- Incorpora la soluzione nella domanda. "Dobbiamo abbassare il prezzo?" La domanda presuppone la soluzione e rende invisibili le altre leve. Chiedi prima "perché".
- Rami sovrapposti. Se “clienti imprese” e “grandi clienti” sono filiali distinte, lo stesso cliente verrà conteggiato in due posti; MECE è rotto.
- Livello di miscelazione. Mettere la causa (la concorrenza) sullo stesso piano dell’effetto (il calo dei ricavi) rende l’albero irrazionale.
- Foglie non testabili. La "cattiva gestione" è un giudizio, non un'ipotesi. "Il tempo decisionale è in media di 40 giorni, 12 giorni nel settore" è l'ipotesi verificabile.
- Accettare l'albero del modello così com'è. L'intelligenza artificiale fornisce una rapida descrizione; Il controllo e la definizione delle priorità MECE è il tuo lavoro.
Attenzione: l'intelligenza artificiale presenta un albero delle ipotesi in modo molto convincente. La persuasione non è precisione. Ispezionare sempre manualmente l'albero per MECE; Disegnare i rami con carta e penna spesso mostra sovrapposizioni che il modello non ha notato.
In sintesi
Nella consulenza il valore sta nella domanda giusta prima della risposta giusta. L’intelligenza artificiale è potente nel trasformare una vaga lamentela in una dichiarazione di problema misurabile, scoprendo ipotesi implicite e abbozzando rapidamente un albero di ipotesi. Ma spetta a te decidere se l'albero è MECE, la testabilità delle ipotesi e quale testare per prima. Il modello produce una bozza; È compito del consulente possedere, controllare e dare priorità al problema.
Compito dell'applicazione
Scegli un reclamo del cliente reale o immaginario (una frase). Innanzitutto, trasformalo in una dichiarazione del problema misurabile e in tre ipotesi implicite con un forte suggerimento per l'inquadramento del problema. Quindi costruisci un albero a due livelli con il prompt dell'albero delle ipotesi MECE. Ispeziona manualmente l'albero per trovare e correggere almeno un conflitto o una lacuna. Infine, compila la matrice della facilità con gli effetti e seleziona due ipotesi da testare per prime.
lista di controllo
- [ ] Ho trasformato la denuncia grezza in una dichiarazione del problema con chi/cosa/criteri/ambito/durata.
- [ ] Ho scoperto presupposti impliciti.
- [ ] Ho ispezionato il primo livello del mio albero delle ipotesi come MECE.
- [ ] Ho verificato che ogni foglia è un'ipotesi verificabile.
- [ ] Mi sono assicurato di non seppellire la soluzione nella domanda.
- [] Ho dato la priorità alla matrice della facilità d'impatto.
- [ ] Non ho accettato ciecamente l'albero del modello e l'ho corretto manualmente.