Note for Consulting Handbook3
3演示技能
能够准确把握听众的需求,能将适当的内容有效传递给听众的人。
1、分析听众对象:
1.1首先是收集听众的信息。
包括听众的立场、性格和人品特征,对所要讲解的内容的基本知识的了解程度,客户企业目前所处的经营环境状况等。此外,还需要了解:
听众有没有讨厌某种话题或者会因某种话题受到伤害的;
听众中喜欢活泼的气氛还是严肃的氛围?
积极参加还是不情愿参加?
1.2根据收集来的信息分析听众的目的。
Eg:关心如何决定新领域的投资/关注降低成本的方法。
此外,目的和疑问也是在不断变化的,对听众的分析要在准备演示文稿中不断观察,随时调整。
2定义演示报告的目的:
包括三个部分:
报告目的、关键信息和关键信息的背景内容。
听众的目的决定报告的目的。(抓住最核心的听众)
3确定关键信息
关键信息的简单明了是达到演示报告目的的关键要素。
可以采用董事会纪要的形式,将最想说的内容在报告开始提出。
Note:若演示报告的目的是教育的,可以在中间总结并复习。
4选择关键信息的背景资料:
背景:为关键信息做出相应的解释和提供背景资料。必须逻辑上帮助说明关键信息的,或者增加关键信息说服力的。
决定背景资料详细程度的原则是报告的目的、听众事前的知识准备以及时间的长短。若对听众重要但不是主要目的的信息,可以通过附件或参考资料的方式提供给听众,不要和报告本身混。
5制作演示台本(非常重要的步骤)
按照某种脉络来组织报告。
6确定演示报告的类型
演示报告的类型要根据报告目的、听众状况、设备状况和费用来决定。
彩色、黑白、投影仪。。。。。。。
演示报告确定后确定听众人数,准备演示场地。
7制作演示文稿
要求:简单有说服力。
要不断的修改,并有多余的为客户提问准备的材料。
8演示准备
反复推敲演示稿,找到现场的感觉。提前联系几次。提前到场准备,并准备多余的材料。
9实施演示:
要注意和听众之间的互动,和听众的眼神交流很重要。
适度微笑。
自然放松,但不要懒散。
按照内容的要求保持声调的抑扬顿挫。
自始至终都要保持适度紧张直到答疑完毕。
不断确认正在讲解的部分在整体中的位置。
要适应听众调节内容。
对听众的参与表示感谢。
10唤起听众兴趣
具体采用何种方法要考虑报告的目的和听众的状况:
调整说话声音的大小和口气。
将一些可能引起听众兴趣的经历或体验。
调节会场的温度和照明。
带领大家做一下伸展运动和深呼吸。
在会场中间或过道走动着讲。
做一下大家参与的简单游戏。
给大家出个谜语或提问题,鼓励互动。
给回答谜语或问题的人发个小奖品。
讲一段就做一下总结。
设定一个头脑风暴法的时间。
夹杂一些幽默话语。
做一些小测验。
11、控制答疑过程
事先猜想听众可能提出的问题,做一些准备。
可以从以下几个方面准备:
对决策者,事前要了解谁是决策者,如果可能,最好在讲演前与决策者取得某种程度的沟通。
对提出复杂问题的人,将问题分成几个部分,一部分一部分回答。
对提出与所讲的内容无关或后面要讲到问题的人,若后面有,则稍等片刻,告知其马上讲到。如果希望马上回答,则马上回答。
对否定演讲内容的人,可以听取意见,或许对内容有误解,也可能得到一些意想不到的新发展。
12结束
最好能听观众的反馈,客户负责人的口头反馈或填写问卷或评价表。
有助于今后演示报告水平的提升。
转载于:https://www.cnblogs.com/bluepiaoling/archive/2005/08/22/220387.html
Note for Consulting Handbook3相关推荐
- Note for Consulting Handbook5
5主持技能 掌握会议进程的主持技能,以保持会议的顺利进行和达到预想的结果. 一个好的支持人就必须会引导会议,有效地引着正确的方向推进会议和讨论. OARR OUTCOME,首先必须使所有的发言和讨论都 ...
- Paddle Release Note
Paddle Release Note 重要更新 飞桨paddle框架2.0.0版本有如下重要更新: • 编程范式:默认开启动态图模式进行模型开发和训练,通过动转静的方式进行模型部署和训练加速.如果需 ...
- 机器学习与高维信息检索 - Note 7 - 核主成分分析(Kernel Principal Component Analysis,K-PCA)
Note 7 - 核主成分分析(Kernel Principal Component Analysis) 核主成分分析 Note 7 - 核主成分分析(Kernel Principal Compone ...
- 机器学习与高维信息检索 - Note 6 - 核, 核方法与核函数(Kernels and the Kernel Trick)
Note 6 核, 核方法与核函数 到目前为止,我们所讨论的机器学习算法的成功都依赖于对输入数据分布的假设.例如,PCA的效果越好,数据围绕线性子空间分布.或者在线性判别分析中,我们假设类的高斯分布, ...
- ADPRL - 近似动态规划和强化学习 - Note 10 - 蒙特卡洛法和时序差分学习及其实例 (Monte Carlo and Temporal Difference)
Note 10 蒙特卡洛法和时序差分学习 Monte Carlo and Temporal Difference 蒙特卡洛法和时序差分学习 Note 10 蒙特卡洛法和时序差分学习 Monte Car ...
- 机器学习与高维信息检索 - Note 5 - (深度)前馈神经网络((Deep) Feedforward Neural Networks)及基于CVXOPT的相关实例
Note 5 - (深度)前馈神经网络((Deep) Feedforward Neural Networks)及相关实例 5.1 FNN的定义和动机 粗略地说,前馈神经网络(FNN)是一种特殊的函数类 ...
- ADPRL - 近似动态规划和强化学习 - Note 8 - 近似策略迭代 (Approximate Policy Iteration)
Note 8 近似策略迭代 Approximate Policy Iteration 近似策略迭代 Note 8 近似策略迭代 Approximate Policy Iteration 8.1 通用框 ...
- 机器学习与高维信息检索 - Note 4 - 主成分分析及其现代解释(Principal Component Analysis, PCA)及相关实例
主成分分析及其现代解释 4. 主成分分析及其现代解释 Principal Component Analysis and Its Modern Interpretations 4.1 几何学解释 The ...
- ADPRL - 近似动态规划和强化学习 - Note 7 - Approximate Dynamic Programming
Note 7 - 近似动态规划 Approximate Dynamic Programming 7. 近似动态规划 (Approximate Dynamic Programming) 7.1 近似架构 ...
- ADPRL - 近似动态规划和强化学习 - Note 6 - Mitigating the Curse of Dimensionality
Note 6 Mitigating the Curse of Dimensionality 减轻维度诅咒 6. Mitigating the Curse of Dimensionality 减轻维度诅 ...
最新文章
- 红帽集群套件RHCS四部曲(概念篇)
- JavaScript学习总结(7)——JavaScript基础知识汇总
- mysql的语句分类,查询、子查询及连接查询
- 从文件管理到获取洞见,AI 正在彻底变革企业内容管理
- PyTorch基础-线性回归以及非线性回归-02
- Java EE 8 MVC:使用路径参数
- java keytool nginx_java 自签名证书转 nginx 所需证书
- 技术债务_如何处理技术债务并节省理智
- Mozilla 发布新 Firefox 用户信息反跟踪策略
- mysql 清理表碎片需要停止数据库吗_Mysql的表的碎片清理
- 计算机导论电子版_程序员进阶系列:拿下中科大的计算机课程全靠它了!
- C++中在使用自定义类型(结构体类型)的stl数据结构时,operate的用法
- 如何登录新浪微博html5,新浪微博怎么用登录名登录
- 自定义View中Canvas之Path的详解
- 选取销售订单开发票,控制销售订单中已开票金额
- 天堂2java报错_那位高手帮我解决一下天堂2单机的服务器问题
- Yar 搭建 RPC 服务
- 响应式布局的基本介绍及原理
- 市场调研-全球与中国VR和AR光学器件市场现状及未来发展趋势
- r语言nonzerocoef函数_lars算法R语言操作指南.pdf