思考「自己和對方要什麼」,釐清簡報目的

思考「自己和對方要什麼」,釐清簡報目的

經理人月刊 /  2010/07/05

 

*整理、文/謝明彧 編輯/齊立文

流程1:確認目標、對象與時間
想做好一場簡報,事前準備工作絕不可少,務必先確認以下3個要素:目的、對象、時間。上台前多花點時間思考「自己要什麼」與「對方要什麼」,才能提升簡報內容一語中的機率。

仔細觀察,有些簡報之所以做得很差勁,往往不是因為簡報者的口才不好,或是提供的資料不夠豐富,而是簡報者事前並沒有認真思考過簡報的對象與目的,只是單純地把手邊資料丟出來,導致「簡報內容不符聽眾需求」。

日本簡報諮詢顧問天野暢子在著作《不必說話就贏的簡報術》中提及,想做好一場簡報,事前務必先確認以下3個要素:目的、對象、時間。

目的確認:
從期望結果出發,決定簡報內容
天野暢子指出,簡報目的就是「為對方說明自己所擁有的事物,促使對方做出行動與決定。」簡單說就是,你希望聽眾在聽你做完簡報之後,帶著什麼樣的想法離開?例如基金說明會的目的可能是「顧客決定下單」;部門會議簡報的目的則可能是「主管對A議題做出決策」。由此可見,清楚掌握自己期待聽眾產生什麼樣的反應,將決定簡報的內容呈現。

只不過在實務上,「簡報本身」與「簡報目的」經常被混為一談。天野舉例,每當她詢問客戶希望得到什麼樣的結果時,許多人都會回答,「我希望在○人面前,針對△主題發表□分鐘的簡報。」在她聽來,這只是著重於簡報的「發表」,完全忽略了簡報所欲達成的「結果」。

「一場簡報如果最後只得到一句『謝謝你精彩的說明』,是不具任何意義的,」天野強調。

想釐清簡報目的,《成功簡報》一書作者珍妮佛.羅騰多(Jennifer Rotondo)建議,可先自問「我為什麼要做這次簡報」,答案中必須包含兩個部分:

1.主題:
簡報究竟是什麼?(What)必須釐清簡報的主題(包括範疇與深度),例如是建議重新編寫員工手冊,或是調整對於新產品負面報導的應對方法;也必須確認有哪些事物不應出現於簡報中,例如尚未定案的產品開發計畫,或預算規畫案。

2.原因:
為什麼要做簡報?(Why)簡報者必須想清楚自己究竟期望做些什麼,是提供聽眾資訊、說服他們同意某事,或是激發他們採取某些行動?珍妮佛認為,簡報目的中的「原因」常常比「主題」更重要,也是避免簡報成為資料堆砌的關鍵。無法掌握簡報主軸,簡報架構便很容易失焦。

對象確認:
知道對方是誰,了解對方要什麼
對很多人來說,確認簡報的對象,似乎是多此一舉。問題是,「知道」並不等於「了解」,珍妮佛提醒,簡報者必須掌握「聽眾對你的簡報主題到底了解多少」,以及「他們又為什麼需要多知道一點」。

天野暢子也認為,簡報者如果不知道「對方對什麼事物有所期待」,就無法決定該採用何種說服方法,因為即使是傳達相同的內容,對象是商業人士或學生,用語就會有所差別;而同為商業人士,面對基層員工與高階主管時,簡報方式也大為不同。

因此,對象確認的第一步就是「了解聽眾特性」,包括簡報對象的人數、性別、年齡層、知識水準、職位,甚至是背後決策者的期望與嗜好等等,以便找出符合聽眾需求的簡報內容與風格。

第二步則是「理解對方需求」,揣測對方可能會考量的面向或重點,然後在簡報中加入足以說服對方的說明。

時間確認:
剩多少時間,決定簡報製作方式
「沒有確實掌握離截止交件還有多少時間,就無法決定簡報的製作方法,」天野暢子說明,只有半天準備時間的簡報檔案,和擁有一天、一周、一個月時間的簡報檔案,製作方法完全不同。道理很簡單。

如果交件時間是在數小時後,就只能套用舊資料、換掉專有名詞和日期,或每頁僅以一行文字說明訴求重點;擁有一天以上製作時間的簡報檔,則可在既有資料中加入其他數據,或重新繪製圖表;時間更長者,甚至可召集相關人員重新調查統計,製作全新的簡報檔。

所以就算對方只丟下一句「很急」或「盡快」,也務必要確認「到底是下午就要?明天才要?或是一周後再給也可以?」以免發生圖像完成,文字說明卻草草了事,或來不及準備佐證資料等情形。

事前準備工作的確實執行,是成功簡報的基石。上台前多花點時間思考「自己要什麼」與「對方要什麼」,才能提升簡報內容一語中的機率,讓簡報發揮最大效力。

更多精采內文請詳見本期《經理人月刊》7月號

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值