沟通学习

一、沟通的本质
1.沟通本质是建立信任关系
描述一个事实,不要加情绪词。
情绪词:总是,经常,老是


2.沟通在于扩大共识,消除盲区
乔哈里窗。

认知:开放他人价值盲区。

比如你被调进了一个项目组,这个时候,你首先会做什么?

请注意,这个时候你可千万别着急就埋头干活。你一定要抓住项目组的其他队友,跟他们做一次基于乔哈里窗的沟通共识工作。

你可以这么说:“哎呀,老郝,我能调进这个项目组,和您一起工作,这个机会太难得了,对我来说是一个特别好的学习机会。关于这个项目,我现在了解以下信息,我给您说说我的理解。您知道啥信息,也跟我说一说,指导一下。还有一件事,听领导要求,好像很重要,但这个事情我不清楚,您能给我讲讲吗?”

你看,这样你就把你知道的信息提供给了对方,然后也挖掘到了对方的信息。这个信息交互的过程,就是乔哈里窗中共识区在扩大、盲区在消除的过程。


3.沟通不关注短期,目标是保证长期沟通的可能性。

二、沟通的基本逻辑

1、沟通的起点是倾听:听懂对方的意图,是沟通的基础。
2、关照情绪:确认需求。
3、回应需求,给出行动计划。
4、开放性结尾。


三、沟通的通用能力
1、结构化倾听能力。
事实:对方陈述了一个什么样的事实
情绪:对方表达了一种什么样的情绪
行动:对方期待我做出什么样的行动

2、保持开放,安全氛围的能力
沟通中少说“你”,多说“我们”,潜意识宣扬我们是共同体。

3、清晰的目标感,方案力
我们都说在职场沟通当中,我们大多都是带着目的去的,希望跟别人沟通,能够达成自己的目标。但你有没有遇到过这种情况:本来双方是就一个问题进行沟通的,但是过程当中,因为双方的观点不一致,逐渐嗓门越来越大,最后变成争吵、互相责备,甚至是人身攻击。这种叫做“动机降格“,也就是你已经丢失了你原来的目标,把做事的动机从对事变成对人了。你心里已经想着我要辩论过他,一定不能输。他对我不尊重,我也一定要让他好看。
“一分钟暂停法”。

把我个人目标转换成共同目标上面。


四、如何破冰
核心思想:职场的破冰本质上不是为了展现自己而是为了赢得信任,要赢得对方信任,就是让对方绝对你有掌控感。

1、精准卡位
要用一根线用来交代我是谁,另外一根线在跟上,介绍双方的共同关系。

2、展现关切
方法很多,比如说你想去见一个客户。去之前呢,你先到他们的官网上去看一看,他们最近都有些什么样的业务动态。对第一次拜访的公司,尤其重要。在做完自我介绍之后,你就可以跟上一句:“你们公司上次办的那个发布会特别成功,您的讲话效果非常好,我很受启发。”
有了这个对方就会明白,你可不是一般的陌生人了,你是一个熟悉的自己人。
但是这个要注意掌握社交距离。如果太近了,比如你说:“你是不是住在某某某小区呀?上次我在超市都看到你了”。这个啊,就有点越界了。他会想,你怎么知道我这么多事情,他不仅没有掌控感,还害怕了呢?

3、把我一部分交给他
(1)交换一下电话号码,现在可能更流行交换微信了
(2)为对方落实一件事儿(分享一本正在看的书之类的)
(3)跟对方分享一个秘密(类似健身方法,补习班老师等等)

五、如何赞美人
1.行动来赞美(沈腾,马丽的小品)

2.语言赞美
(1)赞美差异,找别人细节差异点赞美,不要千篇一律的赞美。
核心的理念是真正赞美到别人花心思准备的东西上面去。所谓拍马屁拍到点上
(2)赞美行动
(轻轻的,深深的,常常的)
轻轻的:不要赞美过度,还以为是反话
深深的:别人的行动对你产生的深刻影响
常常的:任何场合,任何场景,都要给别人一个正反馈,利他利己

练习:找出你组内兄弟的做的比较突出的优秀点。

总结一下怎么赞美别人。你需要记住这个赞美公式:赞美=发现并指出对方的独特行为。你可以用行动来赞美别人,比如用点头、记笔记、拍照等方式表达你他的内容对你是有价值的。你也可以用语言来赞美别人,赞美别人的时候要找到他的差异点,而且要赞美他的行动对你的影响。我们还有一个九字箴言:轻轻地、深深地、常常地。
补充一个:众人赞美的方式,你也要有异同。

六、如何说服人
成功的说服是不说服,是让对方从心理上真心认同你的想法。不仅仅是情绪上,从理性上也完全认同。要让他感觉他本来就要做这个事,但只是你先替他提出来了而已。

这对于没有思路的人来说特别有用,有一个先入为主的作用。类似再下附议。

七、如何求助人
1.求助就是发起协作
一个人的能力不取决于自身,而取决于他整合所有资源的能力。一个善于求助的人,说明他的人际友好度高,他很乐于跟别人协作,说明他有很好的调动和资源整合能力(PMO角色核心能力)

2.让别人帮得了
时间精力是重要的衡量要素

思考:别人肯定不会帮,也不需要去开这个口了。

3.证明自己值得帮
已经做了极大的努力,不是偷懒,不是甩锅。只需临门一脚!

4.学会感谢
思考:说白了,其实很多人希望帮助别人的,一方面体现自己的价值,另外一方面也想赚赚人气,后续有求于人的时候能用上。
最后感谢的时候还要留一个开放性的结尾,你可以说:“特别感谢您,以后有什么用得着我的地方,您千万别跟我客气。”
如果能同时把目标转换成一致的话那就更好了。


八、如何拒绝别人
1.开门见山,直接拒绝
拒绝人的时候一定要第一时间,用第一人称表明立场,直接拒绝。
主要如果耽误别人,肯定更糟。另外还是要给对方一个修一个台阶,稍微让别人容易接受一下。


2.给个替代方案
沟通是个无限游戏,不要关闭沟通。
尝试延迟交付。类似忙完了再帮你。

思考:突然想到软件经理当时想回收Mate30E机器,这款机器研发的时候是Mate30 pro改造的,量非常少。 回收了几次数量无法达标。
后来就商量着用Mate40来交换,马上就达标了。

十二、调节矛盾
第一,调解矛盾,不是“解扣”,而是“补网”。你要以自己为中心节点,去修补你的社会网络。
第二,在调解的过程,你其实要帮他重回轨道,你要做的是这么个过程:先引导对方释放情绪,然后再快速地否定他的情绪。这是在清空对方的大脑,让对方从闹矛盾的那个状态和情绪里出来。
第三,在他大脑空白的空当,赶紧帮对方重建目标。再设定一些最小化的、可以立即启动的改善动作。这是给对方一点动力,回到原有的那个轨道上去。
好了,调解矛盾是一个难度很高的活,希望你下次在面对矛盾的时候,从你出发,修补你的网络,成为调解矛盾的高手。


十三、如何即兴发言
所谓的即兴发言,都是半准备的发言
1、提前做好准备

2、抓住注意力的万能开头
(1)自我介绍开头
(2)赞美细节开头

3、有观点,有料的主体内容
一般情况下我们为了让自己讲话比较有逻辑,比较被容易被人记住,最好的方式就会说:“接下来,我要讲三点”。这个三点是万能三点。你没有那么多,说两点也可以,但是不要说太多了。
那我们怎么来归纳这三点呢?有几种方式:
第一种描述是叫做时间顺序。从前后发展的顺序来讲,你可以讲过去、现在和未来。
第二种叫做原因模式。第一个原因我们都是做什么什么的;第二个原因我们是互补的;第三个原因,我们是有共同的目标的。类似这种,你就可以给出三个原因,来证明前面你的那个观点。
第三种叫方法模式。比如说,要做到前面说的那个观点或者结果,我们可以用什么方法:第一个、第二个、第三个等等。
还有一种叫做情况和应对模式。有这么三种情况:第一种情况是啥啥啥样的,然后怎么应对?第二种情况是什么样的?怎么应对?
我们基本上是用这四种模式来进行展开我们的内容,而且不仅逻辑比较严谨,内容也会相对比较丰富了

4、好不马虎的结尾
发言的最后,也有两种结尾方式。一种是给一个开放性的结尾,比如说:“这是我的发言,我想听听做各位专家的意见。”或者是要导向行动:“我听了今天的课,我觉得沟通练习非常重要,从今天开始我每天自己做一次沟通场景地模拟演练。”

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 2
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