為什麼這篇面試技巧 PTT鄉民發文收入到精華區:因為在面試技巧 PTT這個討論話題中,有許多相關的文章在討論,這篇最有參考價值!作者peter13204 (彼得幫你告別低薪)看板Salary標題[心得] 面試技巧 - 溝通的技巧...
面試技巧 PTT 在 查理的職涯隨身筆記 Instagram 的精選貼文
2021-09-17 18:00:49
【✉ 軟實力在履歷及面試中,怎麼具體呈現?】 許多工作都在職缺描述上說 需具有領導力、團隊合作能力及專案管理能力 而查理在修改履歷時最常遇到的問題就是 「我要怎麼具體展現這些軟實力呢?」 因此這次分享整理了4個軟實力的撰寫重點 並且以範例來體現如何運用這...
【溝通說服力,學會說故事】
這是「我如何準備面試」系列文的最後一篇,回顧那時候如何轉職到外商客服。會選擇
把溝通技巧放在最後一篇是因為想要有效的溝通,就必須要有一個基本的敘事架構。如
果一開始就著重在溝通技巧的話,那反而會沒有辦法把想法或自身的經驗彙整成一個故
事。
時間倒帶到 2016 年底,那個時候我剛念完飯店管理研究所,想要涉獵飯店,餐飲,甚
至是服務業的職缺。但是每次打開 104 在找工作的時候,所有飯店相關的職位所開出
來的薪水根本入不敷出!我最後萌生了從服務業轉職的念頭,那時候具備的能力有:
1) 客服相關經驗:我在飯店業待了快四年,學習待客之道。在我的工作日常,我遵循
SOP ,幫忙處理客訴,秉持著以客為尊的精神。我學會如何傾聽客人的需求,瞭解他
們的痛點,以及學會權衡在什麼時候可以提供客製化的服務。
2) 語言溝通能力:在面對客人的時候,必需能夠有條理的表達。尤其是在處理客訴時
,一來一往的溝通。如何以全面的角度瞭解事情的緣由,並且適時的溝通自己的立場和
能夠予以客人協助的地方,學會了在對的時間點設定好期望,減少不好的顧客體驗。
而平常和外國客人聊天的機會讓我的英文不至於太生疏。
3) 數字分析能力:面對客人一對一的客訴我有能力解決,可是在客訴量大的時候我要
怎麼要才能知道什麼事情最常被抱怨,如何才能量化我們提供客服的服務品質?對於商
業分析,數字分析的能力在此刻就顯現它的價值。好在我過去在飯店業作帳的時候有在
認真學習。
全面試準備心得會透過三個方向(不同公司)來介紹如何準備,分別為:
撰寫履歷 - 介紹我如何客製化履歷,篩選有用的資訊(#1WrdVrki)
模擬面試 - 分享我如何準備題庫,以及了解產業的結構(#1WyEKVOh)
付諸行動(上)- 提供實戰經驗,著重在思考流程(#1X0sG2pG)
付諸行動(下)- 深入探討溝通技巧,著重在打造故事(本文)
因為文長的關係,會將文章拆成不同篇來寫,從不同角度切入。這篇會著重在如何掌握
溝通技巧,進而把想要表達的想法編織成一個動聽的故事,吸引面試官的注意力。
#溝通技巧 #說故事的力量 #MECE分析法
網誌好讀版:https://www.mysalaryup.com/post/how-i-communicate
【溝通是雙向的】
你是不是有過這種經驗,當面試官問到一個你已經準備過的問題的時候,你迫不及待的
回答,可是回答完問題之後好像就沒有下文了?然後因為沒有下文又急著補充一直講一
直講,講到後來愈來愈沒有重點?
http://gph.is/28RAyqb
其實這種情況真的蠻可惜的,好不容易有預習過但是卻錯過了展現自己的機會。要避免
這種太快就跳到結論的溝通其實很簡單,那便是先從聆聽問題做起。
如何做個好的聆聽者
在聽面試官問問題的時候我會控制自己想要講話的衝動,專心的聽。但是如果有時候面
試官講的東西很多,沒有辦法一次完全理解的話,我通常會有三個小習慣來幫助自己釐
清問題:
1) 用換句話說重複一次
舉例來說,當面試官問了你以下這個問題「作為一間媒合餐廳、外送員和客人的平台,
如果你的客人因為餐點等了很久都還沒拿到而非常生氣的寫了客訴信件的話,請問你會
考慮什麼,怎麼處理呢?要怎麼改善流程呢?」
我會重複一次來確定我有理解問題本身,然後和面試官確認這是不是他想問的問題。
「所以說,客人等很久沒有拿到餐點,可能的原因包含了什麼,然後我怎麼處理客訴對
嗎?」
這樣一來你可以爭取一些時間思考,二來可以把題目變得比較簡單明瞭。
2) 學會利用問題
在回答以前,盡可能的掌握那些能夠幫你理清邏輯順序的背景。假設根據上面的問題你
想要進而推估同樣的方案差異性是什麼,那麼你可以提出一些常見的問題。
好比說,為什麼沒有拿到餐點呢?是因為餐廳的問題、外送員的問題、還是客人自己的
問題呢?公司的系統上面有沒有紀錄下來送餐過程的細節呢?像是餐廳處理該筆訂單的
速度、外送員找不到客人等等?
掌握愈多細節你就愈能夠架構出你的答案。
3) 把資訊歸類
最後,把掌握的問題和資訊重新分類,你可以透過訂單的過程以時間軸的方式分類,你
也可以透過常見的沒有拿到餐點的原因分類。重點是把歸類後的資訊找出相關性,盡可
能的列出答案然後不要重複。
分類也是一門學問
在這邊會推薦兩種分類的方式,一種是參考麥肯錫的思考方法 Mutually exclusive,
collectively exhausted,俗稱 MECE。另外一種是管理顧問業常常會用的線性思考模
式,特別適合用在把範圍很大的數字慢慢縮小而找到最終的答案。
第一種,不重複,不遺漏
雖然說提到 MECE 可能會人按照字母排列順序來思考,但是這邊的思考順序我會先從
Collectively exahusted(CE) 開始,把所有的可能都列出來。舉剛剛面試題目的例
子,所有可能造成餐點比較晚送到的原因包含:
> 餐點準備太久
> 路上塞車
> 找不到餐廳
> 餐點庫存不足
> 聯絡不到客人
> 找不到客人
> 到餐廳等很久
> 下雨天騎比較慢
> 機車沒油
> GPS 下雨天失準
> 客人不在
> 餐點好了沒人拿
現在我們重新整理一下,找到 Mutual point(M)從大項目開始分類:
> 餐廳
> 送餐員
> 訂餐客人
然後把各個小項目安插到大項目底下
最後再把上面的各種情境放到每一個大項目裡頭,消除重複的部分變得 Exclusive(E)
然後檢查有沒有遺漏的項目來達到 MECE。
> 餐廳:餐點準備太久,找不到餐廳
> 送餐員:送餐員不夠,交通因素
> 訂餐客人:聯絡不到客人
第二種 費米推論技巧
源自於物理學家費米的計算方式,常常用於在有限的資訊底下有邏輯的推估每一個層級
的數目,進而得到合理的結論。
假設今天的整個訂餐流程是從「顧客下訂餐點那一刻起開始」到「顧客拿到餐點結束」
,那麼我們便可以從一個數字的總和開始計算,慢慢拆解每一個環節的小數目。
舉例來說,顧客點在等了 60 分鐘之後拿到餐點,往上往下推
→ 客人下單(開始)
→ 餐廳接受訂單
→ 餐廳花幾分鐘準備餐點
→ 餐廳做好餐點後等了幾分鐘才有送餐員(花最多時間在這邊)
→ 送餐員在餐廳等了幾分鐘確認餐點
→ 送餐員騎車花了幾分鐘
→ 送餐員花了幾分鐘遞交餐點
→ 客人拿到餐點(結束)
那麼你就可以清楚的列出一個大概的時間分佈,快速找到問題的痛點對症下藥。由此可
知,雖然對客人來說抱怨的點是因為餐點等太久,可是從營運的角度來看其實主要的問
題是出在用送餐員不夠導致餐廳做好餐點白白的在等待。
【用故事去包裝你的答案】
想要清楚的溝通就要有一個清楚的架構然後達到簡單明瞭的效果。我會透過以下三種方
式來重新修正我的答案,把他轉變成為故事。
1) 簡化我的資訊
從上面的思考流程可以看出,一開始可以回答的答案非常的雜。在分類整理後,給客人
的答案可以簡化成「因為下雨訂單眾多的關係導致送餐員花比較久的時間取餐」。
2) 製造故事的轉折點
有不足的地方就會有補救的辦法,所以除了告訴客人等比較久的原因,還要想辦法留住
客人可以下一次再點餐,答覆就可以延伸出「做為補償我們免費提供折扣下次使用」
3) 讓客人覺得感同身受
最後故事本身必須要呼應客人的心情,讓他覺得我們有感同身受,所以在提供彌補的辦
法之後就可以提出符合使用者心情的回覆「為了避免這樣的情況再發生,建議少在熱門
時段選太遠的餐廳。我們也會反應給營運團隊,確保他們在對的時間點配給足夠的送餐
員」
所以回到一開始的問題「作為一間媒合餐廳、外送員和客人的平台,如果你的客人因為
餐點等了很久都還沒拿到而非常生氣的寫了客訴信件的話,請問你會考慮什麼,怎麼處
理呢?要怎麼改善流程呢?」
那我們的解決辦法就有可能是告訴客人說「因為下雨訂單眾多的關係導致送餐員花比較
久的時間取餐,做為補償我們可以免費提供折扣下次使用。為了避免這樣的情況再發生
,建議少在熱門選太遠的餐廳。我們也會反應給營運團隊,確保他們在對的時間點配給
足夠的送餐員」
[小提醒]
記得適時的在答案中補強你如何思考,重點不是執著於最正確的答案,而是找到最符合
邏輯的想法。面試官想要知道的是你如何想,如何溝通,不是你多會背答案。
這樣一來你的回答就可以
a)比較有故事性的呈現答案
b)考慮到客服以外你還可以和哪些部門協作
c)展現你的思考流程讓面試官知道你怎麼想事情
以結論來說講出答案其實很容易,但是把那些答案重新整理過然後編織成故事讓別人好
消化有點困難。想要有效的溝通前,最重要的是在搶著回答前先慢下腳步聆聽,歸納重
點,然後再把他重組成有說服力的故事才能掌握面試官的心。
--
誰說一日客服就只能終身客服?
八年前我投身服務業,途中我經歷了飯店櫃檯、電商公司行銷輾轉到成為外商客服主管。
一路走來,我走了許多冤枉路。我希望藉由我的經驗分享幫你【告別低薪 Salary Up】
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.169.37.65 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Salary/M.1628668646.A.3FE.html