レジを鳴らすために必要なスキルはなんだろう?

最近頭の中を占めているのは、これです。レジを鳴らすために必要なスキルはなんだろう?というもの。

セールスライティングはひとつのスキルではありますが、これを学んだからといってもレジを鳴らすに十分ではありません。

スワイプファイルを手に入れて写経し、心理トリガーを学んで感情を動かせるようになればレジを鳴らせるのでは、とは確かにそうなのですが。

テンプレートに当てはめれば書けるとはいっても、コツが必要なんですよね。ペルソナとサービスの状況が、常に同じとは限らないので。

売り手とペルソナの関係性にもよりますね。暖まっているリストと冷えているリストなら、同じものを売っていても、同じペルソナ設定であっても、セールスコピーは変わってくる。

では、レジを鳴らすために必要なスキルってなんだろう、となりまして、考えてみました。

ひとつは、セールスライティングスキル。細分化するとリードを書くスキルとかブレットを書くスキルとか、価格のプレゼンを書くスキルとか、いろいろありそうですが、セールスライティングでくくることができるスキル。

そして、コミュニケーションスキル。ここで意味するのは、話し手が話す通りに聞き、その人がそのまま理解できるように話すスキル。文字通り、意思疎通するということ。どんなに質問力を身に着けても、傾聴しているとはいっても、話し手の言葉をそのまま理解しないのであれば、コミュニケーションは成立しないので。観察をすることもここに含まれるかな。

また、論理的云々のスキル。論理的に聴きとり、論理的に話すスキル、とでもいうのかな。ここは今調べ中。ロジカルシンキングとかですね。事実と伝聞推定をわけて聞くことも必要。

課題設定スキル。クライアントさんが話す内容から問題を抽出し、その問題を小ぶりに課題化して問題解決へ至る階段をつくる、という感じかな、、、

ステップメールを作成するにしても、セールスレターとセールスレターの組み合わせを考えるにしても、課題設定力は必須だと思います(一応、課題設定力の定義は私見です)。

マインドセット。

体験・経験。言葉は経験でつくられますからね。

想像力。

環境。レジを鳴らすに必要な人をそばに置いておくことは、環境をつくるというスキルだと思う。

違和感に蓋をしないスキルとか。いろいろありますね、こう考えると。

人を知る、かな、やっぱり。

ビート・ザ・コントロールのメルマガはこちらからどうぞ




“レジを鳴らすために必要なスキルはなんだろう?” への10件の返信

  1. 毎度どうも。失礼します。ご参考までに。

    ビジネス界隈でいうlogical thinkingと学術界隈でいう論理学(logic)の間には少々隔たりがあるように感じています。元々は論理学から派生している概念だと思われます。

    学術界隈(人工知能や認知科学など)では、logical thinkingとは言わず、logical inference、あるいはlogical reasoning(論理的推論)という言葉を用います。論理的推論は大きく演繹的推論(deduction)と帰納的推論(induction)に分けられ(アブダクションも広義では帰納の一種だと考えられます)、人工知能界隈で最近流行りのディープラーニングやらニューラルネットワークやら機械学習、と呼ばれるものは(誤解恐れずにざっくり言うと)統計的推論(確率論)がベースになって(深く関連して)いまして、これは帰納的推論の一種です。

    例えば。空が曇っている時、傘を持って行こう、と考えるのは、空が曇っているときは次に雨が降るという経験を何度も体験していてその経験則に従ったから、というのであれば、帰納的推論、になります。これも広い意味では論理的推論になります。

    論理的思考というとアリストテレスの三段論法の例(演繹的推論)がよく出されると思いますが、演繹的推論だけでなく帰納的推論も論理的推論の一つ、なのでご参考までに。あとよく相関関係、因果関係、論理的関係、を混同している研究者が時折いるので、ご注意されると良いかもです。そこらへんのお話もまたいずれ機会があれば。

    いつか何かのご参考までに。

    1. 言葉の定義、大切だとつくづく感じています。

      混同せぬよう、ひとまず辞書をひくことを心がけています。

  2. 演繹的推論と帰納的推論の向き不向きや使い分けは、どのように考えればいいのか教えて頂きたいです。

  3. 毎度どうも。いたさん。コメントに対してコメントどうもです。

    演繹、帰納あたりのキーワードで検索すると山のように記事が出てきますので、一通り読まれるとだいたいつかめると思われます。

    コメント欄では場所や表現方法が限られておりますのでざっくりお話させていただきますと、
    演繹的推論は、論理(記号、式、規則)の組み合わせで、前提から結論を導くもの。
    帰納的推論は、事例の集まりから一般規則を導くもの。

    (のように最初は考えておいて良いかと思います、詳しく(正しく?)理解されたい場合はWeb記事だけではなく専門書を読まれることをお勧めします)

    よく言われる注意点は、
    * 演繹的推論では、前提が間違っていると論理式が正しくても(妥当でも)、結論が正しい(真)になるとは限らない、と言う点。
    * 帰納的推論(枚挙的帰納法)では、いくら事例を集めても、その一般則が当てはまらない例があることを否定できない、と言う点。

    例えば。
    私は人間(前提)。人間はいつか死ぬ(一般則)。よって私はいつか死ぬ(結論)。前提が真、一般則も成り立つとして、よって結論も真(正しい)ですが、例えば私がアンドロイドだった場合、前提が偽になり、私はいつか死ぬ(結論)は真とも偽とも言えます。つまり、演繹的推論では、前提と一般則が成り立っていれば必ず結論も成り立ちますが、前提としていることが正しいかどうかを確認しましょう。というのは演繹的推論の注意点としてよくある例です。

    地球上の1万羽のカラスを観察して、すべて黒かったとして、「カラスは黒い」と一般則を導いたとしても、黒くないカラスが存在することを否定できない、というのは帰納的推論の注意点の例としてよく出されます。つまりいくら観察事例を増やしたとしても、導いた結論が絶対的に成り立つ、ということは永遠に証明できないよ、というのが帰納的推論の注意点です。

    演繹的推論にしても、帰納的推論にしても、論理をどう組み合わせてどのような結論に到達するのか、とか、観察事例からどのような一般則を導くのかとか、どこかで必ず「直感」が必要になります。というのは論理的推論ではよく言われたりします。

    最近のお話だと、将棋や囲碁のプロに勝つAIが登場してきてますが、プログラムを開発した当人にさえどのようにAIがその解に到達したか理解できない、と言います。学術界でもAIの技術(機械学習)を使って色々な現象を予測するという論文が出されていますが、なぜうまく予測できるのかうまく説明できない、ということで敬遠する研究者もいたりします。ここら辺も帰納的推論の注意点といえば注意点かもしれません。ただ現象を予測できればいい、という場合と、(我々人間が)納得して「わかった」と思えた上で現象を予測したい場合と、あるように思われます。

    哲学的には、アリストテレスさんから続く流れで、デカルトさんあたりの合理論とロックさんあたりの経験論からの議論が面白いく考えを掘り下げたりビジネスにも役立つ部分も多いと思われます。数学的には、演繹的推論は論理学、帰納的推論は統計学(確率論)あたりが考え方の基礎に使えるかと思います。物理学はうまく演繹的推論と帰納的推論を組み合わせて発展してきた学問だと思います。生物学や進化学は物理学の発展の歴史を真似て進もうとしているように見えますが、多分どこかで発想の転換というかブレークスルーが必要だと感じてします(私見です)。この辺のお話もまたいずれ機会があれば。

    小野くんに言わせると長々書いて端的に表現できないのは自信のない現れ、あるいは考えが経験から身について出てきたものではない証拠だ、ということのようですが確かに私もそのように思いますので、いつか何かのご参考までに。ということで長々失礼しました。

  4. まーぼー先生、解説をありがとうございます。

    論理的思考を使いこなすためには、前提や誤謬に注意しつつ、直感を磨いていくということなのですね。

    経験や鍛錬を積んでいきます。

  5. 追伸です。
    論理的誤謬は「間違い」だ、と普通教えられますが、誤謬が新しい発想のヒントになったりもします。アブダクションは一種の論理的誤謬として考えられますが、仮説を立てるのに有用だったりします。そのほか、認知的バイアスも「間違い」だと教えられる場合が多いですが、どのようなバイアスを人間は持ちやすいのか、と知っておくことは大事かと思います。例えばウェイソンの4枚カード問題やモンティーホール問題などは有名で面白いので検索して記事を読んでみるといいかもです。いつか何かのご参考までに。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です