در حال حاضر محصولی در سبد خرید شما وجود ندارد.
موفقیت در کسب و کار بستگی به توانایی دریافت دیدگاه شما را شنید و ایده های شما به طور جدی گرفته شده است. پس چگونه شما در مورد قدرت خود را از متقاعد کردن احساس می کنید؟ اگر کسی تلاش می کند تا شما را به انجام کاری که واقعا انجام می دهید صحبت کنید، آیا تاکتیک های خود را به رسمیت می شناسید؟ در این دوره، نویسنده و مدیر اجرایی Don Gilman، PhD، توضیح می دهد که چگونه به رسمیت شناختن تکنیک های متقاعد کردن زمانی که آنها در برابر شما مورد استفاده قرار می گیرند، و همچنین نحوه استفاده از این تکنیک های قدرتمند برای نفوذ به دیگران. او به شما می آموزد که چگونه بین دو تاکتیک فشار دادن و کشیدن، از روش های تطبیق و آینه ای استفاده کنید که احساس معتبر و مکالمه های مهم را به طور معنی داری می بخشد. این دوره شما را با ابزارهایی برای تبدیل شدن به نفوذ بیشتر تجهیز می کند و شما قادر خواهید بود آن را به نحوی که طبیعی و معتبر احساس می کنید، انجام دهید.
این دوره توسط Madecraft ایجاد شد. ما خوشحالیم که این آموزش را در کتابخانه ما برگزار کنیم.
عنوان اصلی : Influence versus Manipulation: The Ethics of Persuasion
سرفصل های دوره :
مقدمه:
تشخیص متقاعد کردن
1. استفاده از ارتباطات:
نه فقط یک تکنیک فروش
اجتناب از تمایلات
2. آماده شدن برای متقاعد کردن:
فشار دادن و کشیدن
ارتباط با اعتماد به نفس
فریم مرجع
3. روابط با استفاده از روابط:
Rapport Building
تطبیق و آینه
تنظیم سرعت
4. آماده سازی اطلاعات:
ارائه های متقاعد کننده
5. تاکتیک های متقاعد کردن:
داستان سرایی متقاعد کننده
دستورات جاسازی شده
نتایج تاثیرگذار
غلبه بر چالش ها
نتیجه گیری:
برنامه ریزی اقدام
Influence versus Manipulation: The Ethics of Persuasion
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
آموزش پاسخ به سوالاتی که کمک می کنند یک کسب و کار راه بیندازید
آموزش استراتژیهای بهبود خود آگاهی
استفاده از نقاط قوت تان
مقایسه ای بین Python و زبان R برای Data Science
آموزش ساخت استراتژی های برنده بازاریابی
آموزش مصورسازی داده ها با Plotly
تبدیل شدن به یک مربی الهام بخش
برقراری ارتباط از طریق اختلاف نظر
مقایسه ای بین Python و زبان R برای Data Science
درس هایی برای دانشمندان داده Data Scientists