(1)诊所的3个特点①数量多,尤其是医疗资源不发达,城乡结合部。②量上有保障!药店卖药心中没数,诊所医生心中有数!有处方习惯,不易替换。③医生毕竟是特殊商人,他有自己的用药原则!(2)诊所的7个需求①有效的产品。诊所的经营靠口碑。②注重学习深造。专家培训、晋级培训等。③提供新的诊疗信息。④提供医学书籍报纸杂志。⑤基层医生渴望了解医疗市场的新动向、新疗法、新品种。社会的进步和发展,加上诊所医生的年轻化及专业化,医生非常渴望了解或是熟悉医疗市场及改革的动向。通过参与来了解一些新疗法,使用一些新品种,充分享受发展的红利。⑥基层医生渴望医技水平的快速提高。人们健康意识提高,促使医疗检测手段的重心下移及普及,协助医生提高诊断的准确率。由于疾病的细分使得医生面对患者出现用药越来越谨慎,治疗趋于保守的困惑越来越重,解惑的关键点就是通过各种途径快速提高自己的医技水平。⑦基层医生渴望通过口碑提升名望。由于医生执业的稳定性,促使他们尽全力面对每一名患者,因为这些人就是他们的邻居和亲朋好友,这就决定了医生一定得通过自己的治疗水平及良好的治疗结果在患者群体中进行正向传播,而这种正面的口碑就是对医生最好的褒奖。(3)基层医生:“医生”和“生意人”不搞清楚诊所大夫的身份就很难抓住客户的需求和跟客户建立长久稳定的客情。那么我们的大夫究竟有哪些角色?主要想和大家分享的是他的“医生”和“生意人”的两个角色。首先,我们先来看看他作为“医生”这个角色的特点和我们在合作中要注意的事情。①爱面子。大夫作为知识分子,我们在合作的过程中发现大夫爱面子。加上诊所靠口碑营销,所以诊所的锦旗是对大夫医技的肯定,也给诊所带来更多的客流。细心观察,你会发现很多锦旗都是业务员送的,就是满足客户的这个需求。我们可以在送大夫出去学习或者学成归来时拉横幅,可以把学习的合影做成大照片送给客户挂在诊室里等。②终生学习。大夫是一个终生学习的职业,尽管在当下学术泛滥的时代,客户吃了那么多亏,学了那么多技术,学不会、用不了的情况下,仍旧想出去学习。有的朋友可能会说,大夫现在难邀请了,其实不在于你的技术好不好,而是在于能不能让他学会,能不能用,我们要从服务层面突破。比如我们可以先带教,先义诊,把技术展示给你看,再邀请参课,学习完之后再巡诊,在客户的诊所再交流技术,可能客户的兴趣点就更容易吸引客户。③有绝对的处方权。医生的厉害之处就是手中的那支笔,也就是处方权。医生卖药,消费者几乎没有选择权,而店员卖药消费者是有选择权的。我们一定要给诊所压货,因为都是现款调货,你不压货,就会被竞品屏蔽。④大夫很“寂寞”。很多人跑诊所不跟客户聊天或者没有什么内容引起客户的兴趣。原因在于:第一,他们的心理压力很大,因为做的是周边人的生意,压力更大。第二,因为他们没办法离开诊疗场所,信息比较闭塞。很多大夫不忙的时候在刷手机,我们也要从手机端做文章。第三,每天大夫面对的都是负能量的病人,业务员拜访一定要表现出正能量、积极向上的一面。你要是也抱怨,大夫更不愿意和你聊。针对这一特点,业务员要学会“陪诊”,用做临床的人说叫“盯方”。你会发现在客户那里拜访,客户就会尽量处方你的产品。⑤大夫需要合作稳定。因为业务员更换频率太快,药品卖得好却找不到人,卖得差就更找不到人了。⑥大夫有自己的圈子。大夫和一个客户合作愉快后,一定要设法把他的圈子挖掘出来一起合作。这一点业务员要把握机会。⑦专业性强。大夫的专业性强,我们的专业性也不能差,要了解最基本的产品知识。其次,作为生意人,大夫有以下几个特点:①“唯利是图”。我们要考虑客户的经济利益,但是不要忘了大夫是“有良心的商人”。很多业务员一进门就和大夫谈经济利益,被大夫直接骂走,说这里是救死扶伤的地方。和大夫谈产品,一定要谈产品特色,给患者带来的好处;当大夫问利益的时候,你再谈利益。②做必要的客情建设。比如客户生日的时候,给客户送一个蛋糕。③用最安全的方式获得最大的利益。很多企业给客户提供医疗事故的保险就是这个方面的突破。
KPI考核规则的作用,与提成方案的差别在于,KPI的着力点在于行为约束,而约束力的大小主要取决于与之关联的薪资比例,而提成制度往往在于正向引导行为。经销商在做奖惩考核制度时,往往会犯三个错误:第一,考核维度过多。经销商老板在设置考核规则时,恨不得把能想到的所有要素都放到考核项中。维度过多的考核制度有两个弊端:一方面,不容易执行,不利于制度的传播、被理解、在日常工作中被随时记起,起不到约束业务员行为的作用;另一方面,考核维度越多,考核项目所占的薪资数额就越小,单项的行为约束力就越弱。因此,设置执行层员工的考核制度时,维度控制在三个以内为宜。第二,考核没有层次,不够立体。底层业务员怎么考核,主管也怎么考核,维度基本相同,仅是做了简单的聚合,这就叫没有层次。这种做法虽然在制度统一性上能做到最好,也可以最大化地统一团队行为,但考虑维度不宜过多,容易出现某些重要行为没被约束或引导的现象。最好的方法是,由于主管的理解能力相对优于底层业务员,因而对主管的考核维度可适当增加,同时主管和底层业务员的考核维度及各维度的权重可以不同。第三,短周期指标与长周期指标并存。很多经销商在设置底层业务员的奖惩制度时,经常出现长周期指标与短周期指标并存的现象。既包含销售业绩、拜访数量、陈列拍照及提成奖励等短期考核项目,又包括退货率等需要长周期验证的指标。事实上,底层业务员对公司的忠诚度一般较弱,在公司的规划一般偏短期,行为动机多以短期利益为主,长周期指标对底层业务员很难起到作用。此外,当短期考核压力或引导力较大时,即便是忠诚的业务员,也很容易忽略长期考核标准。那么,如何控制像退货率这类长周期指标呢?将长周期指标作用于管理者身上。这样管理者就会通过日常管理行为约束底层业务员的行为标准,从而解决长周期指标的落地问题。
玩滚雪球游戏的时候,人们会先掬一捧雪,攥紧成球形,然后在地上滚动,地上的雪层层包裹,雪球由小而大,滚雪球的人冷热交加,却心生欢喜。企业的经营类似一个滚雪球的过程,开始投资形成的所有者权益就是那最初的一捧雪。俗话说,唤鸡还需有把米。所有者权益是企业的最原始资源,有了这份资源,才有可能聚集其他资源共同完成企业的经营活动。然而,对于不同企业来讲,第一捧雪的大小和紧实程度却大不相同。有的企业在初创期投资非常有限,就像一个小朋友的手攥成的雪团,而有的企业一开始设立投资额就非常大,天生一个巨型雪球。很多民营企业家创业之初都是从小本生意、肩挑手扛开始的,而一些央企和地方平台企业一设立就像一个巨无霸。当然,并不是所有民营企业都是这样,比如,像王思聪之类的富二代,他的第一捧雪也是一个巨无霸。最初一捧雪是企业发展的起点,这个起点是“不公平”的。这捧雪越大,就越为吸引更多资源的加入创造了有利条件。因此,很多企业都希望在条件允许的情况下把第一捧雪做大。但是,一般情况下,能拥有这样条件的企业很少,投资者们不得不带着惋惜量力而行。资产的来源有两个:一个是自己原本拥有的,一个是从外面借来的,即平时会计上说的资产等于负债加所有者权益。其中,自己原本拥有的比外面借来的更重要,这是因为能否在外面借到、借到多少往往取决于自己原本拥有的是多少。况且,很多时候还存在马太效应,“凡有的,还要加倍给他叫他多余;没有的,连他所有的也要夺过来”。每个人的原本拥有千差万别,即所谓的“起点不同”。“股神”巴菲特曾说过一句让人印象深刻的话,他说他中了“卵巢彩票”。什么是卵巢彩票?用我们熟悉的话来讲,他是含着金汤匙长大的。巴菲特认为,他今天的成就绝大多数都要归功于自己的好运气——出生在一个优秀且富裕的家族,这对他一生的发展造成了极大的影响。绝大多数人都没有巴菲特这样的“好运气”。不过,不管是否中到“卵巢彩票”,努力增加自己“原本拥有的”都是扩充总资产的主要、甚至唯一途径。这个“原本拥有”是动态的,每个阶段的“原本拥有”都在发生着变化。即使是巴菲特也是这样,从呱呱落地到榜上封神他同样经历了无数个“原本拥有”的迭代递进,他的体力、智力、经验、能力、财富、影响力都在不断发生着变化。会计学对此表达为:本期末所有者权益=上期所有者权益+本期利润“本期”既可以是“三十年河东,三十年河西”中所说的30年这样长久,也可以是的每一天、每一秒这样短暂。这个表达式告诉我们,每时每刻都是一个新的起点,此时存在的一个原本拥有的所有者权益,如果我们在一秒钟内有所收益,下一秒的所有者权益就会增加,又变成一个新的起点。这个会计表达式蕴含着丰富的哲理。有的人手里的第一捧雪只是少得可怜的一两片雪花,怎么办呢?司马迁在《史记·货殖列传》中曾说:“无财作力,少有斗智,既饶争时”。这句话可以理解为,一个人在不拥有财力、经验、人脉、渠道等一切资源的时候,只有靠先天的体力资源赚钱;有了一些财务基础后,就可以运用自己通过学习获取的智慧,让资产变得更多;在资本已经雄厚的时候,就要善于抓住机遇,以取得更大的成绩。众多通过自己的人力这种“原本拥有”获取收入的人,都是处于“无财作力”的阶段,无论是建筑工地的体力劳动者还是高级写字楼里的光鲜白领,只要是单纯依赖劳动赚取收入,都是属于“无财作力”。有了一定的财富之后,就可以通过各种杠杆的使用对财富积累增速,过去十几年在房市和其他投资中获利的投资者多属于此类,而财富排行榜的上榜者则更多是由“既饶争时”而来。健康、智慧、体力、时间、知识、能力、金钱、财产等都是人们的所有者权益,所有者权益的动态变化特征给予了人们希望。有句话叫做“不笑少年贫”,就是说一名少年哪怕现在非常贫穷,他的手里只有一两片随时可能化掉的雪花,也不能小看他,因为他的所有者权益正在构建、发展,有朝一日这一两片雪花也可能变成巨大无比的雪球。
不同的车辆维修类型,所需要的时间是不一样的。因此,要找到提升服务站快修能力的有效方法,还需要对车辆维修类型进行深入的结构分析。一般来说,可以将汽车维修种类分成三个大类、十一个小类,如下:(1)纯保养类项目:新车首保、里程保养、轮毂保养、新车首保+里程保养、里程保养+轮毂保养。(2)混合类项目:新车首保+一般维修、里程保养+一般维修、新车首保+里程保养+一般维修、轮毂保养+一般维修、里程保养+轮毂保养+一般维修。(3)一般维修类项目:不涉及保养类项目的维修,即一般维修。我们对5月份该服务站进站维修车辆(不含外出服务与上门服务)进行了分析,结果如下:图3-55月服务站进站车辆维修结构分析图如图3-5所示,该服务站以5月份数据为例,进站维修车辆合计657台。其中,纯保养类项目(不含一般维修)占比合计为24%;一般维修比例为58%;保养类项目与一般维修交叉类的合计比例为18%。通过以上的分析,我们得到了以下3个主要结论:​ 客户平均维修时间较长,达到2.5小时;​ 保养类车辆台次比例较高,涉及保养类项目维修台次比例合计为42%,纯保养类项目台次比例为24%;​ 该服务站具备推行快修组的入场台次结构,即将纯保养类项目归口快修组进行专修,以此提高维修效率,缩短纯保养类项目的维修时间,提升速度。
错误应对1.你先搞清楚,这不是我们店卖的。2.你怎么不讲理,这根本不是我们卖的。3.我没办法,不归我们管。问题诊断有些时候同一个品牌在同一个城市往往有还几家专卖店,而这些专卖店之间相互独立,甚至还是竞争关系。消费者不知情况,会态度蛮横地来要求退换货。某次在郑州培训时就遇到这样的情况。一位学员告诉我有这样的顾客,怎么解释也不听,关键是他自己还没有做客户登记,无法证明这个产品不是他卖的,只是凭着自己的记忆确认不是他们服务的客户。“你先搞清楚,这不是在我们店卖的。”消费者可能会出现记忆偏差,跑到我们店铺,但我们大可不必出口伤人。这种责怪的口气在销售中要不得。“你怎么不讲理,这根本不是我们卖的。”如果前面那个是1.0版,那现在这个就是2.0升级版。当你指责顾客不讲理时,其实在销售中你就输了一大截。你这是拿别家门店的错误惩罚自己,得不偿失。“我没办法,不归我们管。”,有些时候客户积累就是在顾客最需要你的时候完成的。我们常说患难见真情,就是这个道理。回到案例中,目前客户很明显需要解决质量问题,虽然不是我们的责任,但在力所能及范围内给予更多协助总是好的。销售策略“遇到这样的顾客确实让人不舒服,明明不是我们店的事情,还来找我们。”这是不少销售员正常思维,可是一个真正伟大的零售店往往就是在此时显现的,在顾客最需要你的时候,帮助其解决问题将更加有利于粉丝的形成。1.真诚解释不是本店所售商品我们可以用台账等方式进行查询,让顾客理解他所买的产品其实跟我们没有关系,并建议其去购买处处理,但要注意方式方法,一般情况下客户是比较理解的。2.积极帮助其解决问题作为同一个品牌专营店,一般都会有专业的售后系统,客户不知道,但我们可帮助其解决问题,以此提升客户满意度。3.增加新的销售机会质量问题是每一个消费者都会面临的,我们最好能变被动为主动,化腐朽为神奇,让顾客达成新的销售,并最终成为店铺粉丝。语言模板销售1:王先生您这边请,我先查查销售记录(查询销售记录)。根据我们销售记录,您看并没有您的售出记录。(那不可能)。真是这样的,如果确定在我们这购买,没有销售记录的话我们财务也通不过。(哦)。您是不是在某某路上的那家,那边跟我们经营同一个品牌,您觉得呢?(哦,好像是)。销售2:王先生您也看到了,虽然不是我们店销售的机油,既然您要求我们帮您解决,那么我们只能尽力。(太谢谢您了)。您看,这是我们的售后电话,您可以先电话咨询,如果公司那边有理赔的话,我这边免费帮您安装。(没问题)。销售3:王先生您看啊,您这个雨刮器确实不能使用,要不您到某某店再去看看?(不去了,太麻烦,我也不相信他们)。这样啊,您看我们有更加合适的产品,您可以试试这款。这是德国博世原厂配件,质量绝对可靠,您看这钢条(转到产品介绍中来)。俞老师总结站在顾客角度,帮助其解决问题,还可能可以产生额外销售。
要得到人才画像,AI首先需要的是处理画像所需的数据源,包括简历数据、面试数据、用户Query、对话数据、绩效数据及其他用户的行为数据。其中,大部分数据都是以文本形式保存或最终可转化为文本形式。通过自然语言理解的技术积累,一方面会基于传统分析、规则和机器学习模型;另一方面充分利用以Bert(训练语义理解模型的一种先进AI技术)为代表的深度学习方法,将这些技术应用在简历解析、JD解析、对话机器人、AI面试、绩效文本分析等诸多场景。在人岗多维度匹配过程中,AI能分析简历的亮点和不足,判断其能力匹配度和意愿匹配度,并智能提示有哪些需要具备但简历中没有体现的技能点,要和候选人去沟通确认;人选意愿度不高时,应该采取什么措施以提高人选意愿度。同时,基于庞大的知识图谱和数据支持,AI可针对职位的市场人才数据情况进行洞察,让你在招聘前先掌握人才市场分布情况、薪资情况,“知己知彼,百战不殆”。此外,AI还可以深度分析、挖掘数据间的内在关系,如某家公司涨薪,推动了行业人才的薪资上涨,导致竞争更加激烈;如某个潜在目标人才的简历非常简单,许多重要信息缺失,AI可以通过分析同公司类似职位的简历信息,进行项目、技能等资料的智能补全,甚至进行交叉验证信息的真伪。