Prompt: „Fordere das Modell auf, zusätzliche Fragen zu stellen, bevor es eine endgültige Antwort gibt.“
SelfAsk ist eine Technik, bei der das Modell aufgefordert wird, Rückfragen zu stellen, bevor es eine endgültige Antwort gibt. Dies ermöglicht es dem Modell, fehlende Informationen zu identifizieren und gezielt nachzufragen, um eine präzisere und fundiertere Antwort zu liefern. SelfAsk hilft dabei, potenzielle Unklarheiten oder Wissenslücken im Voraus zu erkennen und durch gezielte Rückfragen zu beheben. Auf diese Weise wird die Qualität der Antwort deutlich verbessert, da das Modell sicherstellt, dass es alle relevanten Details kennt, bevor es fortfährt.
Diese Technik ist besonders nützlich, wenn es um die Erstellung von Verkaufsstrategien oder Verkaufsskripten geht, bei denen das Modell möglicherweise zusätzliche Informationen über das Produkt, die Zielgruppe oder andere wichtige Aspekte benötigt, um eine optimale Lösung zu entwickeln.
Praxisrelevanz
Im Vertrieb und Marketing hilft SelfAsk, das Modell dazu zu bringen, gezielt Rückfragen zu stellen, bevor eine Verkaufsstrategie, ein Skript oder eine Präsentation abgeschlossen wird. Anwender bietet diese Technik die Möglichkeit, sicherzustellen, dass das Modell alle relevanten Informationen berücksichtigt und nichts übersehen wird. Dies sorgt für eine präzisere und gezieltere Kommunikation sowie optimierte Verkaufsstrategien, die auf den Bedürfnissen des Unternehmens und der Kunden basieren.
Beispiel 1
„Schreibe ein Verkaufsskript und frage nach weiteren Informationen zum Produkt, falls nötig.“
Erläuterung
In diesem Beispiel erstellt das Modell ein Verkaufsskript und stellt dabei gezielt Rückfragen, wenn es feststellt, dass Informationen über das Produkt fehlen. Das Modell könnte fragen: „Gibt es spezielle Funktionen, die hervorgehoben werden sollen?“ oder „Sind die Preise oder Angebote verhandelbar?“ Durch diese Rückfragen stellt das Modell sicher, dass das Verkaufsskript vollständig und auf die stärksten Merkmale des Produkts ausgerichtet ist, bevor es finalisiert wird.
Beispiel 2
„Erstelle eine Verkaufsstrategie und frage nach Details zur Zielgruppe, bevor du fortfährst.“
Erläuterung
Hier wird das Modell angewiesen, eine Verkaufsstrategie zu entwickeln, und es stellt dabei zusätzliche Fragen zur Zielgruppe, bevor es fortfährt. Das Modell könnte beispielsweise fragen: „Was sind die Hauptbedenken dieser Zielgruppe?“ oder „Welche besonderen Anforderungen hat diese Kundengruppe?“ Indem das Modell nach solchen Informationen fragt, kann es sicherstellen, dass die Verkaufsstrategie zielgerichtet ist und die Bedürfnisse der Zielgruppe genau anspricht, was die Erfolgsaussichten der Strategie deutlich verbessert.
Tipps für den Einsatz
- Informationslücken erkennen:
- Verwende SelfAsk, um das Modell dazu zu bringen, gezielte Fragen zu stellen, wenn Informationen fehlen. Dies stellt sicher, dass die Antwort vollständig und präzise ist.
- Verkaufsskripte und Strategien optimieren:
- Diese Technik ist besonders nützlich, um Verkaufsgespräche oder Strategien zu verbessern, indem das Modell aktiv nach zusätzlichen Informationen fragt, die für den Erfolg des Gesprächs oder der Strategie entscheidend sind.
- Zielgerichtete Anpassung:
- SelfAsk kann verwendet werden, um sicherzustellen, dass das Modell spezifische Fragen zur Zielgruppe, dem Produkt oder der Marktstrategie stellt, um eine maßgeschneiderte Lösung zu entwickeln, die genau auf die Bedürfnisse der Kunden eingeht.
- Fehlervermeidung:
- Indem das Modell vorab Rückfragen stellt, lassen sich Fehler und Missverständnisse vermeiden, die durch unvollständige Informationen entstehen könnten.
Zusammenfassung der Unterschiede zu anderen Techniken
SelfAsk unterscheidet sich von Techniken wie SelfCriticism oder SelfVerification, da das Modell aktiv Rückfragen stellt, bevor es eine endgültige Lösung anbietet. Während SelfCriticism das Modell dazu bringt, seine eigene Antwort zu bewerten und SelfVerification die Richtigkeit prüft, konzentriert sich SelfAsk darauf, durch gezielte Fragen fehlende Informationen zu ergänzen, um die Genauigkeit der Antwort zu erhöhen. Diese Technik stellt sicher, dass das Modell auf vollständigen Informationen basiert, bevor es eine Lösung liefert.
