Support, customer success og ledere

Samtale med kunde om en datafejl

Brugeren øver at forklare en fejl ærligt, uden at overdele tekniske detaljer eller skabe unødig uro.

Sådan bruges scenariet

En konkret samtale bliver til en øvelse, der kan gentages

DialogLab samler situation, modpart, mål og feedback, så brugeren kan øve samme samtale flere gange med små justeringer fra forsøg til forsøg.

Kort video om scenarier i DialogLab: Datafejl

Kort svar

Hvad er datafejl som træning?

Datafejl er et træningsscenarie for support, customer success og ledere, hvor brugeren øver en konkret samtale i stedet for kun at læse om god kommunikation. Øvelsen giver en realistisk modpart, et tydeligt mål og en opsamling, der kan bruges i næste forsøg.

Scenariet er relevant, når samtalen kræver både faglighed, ro og præcision. Brugeren skal kunne reagere på modstand, stille bedre spørgsmål og afslutte med noget, der er konkret nok til at blive fulgt op.

Situation

Hvad brugeren øver

En kunde har opdaget en fejl i data, rapportering eller adgang og er bekymret for konsekvensen.

I DialogLab bliver situationen omsat til en kort briefing, så brugeren hurtigt forstår kontekst, relation og risiko. Det gør øvelsen lettere at gentage, fordi rammen er den samme, mens brugerens formuleringer kan ændre sig fra forsøg til forsøg.

Mål

Det scenariet træner

  • Anerkende problemet direkte.
  • Forklare hvad der vides og ikke vides.
  • Undgå spekulation.
  • Aftale opfølgning og kontaktpunkt.

Målene er bevidst praktiske. De handler om det, brugeren faktisk siger og gør i samtalen: hvordan der åbnes, hvordan modstand håndteres, og hvordan samtalen landes i et næste skridt.

Modpart

Hvordan modparten skaber modstand

Den anden person mister tillid ved uklare formuleringer og vil vide, hvem der tager ansvar.

Modparten skal ikke gøre øvelsen dramatisk for dramatikkens skyld. Den skal reagere troværdigt på uklare svar, for hurtige løsninger og manglende struktur, så brugeren får noget konkret at øve sig på.

Opsamling

Hvad brugeren får svar på bagefter

Tilbagemeldingen vurderer ansvar, præcision, ro og næste skridt.

En god opsamling skal ikke være en karakter. Den skal hjælpe brugeren med at se, hvad der virkede, hvor samtalen blev uklar, og hvad der er mest relevant at prøve anderledes næste gang.

Tilpasning

Sådan kan scenariet gøres mere lokalt

Datafejl kan tilpasses med jeres egne roller, ordvalg, regler og eksempler. For nogle organisationer er det vigtigste at skrue op for følelsesmæssigt pres. For andre er det vigtigere at gøre faglige rammer, dokumentation eller næste procestrin tydelige.

Det bør stadig være en afgrænset øvelse. Hvis scenariet prøver at træne alt på én gang, bliver feedbacken mindre brugbar. Vælg hellere et tydeligt mål og gentag samtalen med små variationer.

Relaterede scenarier

Andre samtaler der ligner

AI på arbejde

Brugeren øver at tale om AI-brug, bekymringer og retningslinjer uden at gøre samtalen teknisk eller moraliserende.

Samarbejdssvigt

Brugeren øver at tale med en kollega om et samarbejdssvigt uden at gøre det til en karakterdom.

Demo-opfølgning

Brugeren øver at følge op efter en demo uden at presse beslutningen hurtigere, end kunden er klar til.

Lønsamtale

Brugeren øver en samtale, hvor argumenter, ro og afslutning betyder mere end flotte formuleringer. Modparten er presset på budget og reagerer, hvis brugeren bliver uklar.

Spørgsmål

Typiske afklaringer

Hvem er datafejl relevant for?

Datafejl er især relevant for support, customer success og ledere, der skal øve en samtale, hvor situation, modpart og næste skridt skal håndteres tydeligt.

Hvad træner brugeren i scenariet datafejl?

Brugeren træner blandt andet at anerkende problemet direkte, forklare hvad der vides og ikke vides, undgå spekulation, aftale opfølgning og kontaktpunkt.

Hvordan reagerer modparten i øvelsen?

Den anden person mister tillid ved uklare formuleringer og vil vide, hvem der tager ansvar.

Hvad fokuserer opsamlingen på?

Tilbagemeldingen vurderer ansvar, præcision, ro og næste skridt.