Nowoczesne discovery: od pytań o problemy do wspólnej diagnozy biznesowej

W praktyce sprzedażowej słowo „discovery” może oznaczać niemal wszystko, co wydarza się między otwarciem spotkania a prezentacją produktu.

Discovery nazywa się:

• listę pytań o potrzeby;
• kwalifikację BANT, MEDDIC albo innego modelu;
• pierwsze spotkanie z klientem;
• rozmowę o problemach i konsekwencjach;
• warsztat strategiczny;
• audyt procesu;
• demonstrację z pytaniami;
• zbieranie danych do kalkulacji ROI;
• rozpoznanie interesariuszy;
• przygotowanie zakresu projektu;
• budowanie uzasadnienia biznesowego.

Każda z tych aktywności może być częścią szerszej pracy. Nie każda jest discovery w tym samym znaczeniu.

Problem nie jest wyłącznie językowy. Gdy jedno pojęcie obejmuje wiele różnych zadań, organizacja traci zdolność oceny, czy konkretna rozmowa wykonała właściwą pracę.

Handlowiec może powiedzieć:

Discovery zakończone.

Manager nadal nie wie:

• czy klient tylko opisał obecną sytuację;
• czy sprzedawca pozyskał dane kwalifikacyjne;
• czy zespół rozdzielił kilka wyjaśnień;
• czy zbudowano wspólny obraz;
• czy powstała rekomendacja;
• czy przeprowadzono test;
• czy klient uznał problem za materialny;
• czy proces powinien być kontynuowany.

W rezultacie „discovery completed” staje się etykietą etapu, nie opisem osiągniętego rezultatu.

Trzy redukcje, które zubażają discovery

Discovery jako ekstrakcja danych

Sprzedawca zadaje pytania, klient przekazuje informacje, a dostawca używa ich do konfiguracji rozwiązania i przygotowania oferty. Taki proces może być potrzebny. Jest jednak asymetryczny: klient wykonuje dużą część pracy informacyjnej, a wartość zwrotna pojawia się dopiero w prezentacji produktu.

Discovery jako poszukiwanie bólu

Rozmowa zmierza do znalezienia problemu wystarczająco pilnego i kosztownego, aby uzasadnić zakup. Pytania o konsekwencje mogą być użyteczne, ale stają się niebezpieczne, gdy sprzedawca wzmacnia każde negatywne zdarzenie, dopóki klient nie nazwie go priorytetem.

Discovery jako kwalifikacja szansy

Dostawca sprawdza budżet, autorytet, termin, proces decyzyjny, konkurencję i kryteria. To może chronić zasoby sprzedaży. Nie musi jednak poprawiać decyzji klienta. Firma może mieć świetnie zakwalifikowaną szansę i błędnie rozpoznany problem.

Nowoczesne discovery wymaga bardziej precyzyjnego obiektu pracy.

---

Discovery w sprzedaży B2B jest proporcjonalnym, wieloepizodowym procesem, w którym klient i dostawca ujawniają, rozdzielają i testują informacje potrzebne do zbudowania wystarczająco użytecznej diagnozy sytuacji, mechanizmu, konsekwencji, warunków i następnego ruchu.

Definicja zawiera osiem ważnych rozstrzygnięć.

1. Discovery jest proporcjonalne

Nie każdy zakup potrzebuje pełnego procesu diagnostycznego. Przy standardowym komponencie wystarczy czasem potwierdzić zastosowanie, zgodność i właściwy wariant. Rozbudowane discovery zwiększyłoby koszt bez poprawy decyzji.

2. Discovery jest wieloepizodowe

Jedna rozmowa może ujawnić sygnał, ale nie dostarczyć danych, eksperta ani perspektywy użytkownika. Kolejne epizody mogą obejmować analizę dokumentów, rozmowę techniczną, obserwację procesu, warsztat, pilotaż albo test.

3. Discovery jest wspólną pracą

Klient zna lokalny proces, historię, ograniczenia i nieformalne praktyki. Dostawca może znać wzorce kategorii, mechanizm technologiczny, ryzyka wdrożenia i kontrprzykłady. W złożonych usługach i rozwiązaniach wymagania nie zawsze są gotowym wejściem. Mogą być wspólnie doprecyzowywane w kolejnych interakcjach.⁶⁷

4. Informacje trzeba ujawniać i rozdzielać

Ta sama wypowiedź może zawierać:

• fakt;
• ocenę;
• interpretację;
• interes jednej roli;
• skrót myślowy;
• hipotezę;
• deklarację oczekiwanego rozwiązania.

Discovery nie polega na podważaniu wszystkiego. Polega na oznaczaniu statusu ważnych informacji.

5. Informacje trzeba testować

Pytanie „czy to problem?” rzadko wystarcza. Trzeba ustalić, co wspiera dane wyjaśnienie, co je osłabia i jaki wynik zmieni względną ocenę hipotez.

6. Wystarczy diagnoza użyteczna, nie kompletna

Dostawca nie musi „zrozumieć całej firmy”. Powinien zbudować wystarczająco trafne wyjaśnienie dla konkretnej decyzji. Czasem właściwym rezultatem jest stwierdzenie:

Nie mamy jeszcze podstaw do rozstrzygnięcia. Potrzebna jest ta rola, ten pomiar albo ten test.

7. Diagnoza obejmuje warunki

Nawet trafnie rozpoznany mechanizm nie uzasadnia zakupu, jeżeli brakuje danych, zasobów, mandatu, integracji, kompetencji albo zdolności do zmiany procesu.

8. Discovery kończy się ruchem weryfikacyjnym

Kolejne spotkanie, demo albo oferta nie są postępem same w sobie. Następny ruch powinien rozstrzygać istotną niewiadomą, angażować potrzebną wiedzę albo prowadzić do jawnego zatrzymania.⁸

---

Badanie potrzeb jest potrzebne wtedy, gdy dostawca musi ustalić:

• zastosowanie;
• wymagania;
• parametry;
• skalę;
• preferencje;
• ograniczenia;
• oczekiwany wariant;
• sposób zakupu.

Jego podstawowym zadaniem jest dopasowanie rozwiązania do zadeklarowanego celu.

Discovery zaczyna się tam, gdzie sama deklaracja nie wystarcza.

Badanie potrzeb	Wspólna diagnoza
Jakiego rozwiązania klient szuka?	Jakie wyjaśnienie sytuacji powinno kierować decyzją?
Jakie są wymagania?	Skąd wymagania wynikają i czy są właściwe?
Jaki wariant pasuje?	Czy produkt jest odpowiednią klasą odpowiedzi?
Jakie funkcje są potrzebne?	Jaki mechanizm ma się zmienić?
Jak duży jest zakres?	Czy problem jest materialny?
Jak przygotować ofertę?	Jaki test powinien poprzedzić ofertę?

Badanie potrzeb nie jest „gorszym” modelem. Przy P0 i wielu zakupach P1 jest właściwe. Klient, który chce kupić zatwierdzony komponent według znanej specyfikacji, nie potrzebuje warsztatu diagnostycznego.

Błąd powstaje wtedy, gdy sprzedawca traktuje zadeklarowane wymagania jak pełną reprezentację sytuacji przy zakupie, który:

• jest nowy;
• zmienia proces;
• angażuje wiele funkcji;
• wymaga adopcji;
• posiada istotne koszty przejścia;
• niesie ryzyko techniczne lub organizacyjne;
• opiera się na niepewnych danych;
• ma kilka realistycznych opcji.

W modelu dwóch architektur sprzedaży badanie potrzeb wspiera głównie prezentowanie rozwiązania. Discovery jest jednym z elementów prowadzenia decyzji, gdy klient musi najpierw poprawić definicję problemu, kryteria albo sposób weryfikacji.⁹

---

Kwalifikacja odpowiada przede wszystkim na pytanie:

Czy ta szansa uzasadnia dalszą inwestycję zasobów sprzedażowych i czy istnieje realna droga do zakupu?

Może obejmować:

• dopasowanie klienta;
• budżet;
• proces zakupowy;
• autorytet;
• termin;
• konkurencję;
• priorytet;
• ryzyko prognozy;
• wzajemne zobowiązania.

Discovery odpowiada na inne pytanie:

Jakie wyjaśnienie sytuacji jest obecnie najbardziej użyteczne dla decyzji klienta i czego jeszcze trzeba dowiedzieć się lub dowieść?

Różnica jest istotna.

Możliwa jest dobra kwalifikacja i słaba diagnoza

Klient ma budżet, projekt, sponsorów i termin. Dostawca szybko uznaje, że niska produktywność wynika z braku systemu. Po wdrożeniu okazuje się, że ograniczeniem były dane i niejasne role. Szansa była realna. Diagnoza była słaba.

Możliwa jest dobra diagnoza i brak szansy sprzedażowej

Dostawca pomaga ustalić, że problem można rozwiązać prostą zmianą procesu bez zakupu. Z perspektywy pipeline’u szansa znika. Z perspektywy jakości decyzji discovery wykonało swoją pracę.

Kwalifikacja może pojawić się równolegle

Organizacja musi chronić zasoby. Może więc równolegle oceniać:

• czy klient ma mandat do udostępnienia danych;
• czy właściwe role chcą uczestniczyć;
• czy istnieje realna możliwość testu;
• czy zakres mieści się w kompetencjach dostawcy.

Nie należy jednak ukrywać kwalifikacji pod językiem konsultacyjności. Pytanie o budżet może być potrzebne. Nie staje się przez to diagnozą.

---

Sprzedaż konsultacyjna nie polega wyłącznie na zadawaniu pytań. Pełną definicję rozwija artykuł Czym jest sprzedaż konsultacyjna i czym nie jest. Wymaga wiedzy, interpretacji, osądu i odpowiedzialnej rekomendacji.¹⁰

Discovery może wspierać konsultacyjność, jeżeli prowadzi do:

• lepszego rozumienia;
• poprawy kryterium;
• rozpoznania ryzyka;
• rozdzielenia opcji;
• jawnej diagnozy warunkowej;
• testu;
• rekomendacji, której wynik nie jest z góry ustalony.

Discovery może też pozostać czysto ekstrakcyjne. Klient odpowiada, sprzedawca notuje, a wartość pojawia się dopiero w ofercie. Taka rozmowa może być profesjonalna i potrzebna. Nie należy jednak automatycznie nazywać jej konsultacyjną.

Najprostszym testem jest pytanie:

Co klient rozumie, ocenia albo może sprawdzić lepiej dzięki tej rozmowie — niezależnie od tego, czy kupi nasze rozwiązanie?

To łączy D03 z modelem Śladu Wartości Interakcji opisanym w artykule Wartość rozmowy sprzedażowej a wartość produktu.¹¹

---

Mapa Wspólnej Diagnozy jest autorską syntezą operacyjną.

Badania sprzedaży wspierają potrzebę adaptowania zachowania do klienta i napływających informacji.¹²¹³¹⁴ Badania słuchania wskazują, że użyteczne słuchanie obejmuje nie tylko odbiór, lecz także przetwarzanie i odpowiedź.²³ Badania nad wspólnym rozwiązywaniem problemów pokazują, że złożone rozwiązania mogą wymagać łączenia zasobów wiedzy klienta i dostawcy.⁶⁷ Badania zespołów i komunikacji pokazują, że różne role mogą posiadać odmienne reprezentacje problemu oraz unikalne informacje, które nie pojawiają się automatycznie w dyskusji.^15161718

Literatura o błędach poznawczych wspiera ostrożność wobec jednej dominującej hipotezy, selektywnego testowania i przedwczesnego domknięcia.^19202122 Inspiracją dla projektowania testów rozróżniających jest metodologia alternatywnych hipotez i silnego wnioskowania, lecz nie stanowi ona walidacji sprzedażowego modelu D03.²³

Nie istnieje natomiast jedno badanie potwierdzające:

• dziesięć pól Mapy;
• ich układ w czterech strefach;
• skuteczność modelu w zwiększaniu sprzedaży;
• optymalną liczbę pytań;
• uniwersalną kolejność discovery;
• możliwość obliczenia jakości diagnozy jednym score’em.

Dlatego model należy stosować jako mapę myślenia i współpracy, nie certyfikowaną procedurę.

---

Strefa A — zadanie i obserwowany sygnał

1. Sytuacja i zadanie

Pytanie kontrolne:

Jaką pracę, decyzję albo wynik próbuje obecnie wykonać klient?

Jednostką analizy nie powinna być cała firma ani ogólna „transformacja”. Potrzebny jest konkretny obiekt:

• stabilizacja czasu cyklu na określonym narzędziu;
• poprawa wykorzystania prognozy popytu w planowaniu;
• skrócenie czasu akceptacji projektów;
• wybór technologii dla konkretnego zastosowania;
• ograniczenie ryzyka niezgodności;
• decyzja, czy uruchomić pilotaż.

Słabo:

Klient chce poprawić efektywność.

Lepiej:

Zespół planowania chce zmniejszyć liczbę ręcznych korekt wykonywanych po wygenerowaniu prognozy dla grupy produktów o krótkim lead time.

Pierwsza wersja tworzy szerokie pole do prezentacji produktu. Druga wskazuje decyzję, proces i miejsce, w którym można szukać mechanizmu.

2. Sygnał lub objaw

Pytanie kontrolne:

Co zostało zaobserwowane, zgłoszone albo zmierzone — i przez kogo?

Sygnałem może być:

• wzrost czasu;
• spadek jakości;
• większa liczba poprawek;
• niski poziom wykorzystania narzędzia;
• reklamacje;
• opóźnienia;
• wzrost zapasu;
• przeciążenie ludzi;
• nieprzewidywalność wyniku.

Trzeba rozdzielić obserwację od interpretacji.

Przykład:

• obserwacja: średni czas akceptacji wzrósł;
• interpretacja: brakuje ludzi;
• alternatywna interpretacja: liczba poprawek wzrosła przez niepełne wymagania;
• inna możliwość: czas oczekiwania rośnie na jednym punkcie akceptacji.

Ważne jest również źródło. Ten sam sygnał może być:

• pomiarem systemowym;
• deklaracją jednej roli;
• wynikiem audytu;
• obserwacją sprzedawcy;
• wnioskiem ze studium przypadku;
• publiczną miarą grupy.

Źródła nie mają tej samej siły. Publiczny spadek marży nie potwierdza lokalnej przyczyny w konkretnym zakładzie. Opisuje to szerzej przewodnik Business acumen dla handlowców B2B: wiedza biznesowa służy tu do tworzenia hipotez i granic wniosku, nie do zdalnego diagnozowania organizacji.²⁴

---

Strefa B — mechanizm i konkurencyjne wyjaśnienia

3. Możliwe mechanizmy

Pytanie kontrolne:

Jakie procesy, zależności albo warunki mogły wytworzyć obserwowany sygnał?

Mechanizm opisuje, jak zmiana jednego elementu może wpływać na inny. Nie jest synonimem problemu ani etykietą produktu.

Przykład przemysłowy:

Ograniczony przepływ może zmniejszać zdolność odbierania ciepła w części kanałów, co zwiększa lokalną różnicę temperatur i zmienność czasu chłodzenia.

Przykład SaaS:

Prognoza może być poprawna, ale nie wpływać na decyzję, jeżeli użytkownik otrzymuje ją po zamknięciu okna planistycznego albo nie posiada mandatu do zmiany planu.

Przykład usługowy:

Projekty mogą się opóźniać nie z powodu niedoboru ekspertów, lecz dlatego, że sprawy wielokrotnie wracają do uzupełnienia po wejściu do procesu z niepełnym briefem.

Mechanizm powinien być na tyle konkretny, aby dało się wskazać dane lub obserwację, które go wspierają albo osłabiają.

4. Konkurencyjne wyjaśnienia

Pytanie kontrolne:

Jakie co najmniej dwa inne wyjaśnienia pozostają możliwe?

Jedna hipoteza szybko organizuje uwagę. To użyteczne, ale ryzykowne. Ludzie mogą selektywnie poszukiwać i interpretować informacje zgodne z przyjętym sądem.¹⁹ Strategia testowania pozytywnego nie jest zawsze błędna, lecz w określonych strukturach zadania może dawać pozorne potwierdzenie.²⁰

Dlatego przy materialnej niepewności warto stosować praktykę:

Rozważ przeciwieństwo albo konkurencyjny mechanizm.

Nie chodzi o produkowanie dziesięciu abstrakcyjnych hipotez. Wystarczą dwie lub trzy, które prowadzą do innych decyzji.

Przykład 1 — przemysł

• H1: kanały chłodzące są ograniczone osadem;
• H2: głównym źródłem zmienności są nastawy procesu;
• H3: problem wynika ze zużycia albo uszkodzenia narzędzia.

Przykład 2 — SaaS

• H1: użytkownicy nie ufają modelowi z powodu niskiej jakości danych;
• H2: użytkownicy ufają prognozie, ale nie mają mandatu do działania;
• H3: informacja dociera zbyt późno względem rytmu decyzji.

Przykład 3 — usługi

• H1: opóźnienia wynikają z braku zasobów;
• H2: głównym ograniczeniem jest oczekiwanie na akceptację;
• H3: poprawki powstają przez niestabilne wejście do procesu i rozproszone wymagania.

Konkurencyjne wyjaśnienie nie musi wykluczać pierwszego. Mechanizmy mogą współwystępować. Jego funkcją jest sprawdzenie, czy obecny kierunek nie został przyjęty zbyt wcześnie.

---

Discovery jest szczególnie podatne na błędy poznawcze, ponieważ sprzedawca ma interes w znalezieniu problemu, który pasuje do rozwiązania.

Pętla potwierdzająca

Może wyglądać tak:

1. sprzedawca zakłada, że klient potrzebuje automatyzacji;
2. pyta o ręczne czynności;
3. klient opisuje czasochłonny etap;
4. sprzedawca pyta o koszt tego etapu;
5. odpowiedź traktuje jako potwierdzenie potrzeby automatyzacji;
6. pomija pytania o częstotliwość, przyczynę, wyjątki i prostsze opcje.

Każda odpowiedź może być prawdziwa. Łańcuch wnioskowania nadal może być słaby.

Przedwczesne rozwiązanie

Sprzedawca słyszy znajomy objaw i zaczyna projektować rozwiązanie, zanim ustali mechanizm. Od tego momentu pytania służą konfiguracji produktu, nie diagnozie.

Seizing and freezing

Presja czasu, potrzeba przygotowania oferty i oczekiwanie managera mogą sprzyjać przyjęciu pierwszej dostępnej interpretacji oraz jej utrwaleniu mimo nowych danych.²²

Nie należy na tej podstawie diagnozować cech klienta ani handlowca. To mechanizm sytuacyjny, któremu może podlegać każdy uczestnik.

Trzy zabezpieczenia praktyczne

1. Zapisz alternatywę przed rekomendacją.
2. Poszukaj danych, które osłabiają preferowaną hipotezę.
3. Zaprojektuj test, którego wynik może zmienić rekomendację.

Strategia „consider the opposite” w badaniach osądu ograniczała część błędów wynikających z jednostronnego rozumowania, choć nie jest badaniem sprzedaży B2B.²¹

---

Strefa C — znaczenie dla decyzji i wykonania

5. Konsekwencje i materialność

Pytanie kontrolne:

Co zmienia się dla wyniku, ryzyka, zdolności albo kosztu decyzji?

Nie każdy widoczny problem jest materialny.

• ręczna czynność może zajmować czas, ale nie ograniczać przepustowości;
• wzrost liczby zgłoszeń może być sezonowy;
• spadek wykorzystania narzędzia może dotyczyć funkcji, która nie jest potrzebna;
• lokalna niestabilność może nie wpływać na termin ani jakość;
• opóźnienie może być akceptowalnym kompromisem.

Materialność zależy od decyzji i odbiorcy. Nie sprowadza się do pytania:

Ile to kosztuje?

Może dotyczyć:

• ryzyka jakości;
• bezpieczeństwa;
• zgodności;
• utraconej zdolności;
• przewidywalności;
• elastyczności;
• odporności;
• czasu reakcji;
• obciążenia krytycznej roli;
• zdolności realizacji strategii.

D03 nie tworzy pełnego uzasadnienia biznesowego. Powinien jednak ustalić, czy problem ma wystarczające znaczenie, aby uzasadniać dalszą pracę.

Słaba diagnoza:

Brak automatyzacji generuje straty.

Diagnoza warunkowa:

Ręczne przepisywanie danych jest kosztowne tylko wtedy, gdy ogranicza pracę roli krytycznej, zwiększa liczbę błędów albo opóźnia decyzję. Nie mamy jeszcze danych potwierdzających którykolwiek z tych mechanizmów.

6. Warunki i ograniczenia

Pytanie kontrolne:

Co musi być prawdą, dostępne albo wykonane, aby proponowany kierunek miał sens?

Warunki mogą obejmować:

• jakość danych;
• dostęp do procesu;
• integrację;
• mandat użytkownika;
• kompetencje;
• zasoby wdrożeniowe;
• zmianę procedury;
• zgodność prawną;
• zdolność utrzymania rozwiązania;
• akceptację właściciela procesu;
• określone parametry techniczne.

Wartość rozwiązania zależy nie tylko od jego funkcji, lecz również od zdolności klienta i dostawcy do realizacji.²⁵

Przykład SaaS:

System rekomendacji może poprawić decyzję tylko wtedy, gdy istnieje właściciel działania, okno reakcji i uzgodniona reguła postępowania po otrzymaniu wyniku.

Przykład przemysłowy:

Czyszczenie kanałów może poprawić przepływ, ale nie rozwiąże problemu, jeżeli główną przyczyną jest geometria narzędzia, niewłaściwa temperatura medium albo uszkodzenie mechaniczne.

Przykład usługowy:

Dodatkowy zespół może zwiększyć przepustowość tylko wtedy, gdy ograniczeniem rzeczywiście jest dostępność wykonawców, a nie oczekiwanie na dane i wielokrotne akceptacje.

7. Opcje i kompromisy

Pytanie kontrolne:

Jakie realistyczne sposoby działania istnieją poza preferowaną ofertą?

Diagnoza projektowana pod jeden produkt nie jest pełna.

Realistyczne opcje mogą obejmować:

• korektę procesu;
• zmianę parametrów;
• szkolenie;
• modernizację obecnego systemu;
• prostszy produkt;
• rozwiązanie wewnętrzne;
• pilotaż;
• odroczenie;
• innego dostawcę;
• pozostanie przy status quo.

Porównanie opcji wymaga również kompromisów:

• szybkość kontra dokładność;
• elastyczność kontra standaryzacja;
• automatyzacja kontra kontrola człowieka;
• CAPEX kontra koszt operacyjny;
• zakres kontra ryzyko wdrożenia;
• lokalna optymalizacja kontra wynik całego systemu.

Przykład zakończony prostszą opcją:

Zakład rozważa zakup systemu monitoringu dla jednej linii. Discovery pokazuje, że problem dotyczy braku spójnego standardu zapisu przestojów, a nie braku danych. Zamiast wdrożenia platformy zespół wprowadza prostą klasyfikację przyczyn i ponownie ocenia potrzebę po sześciu tygodniach.

---

Strefa D — dowody, diagnoza warunkowa i test

8. Dowody i niewiadome

Pytanie kontrolne:

Co wspiera, osłabia albo nadal uniemożliwia ocenę hipotez?

Dowodem może być:

• lokalny pomiar;
• log systemowy;
• obserwacja procesu;
• dokumentacja;
• wypowiedź właściciela procesu;
• niezależna ekspertyza;
• wynik testu;
• dane porównawcze;
• wzorzec z podobnych przypadków.

Nie są to źródła równoważne.

Studium przypadku może uzasadnić pytanie. Nie potwierdza lokalnej przyczyny. Punkt odniesienia może pokazać różnicę. Nie dowodzi, że klient powinien osiągnąć ten sam wynik. Publiczne dane mogą wskazać priorytet. Nie opisują mechanizmu w konkretnym procesie.

Podejście oparte na dowodach łączy najlepsze dostępne dowody, lokalne dane, wiedzę praktyczną i osąd, zamiast opierać decyzję na jednym źródle.²⁶

Dobra mapa utrzymuje trzy kategorie:

• potwierdzone fakty;
• interpretacje i hipotezy;
• niewiadome.

Brak danych nie powinien być automatycznie wypełniany narracją sprzedawcy.

9. Diagnoza warunkowa i poziom pewności

Pytanie kontrolne:

Jakie wyjaśnienie jest obecnie najbardziej użyteczne, pod jakimi warunkami i z jaką pewnością?

Diagnoza warunkowa może przyjąć formę:

Na podstawie [fakty i źródła] najbardziej użytecznym wyjaśnieniem roboczym jest obecnie [mechanizm]. Nadal możliwe pozostaje [konkurencyjne wyjaśnienie], ponieważ [dane lub brak danych]. Ma to znaczenie dla [wynik, decyzja lub ryzyko], jeżeli spełnione są warunki [warunki wykonania]. Poziom pewności oceniamy jako niski, średni albo wysoki w znaczeniu opisowym. Następny ruch powinien sprawdzić [test]. Jeżeli wynik pokaże [warunek zatrzymania], nie rekomendujemy dalszego rozwijania obecnego kierunku.

Poziom pewności nie jest procentem. Powinien odzwierciedlać:

• jakość źródeł;
• zgodność między rolami;
• obecność danych lokalnych;
• siłę alternatywnych wyjaśnień;
• kompetencje osób formułujących wniosek;
• możliwość testu;
• zakres niewiadomych.

Pięć par: słaba diagnoza kontra diagnoza warunkowa

1. Przemysł

Słabo:

Kanały są zanieczyszczone i trzeba je wyczyścić.

Warunkowo:

Spadek przepływu w dwóch obiegach wspiera hipotezę ograniczenia kanałów, ale nie wyklucza problemu z przyłączami albo pompą. Przed rekomendacją czyszczenia potrzebny jest pomiar przepływu w odseparowanym układzie.

2. SaaS

Słabo:

Użytkownicy nie korzystają z systemu, bo interfejs jest nieintuicyjny.

Warunkowo:

Niska liczba logowań może wynikać z interfejsu, ale rozmowy wskazują również, że rekomendacja nie jest częścią formalnego procesu decyzyjnego. Najpierw trzeba rozdzielić problem użyteczności od braku mandatu.

3. Usługi

Słabo:

Zespół jest przeciążony i potrzebuje dodatkowych ludzi.

Warunkowo:

Obciążenie jest wysokie, lecz próbka projektów pokazuje znaczący czas oczekiwania na akceptację i powroty do uzupełnienia. Nie mamy podstaw, aby uznać niedobór wykonawców za główne ograniczenie.

4. Zakup technologii

Słabo:

Klient potrzebuje automatyzacji raportowania.

Warunkowo:

Automatyzacja może ograniczyć pracę ręczną, jeżeli źródła danych są stabilne i raport prowadzi do konkretnej decyzji. Obecnie nie wiadomo, czy raport jest używany po jego przygotowaniu.

5. Transformacja

Słabo:

Organizacja ma silosy i potrzebuje jednej platformy.

Warunkowo:

Różne działy używają niespójnych definicji danych, ale wspólna platforma nie rozwiąże problemu bez właścicieli definicji i zasad uzgadniania zmian. Potrzebny jest najpierw test na jednym przepływie międzyfunkcyjnym.

10. Test rozróżniający lub warunek zatrzymania

Pytanie kontrolne:

Jaki ruch odróżni hipotezy albo pokaże, że dalsze discovery nie ma sensu?

Dobry test ma przynajmniej dwa możliwe wyniki prowadzące do różnych wniosków.

Pięć testów rozróżniających

Test 1 — przepływ chłodziwa

Hipotezy:

• H1: ograniczenie kanału;
• H2: problem z elementem zewnętrznym układu.

Test:

• pomiar przepływu i ciśnienia po odseparowaniu przewodów, złączy i pompy.

Możliwe wyniki:

• ograniczenie pozostaje w narzędziu — H1 zyskuje wsparcie;
• ograniczenie znika — H2 zyskuje wsparcie;
• wyniki są niestabilne — potrzebna jest eskalacja do eksperta dziedzinowego.

Test 2 — niska adopcja rekomendacji

Hipotezy:

• H1: użytkownicy nie ufają jakości danych;
• H2: informacja nie mieści się w rytmie decyzji.

Test:

• przez dwa cykle dostarczyć rekomendację wcześniej, zachowując ten sam model, i rejestrować decyzję użytkownika oraz powód odrzucenia.

Test 3 — przeciążenie zespołu

Hipotezy:

• H1: niedobór zasobów wykonawczych;
• H2: wielokrotne powroty i oczekiwanie.

Test:

• analiza próbki dwudziestu spraw z rozdzieleniem czasu pracy, oczekiwania i poprawek.

Test 4 — automatyzacja raportu

Hipotezy:

• H1: koszt powstaje w ręcznym przygotowaniu;
• H2: raport nie prowadzi do działania, więc automatyzacja przyspieszy niewykorzystywany rezultat.

Test:

• prześledzić trzy ostatnie raporty od przygotowania do decyzji i wskazać rzeczywiste użycie.

Test 5 — problem interfejsu

Hipotezy:

• H1: użytkownik nie potrafi znaleźć funkcji;
• H2: funkcja nie odpowiada realnemu zadaniu.

Test:

• obserwacja wykonania konkretnego scenariusza oraz wywiad po zadaniu; demo funkcji bez scenariusza nie rozróżni hipotez.

Warunek zatrzymania

Discovery należy zatrzymać lub zmienić kierunek, gdy:

• problem nie jest materialny;
• koszt dalszego poznania przewyższa możliwą wartość;
• klient nie posiada mandatu albo nie chce zaangażować potrzebnych ról;
• dane nie są dostępne i nie można zaprojektować proporcjonalnego testu;
• wynik testu osłabia kluczowy mechanizm;
• rozwiązanie dostawcy nie wpływa na istotną przyczynę;
• potrzebna jest kompetencja spoza mandatu zespołu sprzedażowego;
• prostsza opcja wystarcza.

---

Discovery nie powinno być automatycznie rozciągane na cały proces zakupowy. Może jednak wymagać kilku logicznych epizodów.

Epizod 0 — przygotowanie

Przed rozmową zespół:

• zbiera dostępne fakty;
• oznacza źródła;
• zapisuje hipotezę i konkurencyjne wyjaśnienie;
• ustala granice wiedzy;
• wybiera potrzebne role;
• projektuje minimalny rezultat pierwszej rozmowy.

Przygotowanie nie służy stworzeniu gotowej diagnozy. Ma zwiększyć jakość punktu startowego i zdolność adaptacji. Badania adaptive selling wskazują, że skuteczna adaptacja zależy nie tylko od elastyczności, ale również od struktur wiedzy i umiejętności rozpoznawania sytuacji.¹²¹³

Epizod 1 — orientacja i punkt startowy

Strony uzgadniają:

• zadanie;
• zakres;
• sygnał;
• źródło informacji;
• pierwsze różnice w interpretacji.

Ten epizod powinien być poprzedzony wspólną agendą odpowiednią do skali decyzji.²⁷

Epizod 2 — rozdzielenie wyjaśnień

Celem jest:

• nazwanie mechanizmów;
• wskazanie alternatyw;
• pozyskanie informacji unikalnych dla różnych ról;
• zidentyfikowanie danych, które zmienią ocenę.

Epizod 3 — materialność i warunki

Zespół sprawdza:

• czy problem ma znaczenie;
• dla kogo;
• wobec jakiej alternatywy;
• jakie warunki muszą być spełnione;
• jakie kompromisy są akceptowalne.

Epizod 4 — test

Test może obejmować:

• pomiar;
• próbkę danych;
• obserwację procesu;
• demo scenariusza;
• konsultację eksperta dziedzinowego;
• pilotaż;
• porównanie wariantów;
• analizę przypadku granicznego.

Pilotaż nie jest dobrym testem tylko dlatego, że pozwala klientowi „zobaczyć produkt”. Musi mieć kryteria, możliwe wyniki i warunek zatrzymania.

Epizod 5 — diagnoza warunkowa i przekazanie

Strony zapisują:

• co wiadomo;
• czego nie wiadomo;
• która hipoteza jest obecnie najbardziej użyteczna;
• co ją osłabia;
• jakie warunki obowiązują;
• jaki jest następny ruch;
• kto przejmuje odpowiedzialność;
• co zatrzymuje proces.

W Architekturze Rozmowy 10R discovery rozwija przede wszystkim R5 — rzeczywistość klienta i R6 — rozpoznanie mechanizmu, ale korzysta również z R8 — rekapitulacji, R9 — ruchu weryfikacyjnego i R10 — rejestru.⁸

---

Discovery nie poprawia się automatycznie wtedy, gdy klient mówi dłużej. Ilość wypowiedzi nie przesądza o jakości informacji, a cisza sprzedawcy nie dowodzi jeszcze słuchania. W badaniach słuchanie jest ujmowane jako proces obejmujący odbiór, przetwarzanie oraz odpowiedź. W kontekście organizacyjnym ma również granice: uczestnik może słyszeć wypowiedź, lecz nie potrafić połączyć jej z innymi danymi, zakwestionować własnej interpretacji albo odpowiedzialnie zmienić działania.²²⁸

Widocznym śladem słuchania w discovery może być:

• rozdzielenie faktu od interpretacji;
• trafna parafraza, którą klient może skorygować;
• pytanie odróżniające dwa mechanizmy;
• zauważenie sprzeczności bez natychmiastowego jej wygładzenia;
• zmiana hipotezy po nowej informacji;
• rezygnacja z wcześniej planowanej prezentacji;
• eskalacja do eksperta;
• zmiana rekomendacji albo zatrzymanie procesu.

Badanie rzeczywistych spotkań B2B wskazywało, że ujawnianiu informacji przez klientów mogą sprzyjać między innymi przygotowanie sprzedawcy, ekspertyza, odniesienia dopasowane do sytuacji, orientacja na klienta i sygnały życzliwości. Nie oznacza to jednak, że większa otwartość automatycznie daje prawdziwszy obraz albo większą wartość. Klient może ujawniać informacje częściowe, lokalne, nieaktualne lub interpretacyjne.²⁹

Dlatego discovery potrzebuje nie tylko rozmowy, ale również zewnętrznej reprezentacji: roboczej mapy, tabeli hipotez, szkicu procesu, osi czasu albo rejestru faktów i niewiadomych. Badania poznawcze i zespołowe sugerują, że forma reprezentacji może zmieniać sposób rozwiązywania problemu, obniżać koszt utrzymywania wielu elementów w pamięci oraz tworzyć wspólny obiekt, który można poprawiać.³⁰³¹³²

Mapa nie gwarantuje wspólnego rozumienia. Może jedynie ujawnić, że go nie ma. To cenna funkcja.

Przykład:

Kierownik operacyjny mówi, że problemem jest „za długi proces”. Na mapie okazuje się, że dział sprzedaży mierzy czas od zapytania do oferty, operacje od zatwierdzenia do realizacji, a finanse od zamówienia do płatności. Uczestnicy nie spierali się o tę samą miarę. Dopiero zewnętrzna reprezentacja ujawniła lukę.

Wspólne modele mentalne mogą wspierać koordynację, lecz nie wymagają identycznych poglądów.³³ Celem nie jest więc doprowadzenie wszystkich do jednej narracji. Wystarczy, że strony wiedzą:

• gdzie ich reprezentacje są zgodne;
• gdzie się różnią;
• które różnice mają znaczenie;
• jakiego dowodu potrzebują;
• kto posiada mandat do rozstrzygnięcia.

Sposób sformułowania problemu ogranicza przestrzeń rozwiązań

Jeżeli problem zostanie zapisany jako:

Jak wdrożyć automatyzację raportowania?

rozmowa naturalnie przejdzie do narzędzi.

Jeżeli zostanie zapisany jako:

Jak skrócić czas od pojawienia się odchylenia do decyzji osoby odpowiedzialnej?

przestrzeń opcji obejmie również zmianę danych, częstotliwości, roli, reguły eskalacji i samego raportu. Badania nad konstruowaniem problemu i tworzeniem ram pochodzą głównie z pracy zespołowej oraz designu, dlatego nie walidują discovery sprzedażowego. Wspierają jednak ostrożny wniosek, że sposób reprezentacji problemu wpływa na to, jakie rozwiązania w ogóle zostaną zauważone.³⁴³⁵

Techniki wspólnego modelowania mogą pomagać uczestnikom ujawniać perspektywy i korygować obraz pracy, ale nie należy z nich robić obowiązkowego warsztatu dla każdego zakupu.³⁶ Przy P0 szkic procesu byłby zbędnym obciążeniem. Przy P2–P3 może natomiast skrócić serię niespójnych rozmów i pokazać, którego fragmentu rzeczywistości jeszcze nie rozumiemy.

---

Jedna osoba może znać problem bardzo dobrze ze swojej perspektywy i jednocześnie nie posiadać informacji potrzebnych do diagnozy całego mechanizmu.

W organizacji produkcyjnej:

• operator widzi codzienną zmienność;
• technolog zna nastawy i historię prób;
• utrzymanie ruchu zna awarie i ograniczenia urządzeń;
• jakość widzi typy niezgodności;
• controlling zna koszty, ale nie lokalny proces;
• dyrektor operacyjny ocenia wpływ na wynik całego zakładu.

W organizacji SaaS:

• użytkownik zna zadanie;
• administrator zna konfigurację;
• właściciel procesu zna decyzję;
• IT zna dane i integracje;
• sponsor zna oczekiwany wynik;
• dział zgodności zna granice użycia.

Różne funkcje mogą konstruować odmienne reprezentacje tego samego problemu.¹⁶ Nie oznacza to, że jedna rola kłamie. Może odpowiadać na inne pytanie, używać innej jednostki analizy albo chronić inny wynik.

Informacje wspólne dominują

Badania grup wskazują, że podczas dyskusji częściej omawiane bywają informacje znane wielu osobom niż informacje unikalne dla pojedynczych uczestników.¹⁷ Meta-analiza badań zespołowych łączy dzielenie się informacjami z wykonaniem, lecz transfer do sprzedaży wymaga ostrożności.¹⁸

Praktyczny wniosek nie brzmi:

Zaprośmy więcej osób.

Brzmi:

Ustalmy, jaka wiedza jest potrzebna i kto może posiadać informację, której pozostali nie mają.

Trzy sposoby wydobywania unikalnej wiedzy

1. Pytanie o lokalny wyjątek

W jakiej sytuacji ten opis przestaje być prawdziwy?

2. Pytanie o ostatni konkretny przypadek

Co wydarzyło się przy ostatnim projekcie, który przekroczył termin?

3. Pytanie o informację nieobecną w danych zbiorczych

Co operator widzi w procesie, czego nie pokazuje raport miesięczny?

Artykuł Wspólny kontekst rozmowy sprzedażowej rozwija budowanie wspólnego artefaktu oraz jawne oddzielanie faktów, interpretacji, sprzeczności i niewiadomych. D03 używa tych zasad tylko w zakresie potrzebnym do diagnozy.

---

P0 — zakup standardowy

Klient chce kupić przewód do znanego medium i temperatury. Discovery obejmuje:

• potwierdzenie zastosowania;
• sprawdzenie zgodności materiałowej;
• korektę błędnego indeksu;
• dokument zgodności.

Nie potrzeba:

• mapy mechanizmów;
• warsztatu;
• uzasadnienia biznesowego;
• wielu ról;
• pełnej karty.

Wartością jest poprawność i uniknięty błąd.

P1 — konfiguracja i lokalna niepewność

Klient wybiera wariant urządzenia do aplikacji, w której niestabilnie zmienia się wymagany przepływ. Pierwsza interpretacja mówi, że potrzebny jest większy model. Pozostają jednak dwa lokalne wyjaśnienia:

• obecna konfiguracja ma zbyt mały zakres pracy;
• problem wynika z niestabilnego zasilania albo błędnego pomiaru po stronie instalacji.

Discovery może obejmować jedną rozmowę techniczną, dwa scenariusze zastosowania i test parametru. Handlowiec nie próbuje rozstrzygać mechanizmu poza swoim mandatem. Włącza inżyniera aplikacyjnego, który sprawdza dane i wskazuje, że większy wariant nie usunie źródła niestabilności. Sprzedawca jawnie koryguje pierwszą hipotezę i rekomenduje najpierw pomiar zasilania.

P2 — zmiana procesu i istotne ryzyko

Rozwiązanie zmienia sposób pracy zespołu. Discovery wymaga:

• danych lokalnych;
• co najmniej dwóch perspektyw;
• oceny materialności;
• warunków wdrożenia;
• testu rozróżniającego;
• diagnozy warunkowej.

Przykładem może być system planowania, usługa optymalizacji procesu albo inwestycja CAPEX.

P3 — decyzja systemowa lub transformacyjna

Problem obejmuje kilka procesów, zakładów albo funkcji. Discovery jest serią epizodów i może angażować:

• właścicieli procesów;
• użytkowników;
• IT;
• finanse;
• ryzyko;
• ekspertów technicznych;
• wdrożenie.

Przykład: grupa produkcyjna rozważa jeden system planowania dla czterech zakładów. W pierwszym epizodzie sponsor opisuje problem jako brak wspólnego narzędzia. Rozmowy lokalne ujawniają jednak, że zakłady inaczej definiują zamówienie pilne, zdolność i dopuszczalny zapas. Drugi epizod porównuje dane oraz reguły. Trzeci angażuje IT i planistów w odwzorowanie jednego przepływu międzyzakładowego. Czwarty testuje wspólną definicję na ograniczonej grupie produktów. Wynik pokazuje, że system jest potrzebny, ale nie może poprzedzać uzgodnienia reguł. Sprzedawca koryguje hipotezę „braku platformy” na diagnozę warunkową: technologia może wspierać planowanie dopiero po ustaleniu wspólnych obiektów i właścicieli definicji.

D03 nadal nie przejmuje pełnej architektury konsensusu, zmiany, koordynacji zakupu i decyzji należącej do Obszaru E. Jego zadaniem jest dostarczenie wystarczająco dobrej reprezentacji mechanizmu, warunków i dowodów.

---

Przykład przemysłowy: pogarszający się czas cyklu

Sytuacja i zadanie — przykład przemysłowy

Zakład chce ustabilizować czas cyklu na formie wielogniazdowej. W ostatnich tygodniach rośnie różnica między gniazdami, a technolodzy kompensują problem wydłużeniem chłodzenia.

Sygnał — przykład przemysłowy

• wzrost czasu cyklu;
• większa zmienność temperatury detalu;
• problem dotyczy części gniazd;
• informacja pochodzi z raportów procesu i obserwacji technologa.

Hipotezy — przykład przemysłowy

• H1: część kanałów chłodzących ma ograniczony przepływ;
• H2: zmienione nastawy procesu powodują nierównomierne odbieranie ciepła;
• H3: występuje lokalne zużycie albo uszkodzenie narzędzia.

Dane wspierające i osłabiające — przykład przemysłowy

H1 wspiera różnica przepływu między obiegami. Osłabia ją fakt, że problem nasila się po zmianie ustawień.

H2 wspiera korelacja z parametrami procesu. Osłabia ją utrzymująca się różnica przepływu.

H3 pozostaje możliwa, ale brakuje inspekcji.

Informacje unikalne — przykład przemysłowy

• technolog zna historię zmian;
• utrzymanie ruchu zna stan złączy i pompy;
• narzędziownia zna historię napraw;
• dostawca zna typowe mechanizmy ograniczenia przepływu.

Materialność — przykład przemysłowy

Problem jest materialny, ponieważ wpływa na przepustowość oraz stabilność jakości. Nie ma jeszcze podstaw do wyceny efektu ekonomicznego.

Warunki — przykład przemysłowy

Czyszczenie ma sens tylko wtedy, gdy ograniczenie znajduje się w kanałach i nie wynika z uszkodzenia mechanicznego albo elementów zewnętrznych.

Opcje — przykład przemysłowy

• korekta nastaw;
• serwis układu zewnętrznego;
• czyszczenie;
• naprawa narzędzia;
• kombinacja działań.

Diagnoza warunkowa — przykład przemysłowy

Lokalny spadek przepływu wspiera hipotezę ograniczenia części kanałów, ale korelacja z nastawami wskazuje, że problem może być mieszany. Poziom pewności jest średni. Przed rekomendacją czyszczenia należy odseparować układ zewnętrzny, wykonać pomiar przepływu oraz porównać stabilność przy dwóch zestawach parametrów. Jeżeli ograniczenie zniknie po odseparowaniu osprzętu, nie rekomendujemy czyszczenia narzędzia.

Wynik — przykład przemysłowy

Test pokazuje problem z elementem zewnętrznym oraz niewłaściwe ustawienie temperatury medium. Sprzedaż usługi czyszczenia zostaje zatrzymana. Dostawca przekazuje wynik i rekomenduje ponowny pomiar po korekcie.

To jest profesjonalny wynik discovery.

---

Przykład SaaS: prognoza istnieje, ale nie zmienia decyzji

Sytuacja i zadanie — przykład SaaS

Firma wdrożyła narzędzie prognozujące ryzyko odejścia klientów. Model generuje listę kont wysokiego ryzyka, ale zespół customer success rzadko podejmuje działanie.

Sygnał — przykład SaaS

• niski odsetek zadań tworzonych po alercie;
• mała liczba wejść do panelu;
• sponsor uważa, że problemem jest interfejs.

Hipotezy — przykład SaaS

• H1: użytkownicy nie ufają jakości danych;
• H2: alert pojawia się zbyt późno;
• H3: użytkownik nie ma mandatu ani uzgodnionego działania;
• H4: interfejs utrudnia wykonanie zadania.

Dane — przykład SaaS

Rozmowy pokazują, że część użytkowników uważa model za trafny, ale nie wie, co wolno zrobić bez zgody przełożonego. Logi wskazują, że alert jest otwierany, lecz zadanie nie powstaje. To osłabia hipotezę czysto interfejsową.

Informacje unikalne — przykład SaaS

• użytkownik zna realne ograniczenia;
• manager zna mandat;
• data science zna jakość modelu;
• IT zna czas zasilania danych;
• sponsor zna zakładany rezultat.

Materialność — przykład SaaS

Problem jest materialny tylko wtedy, gdy możliwe jest działanie wystarczająco wcześnie i istnieje ścieżka wpływu na retencję.

Warunki — przykład SaaS

• właściciel reakcji;
• dozwolone działania;
• czas reakcji;
• zasilanie danych;
• informacja zwrotna o wyniku.

Test — przykład SaaS

Przez dwa tygodnie alert jest dostarczany wcześniej do wybranej grupy wraz z jedną uzgodnioną regułą działania i mandatem. Rejestrowane są decyzje, powody braku reakcji i ocena trafności.

Diagnoza warunkowa — przykład SaaS

Najbardziej użytecznym wyjaśnieniem jest obecnie brak operacyjnego prawa do działania, wspierany przez rozmowy i logi. Problemy interfejsu oraz jakości danych pozostają możliwe, ale nie tłumaczą całego braku reakcji. Poziom pewności jest średni. Jeżeli grupa z mandatem nadal nie podejmie działań, trzeba ponownie otworzyć hipotezy dotyczące jakości, użyteczności i czasu alertu.

Wynik — przykład SaaS

Test zwiększa liczbę działań bez zmiany interfejsu. Dostawca nie rozpoczyna od projektu UX. Rekomenduje najpierw zmianę procesu i zakresu odpowiedzialności.

---

Przykład usługowy: przeciążenie zespołu eksperckiego

Sytuacja i zadanie — przykład usługowy

Firma usługowa chce skrócić czas realizacji projektów. Dyrektor zakłada, że zespół jest zbyt mały i rozważa outsourcing części pracy.

Sygnał — przykład usługowy

• rosnący backlog;
• przekraczane terminy;
• wysoka liczba nadgodzin;
• skargi klientów na opóźnienia.

Hipotezy — przykład usługowy

• H1: zespół ma za mało zdolności wykonawczej;
• H2: sprawy czekają na akceptacje;
• H3: projekty wracają do uzupełnienia z powodu słabego wejścia do procesu;
• H4: priorytety zmieniają się częściej niż zdolność zespołu.

Test — przykład usługowy

Zespół analizuje próbkę trzydziestu projektów i rozdziela:

• czas pracy eksperckiej;
• czas oczekiwania;
• liczbę poprawek;
• liczbę zmian priorytetu;
• źródło brakujących informacji.

Wynik — przykład usługowy

Większość opóźnienia powstaje w oczekiwaniu i poprawkach. Dodatkowa zdolność przyspieszyłaby jedynie etap wykonawczy, nie cały przepływ.

Diagnoza warunkowa — przykład usługowy

Niedobór zasobów występuje w szczytach, ale nie jest obecnie głównym mechanizmem czasu realizacji. Dane z próbki wskazują na niepełne wejście do procesu i wielokrotne akceptacje. Rekomendujemy najpierw standard wejścia i właściciela akceptacji. Outsourcing należy ponownie ocenić po czterech tygodniach pomiaru.

Wynik handlowy — przykład usługowy

Dostawca nie sprzedaje pełnego outsourcingu. Oferuje mniejszy projekt uporządkowania wejścia do procesu albo rezygnuje, jeżeli nie posiada takiej kompetencji.

---

Pełna Mapa Wspólnej Diagnozy jest zbędna, gdy:

• problem i rozwiązanie są dobrze zdefiniowane;
• zakup jest rutynowy i odwracalny;
• istnieje zatwierdzona specyfikacja;
• nie ma materialnej niepewności;
• dodatkowe dane nie zmienią decyzji;
• klient potrzebuje poprawnej informacji, nie konsultingu;
• koszt rozmowy przewyższa możliwą wartość;
• właściwą odpowiedzią jest samoobsługa albo szybkie potwierdzenie.

Pełne discovery należy również zatrzymać, gdy:

• klient oczekuje bezpłatnego projektu doradczego wykraczającego poza uczciwy presales;
• nie ma zgody na potrzebne dane;
• brakuje kompetencji do bezpiecznej oceny;
• rozmowa wchodzi w obszar prawny, medyczny, podatkowy albo techniczny wymagający licencjonowanego eksperta;
• strony nie potrafią uzgodnić jednostki analizy;
• kolejne pytania tylko powtarzają te same informacje.

Discovery ma tworzyć minimalnie wystarczające rozumienie. Nie ma maksymalizować ilości wiedzy dostawcy o kliencie.

---

1. Pain hunting

Każdy negatywny sygnał jest wzmacniany, dopóki nie uzasadni zakupu.

2. Przesłuchanie

Sprzedawca przechodzi przez listę pytań bez wyjaśnienia celu, syntezy i wartości zwrotnej.

3. Przedwczesne rozwiązanie

Po pierwszym znajomym objawie rozmowa przechodzi do konfiguracji produktu.

4. Pętla potwierdzająca

Pytania służą wyłącznie potwierdzaniu jednej tezy.

5. Jedna rola jako cała organizacja

Perspektywa sponsora zostaje uznana za kompletny opis procesu.

6. Punkt odniesienia jako diagnoza lokalna

Wynik z innej firmy jest przedstawiany jako dowód przyczyny u klienta.

7. Diagnoza bez kontrwyjaśnienia

Nie zapisano żadnej realistycznej alternatywy.

8. Test, który zawsze prowadzi do demo

Niezależnie od danych następnym krokiem jest prezentacja produktu.

9. Discovery theater

Spotkanie wygląda konsultacyjnie, ale jego ukrytym celem jest zebranie pól do CRM.

10. Formularz ważniejszy niż rozmowa

Handlowiec ignoruje nową informację, ponieważ musi zrealizować skrypt.

11. Pełna diagnoza po jednym spotkaniu

Sprzedawca wypowiada stanowczy wniosek bez danych lokalnych i potrzebnych ról.

12. Bezpłatny projekt doradczy bez granic

Presales przejmuje pracę wymagającą płatnego audytu, specjalistycznej odpowiedzialności albo wielotygodniowej analizy.

13. Medykalizacja klienta

Dostawca „diagnozuje chorobę organizacji”, ustawia się ponad klientem i używa języka pozornej obiektywności.

14. Dyskwalifikacja jako kara

Brak budżetu albo decyzji jest traktowany jak wina klienta zamiast informacji o procesie.

15. Nadmiar pytań o hipotetyczne konsekwencje

Sprzedawca wielokrotnie pyta „co się stanie, jeśli nic nie zrobicie?”, mimo że klient nie posiada danych pozwalających wiarygodnie odpowiedzieć.

---

D03 a D04 — wspólny kontekst

D03 odpowiada:

Jak zbudować i testować robocze wyjaśnienie mechanizmu potrzebne do decyzji?

D04 — wspólny kontekst odpowiada:

Jak utworzyć wspólną reprezentację faktów, interpretacji, sprzeczności i niewiadomych między uczestnikami?

D03 korzysta z kontekstu, ale nie przejmuje pełnej metody jego dokumentowania.

D03 a D05 — pytania

D03 określa, jaką funkcję poznawczą trzeba wykonać. Artykuł Jak zadawać pytania, które poprawiają jakość decyzji klienta pokazuje, jak projektować pytania:

• orientujące;
• rozróżniające;
• pogłębiające;
• testujące;
• kontrfaktyczne;
• rekapitulujące.

D03 nie powinien stać się bankiem stu pytań discovery.

D03 a C04 — business acumen

Business acumen pomaga zrozumieć ekonomikę, proces, ryzyko i priorytety oraz tworzyć odpowiedzialne hipotezy. D03 wykorzystuje tę wiedzę do lokalnej diagnozy, ale nie pozwala zamieniać publicznych danych w pewny wniosek o procesie klienta.²⁴

D03 a C05 — insight

Insight może rozszerzyć perspektywę i zmienić kryterium. Nie zastępuje discovery. Powinien zostać wniesiony jako hipoteza albo wzorzec do sprawdzenia, nie gotowa diagnoza.³⁷

D03 a C08 — audyt wartości rozmowy

D03 ocenia jakość wyjaśnienia i testu. Audyt wartości rozmowy handlowej pyta, czy klient rzeczywiście coś zyskał z interakcji.³⁸

D03 a D08 — audyt wykonania

D03 określa logikę wspólnej diagnozy. Audyt Jakości Wykonania Rozmowy pozwala po konkretnym epizodzie sprawdzić, czy pytania, słuchanie, synteza i aktualizacja hipotez rzeczywiście wspierały tę logikę. D08 audytuje wykonanie, nie potwierdza poprawności diagnozy ani wartości dla klienta.

D03 a E00 — architektura decyzji zakupowej

D03 buduje i testuje robocze wyjaśnienie problemu. E00 — Architektura decyzji zakupowej B2B wykorzystuje diagnozę jako jeden z elementów szerszej sieci rozstrzygnięć obejmującej:

• decyzję o zmianie i czasie;
• realistyczne alternatywy;
• role, informacje i mandaty;
• kryteria oraz kompromisy;
• dowody i niewiadome;
• gotowość wykonawczą;
• kontynuację, odroczenie albo zatrzymanie.

D03 dostarcza wejście: diagnozę warunkową, konkurencyjne wyjaśnienia, niepewności i test. E00 nie potwierdza poprawności diagnozy — określa jej funkcję w architekturze decyzji.

---

Po jednej rozmowie nie oceniaj, czy handlowiec „jest dobry w discovery”. Oceń konkretny epizod.

Zadanie w samoocenie

• Czy jednostka analizy była konkretna?
• Czy wiadomo, jaką decyzję lub pracę klient próbował wykonać?
• Czy zakres był proporcjonalny do P0–P3?

Sygnał w samoocenie

• Co było obserwacją, a co interpretacją?
• Kto był źródłem?
• Czy istnieją dane lokalne?

Mechanizm w samoocenie

• Czy nazwano przynajmniej jedno możliwe wyjaśnienie?
• Czy wskazano konkurencyjną hipotezę?
• Czy hipotezy mogą współwystępować?

Perspektywy w samoocenie

• Czy jedna rola została potraktowana jak cała organizacja?
• Kto może posiadać unikalną wiedzę?
• Czy pojawiła się sprzeczność wymagająca zachowania, nie natychmiastowego wygładzenia?

Materialność w samoocenie

• Czy problem ma znaczenie dla decyzji?
• Dla kogo?
• Czy konsekwencja jest faktem, hipotezą czy symulacją?

Warunki w samoocenie

• Co musi być prawdą, aby rozwiązanie zadziałało?
• Jakie zasoby, dane, role i zmiany procesu są potrzebne?
• Czy dostawca ma kompetencje do oceny?

Dowody w samoocenie

• Co wspiera preferowaną hipotezę?
• Co ją osłabia?
• Jakie niewiadome pozostają?

Wniosek w samoocenie

• Czy diagnoza jest warunkowa?
• Czy poziom pewności jest opisany bez fałszywej precyzji?
• Co mogłoby zmienić rekomendację?

Następny ruch w samoocenie

• Czy test rozróżnia hipotezy?
• Czy możliwy jest wynik zatrzymania?
• Czy kolejne spotkanie jest rzeczywiście potrzebne?

---

Warunkowa diagnoza może zostać zniekształcona przez zbyt mocne „ustaliliśmy przyczynę” albo przez hedging, który ukrywa realny osąd. Zasady dopasowania siły twierdzenia, autonomii i warunku rewizji rozwija materiał Język nowoczesnej sprzedaży: słowa, które budują lub niszczą zaufanie.

Gdy przykład z innego klienta ma pomóc wyjaśnić mechanizm albo warunek, powinien pozostać analogią do sprawdzenia, nie lokalnym dowodem. Standard takiego wkładu rozwija Storytelling w sprzedaży B2B: historia zmiany zamiast historii firmy.

---

Przed kolejnym discovery nie zaczynaj od listy pytań.

Zacznij od pięciu zdań:

1. Klient próbuje wykonać...
2. Obserwowany sygnał to...
3. Jednym możliwym mechanizmem jest...
4. Konkurencyjnym wyjaśnieniem jest...
5. Test, który rozróżni oba wyjaśnienia, polega na...

Następnie dopisz:

Jeżeli wynik pokaże [warunek], zmienimy rekomendację albo zatrzymamy proces.

Do pracy operacyjnej wykorzystaj Mapę Wspólnej Diagnozy B2B. Narzędzie zawiera wersję szybką, pełną, zespołową, wieloepizodową, retrospektywę i przegląd managerski bez jednego score’u.

---

Footnotes

1. Ramsey, R. P., & Sohi, R. S. (1997). Listening to Your Customers: The Impact of Perceived Salesperson Listening Behavior on Relationship Outcomes. Journal of the Academy of Marketing Science, 25, 127–137. https://doi.org/10.1007/BF02894348 ↩

2. Drollinger, T., Comer, L. B., & Warrington, P. T. (2006). Development and Validation of the Active Empathetic Listening Scale. Psychology & Marketing, 23, 161–180. https://doi.org/10.1002/mar.20105 ↩ ↩² ↩³

3. Itani, O. S., Goad, E. A., & Jaramillo, F. (2019). Building Customer Relationships While Achieving Sales Performance Results: Is Listening the Holy Grail of Sales? Journal of Business Research, 102, 120–130. https://doi.org/10.1016/j.jbusres.2019.04.048 ↩ ↩²

4. Sweller, J. (1988). Cognitive Load During Problem Solving: Effects on Learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4 ↩

5. Eppler, M. J., & Mengis, J. (2004). The Concept of Information Overload: A Review of Literature from Organization Science, Accounting, Marketing, MIS, and Related Disciplines. The Information Society, 20(5), 325–344. https://doi.org/10.1080/01972240490507974 ↩

6. Tuli, K. R., Kohli, A. K., & Bharadwaj, S. G. (2007). Rethinking Customer Solutions: From Product Bundles to Relational Processes. Journal of Marketing, 71(3), 1–17. https://doi.org/10.1509/jmkg.71.3.001 ↩ ↩²

7. Aarikka-Stenroos, L., & Jaakkola, E. (2012). Value Co-Creation in Knowledge Intensive Business Services: A Dyadic Perspective on the Joint Problem Solving Process. Industrial Marketing Management, 41(1), 15–26. https://doi.org/10.1016/j.indmarman.2011.11.008 ↩ ↩²

8. D00 — Nowoczesna rozmowa sprzedażowa B2B: kompletna architektura. Projekt „Nowoczesna Sprzedaż B2B”. /nowoczesna-sprzedaz-b2b/rozmowa-sprzedazowa/nowoczesna-rozmowa-sprzedazowa-b2b/ ↩ ↩²

9. A03 — Dwa modele sprzedaży: prezentowanie rozwiązania kontra prowadzenie decyzji. Projekt „Nowoczesna Sprzedaż B2B”. /nowoczesna-sprzedaz-b2b/fundamenty/dwa-modele-sprzedazy/ ↩

10. B01 — Czym jest sprzedaż konsultacyjna i czym nie jest. Projekt „Nowoczesna Sprzedaż B2B”. /nowoczesna-sprzedaz-b2b/ekspercka-rola-handlowca/sprzedaz-konsultacyjna/ ↩

11. C01 — Wartość rozmowy sprzedażowej a wartość produktu. Projekt „Nowoczesna Sprzedaż B2B”. /nowoczesna-sprzedaz-b2b/tworzenie-wartosci/wartosc-rozmowy-a-wartosc-produktu/ ↩

12. Weitz, B. A., Sujan, H., & Sujan, M. (1986). Knowledge, Motivation, and Adaptive Behavior: A Framework for Improving Selling Effectiveness. Journal of Marketing, 50(4), 174–191. https://doi.org/10.1177/002224298605000404 ↩ ↩²

13. Spiro, R. L., & Weitz, B. A. (1990). Adaptive Selling: Conceptualization, Measurement, and Nomological Validity. Journal of Marketing Research, 27(1), 61–69. https://doi.org/10.1177/002224379002700106 ↩ ↩²

14. Franke, G. R., & Park, J. E. (2006). Salesperson Adaptive Selling Behavior and Customer Orientation: A Meta-Analysis. Journal of Marketing Research, 43(4), 693–702. https://doi.org/10.1509/jmkr.43.4.693 ↩

15. Clark, H. H., & Brennan, S. E. (1991). Grounding in Communication. In L. B. Resnick, J. M. Levine, & S. D. Teasley (Eds.), Perspectives on Socially Shared Cognition (pp. 127–149). American Psychological Association. https://doi.org/10.1037/10096-006 ↩

16. Cronin, M. A., & Weingart, L. R. (2007). Representational Gaps, Information Processing, and Conflict in Functionally Diverse Teams. Academy of Management Review, 32(3), 761–773. https://doi.org/10.5465/amr.2007.25275511 ↩ ↩²

17. Stasser, G., & Titus, W. (1985). Pooling of Unshared Information in Group Decision Making: Biased Information Sampling During Discussion. Journal of Personality and Social Psychology, 48(6), 1467–1478. https://doi.org/10.1037/0022-3514.48.6.1467 ↩ ↩²

18. Mesmer-Magnus, J. R., & DeChurch, L. A. (2009). Information Sharing and Team Performance: A Meta-Analysis. Journal of Applied Psychology, 94(2), 535–546. https://doi.org/10.1037/a0013773 ↩ ↩²

19. Nickerson, R. S. (1998). Confirmation Bias: A Ubiquitous Phenomenon in Many Guises. Review of General Psychology, 2(2), 175–220. https://doi.org/10.1037/1089-2680.2.2.175 ↩ ↩²

20. Klayman, J., & Ha, Y.-W. (1987). Confirmation, Disconfirmation, and Information in Hypothesis Testing. Psychological Review, 94(2), 211–228. https://doi.org/10.1037/0033-295X.94.2.211 ↩ ↩²

21. Lord, C. G., Lepper, M. R., & Preston, E. (1984). Considering the Opposite: A Corrective Strategy for Social Judgment. Journal of Personality and Social Psychology, 47(6), 1231–1243. https://doi.org/10.1037/0022-3514.47.6.1231 ↩ ↩²

22. Kruglanski, A. W., & Webster, D. M. (1996). Motivated Closing of the Mind: “Seizing” and “Freezing”. Psychological Review, 103(2), 263–283. https://doi.org/10.1037/0033-295X.103.2.263 ↩ ↩²

23. Platt, J. R. (1964). Strong Inference. Science, 146(3642), 347–353. https://doi.org/10.1126/science.146.3642.347 ↩

24. C04 — Business acumen dla handlowców B2B: jak rozumieć biznes klienta bez udawania stratega. Projekt „Nowoczesna Sprzedaż B2B”. /nowoczesna-sprzedaz-b2b/tworzenie-wartosci/business-acumen-handlowca/ ↩ ↩²

25. Terho, H., Haas, A., Eggert, A., & Ulaga, W. (2012). “It’s Almost Like Taking the Sales Out of Selling” — Towards a Conceptualization of Value-Based Selling in Business Markets. Industrial Marketing Management, 41(1), 174–185. https://doi.org/10.1016/j.indmarman.2011.11.011 ↩

26. Rousseau, D. M. (2006). Is There Such a Thing as “Evidence-Based Management”? Academy of Management Review, 31(2), 256–269. https://doi.org/10.5465/amr.2006.20208679 ↩

27. D02 — Agenda pierwszego spotkania sprzedażowego: nowy standard. Projekt „Nowoczesna Sprzedaż B2B”. /nowoczesna-sprzedaz-b2b/rozmowa-sprzedazowa/agenda-pierwszego-spotkania-sprzedazowego/ ↩

28. Yip, J., & Fisher, C. M. (2022). Listening in Organizations: A Synthesis and Future Agenda. Academy of Management Annals, 16(2), 657–679. https://doi.org/10.5465/annals.2020.0367 ↩

29. Niemi, J., & Pullins, E. B. (2021). Tell Me More: How Salespeople Encourage Customer Disclosure. Journal of Business & Industrial Marketing, 36(5), 717–730. https://doi.org/10.1108/JBIM-11-2019-0482 ↩

30. Zhang, J. (1997). The Nature of External Representations in Problem Solving. Cognitive Science, 21(2), 179–217. https://doi.org/10.1207/s15516709cog2102_3 ↩

31. Kirsh, D. (2010). Thinking with External Representations. AI & Society, 25, 441–454. https://doi.org/10.1007/s00146-010-0272-8 ↩

32. Rosen, M. A., Salas, E., Fiore, S. M., Pavlas, D., & Lum, H. C. (2009). Team Cognition and External Representations: A Framework and Propositions for Supporting Collaborative Problem Solving. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. https://doi.org/10.1518/107118109X12524443347111 ↩

33. Mathieu, J. E., Heffner, T. S., Goodwin, G. F., Salas, E., & Cannon-Bowers, J. A. (2000). The Influence of Shared Mental Models on Team Process and Performance. Journal of Applied Psychology, 85(2), 273–283. https://doi.org/10.1037/0021-9010.85.2.273 ↩

34. Reiter-Palmon, R., & Murugavel, V. (2018). The Effect of Problem Construction on Team Process and Creativity. Frontiers in Psychology, 9, 2098. https://doi.org/10.3389/fpsyg.2018.02098 ↩

35. Dorst, K. (2011). The Core of “Design Thinking” and Its Application. Design Studies, 32(6), 521–532. https://doi.org/10.1016/j.destud.2011.07.006 ↩

36. Oppl, S. (2017). Supporting the Collaborative Construction of a Shared Understanding About Work with a Guided Conceptual Modeling Technique. Group Decision and Negotiation, 26, 247–283. https://doi.org/10.1007/s10726-016-9485-7 ↩

37. C05 — Insight-based selling: kiedy informacja staje się użytecznym insightem. Projekt „Nowoczesna Sprzedaż B2B”. /nowoczesna-sprzedaz-b2b/tworzenie-wartosci/insight-based-selling/ ↩

38. C08 — Audyt wartości rozmowy handlowej: jak ocenić, czy klient rzeczywiście coś zyskał. Projekt „Nowoczesna Sprzedaż B2B”. /nowoczesna-sprzedaz-b2b/tworzenie-wartosci/audyt-wartosci-rozmowy-handlowej/ ↩