รูปแบบการกระตุ้นทางอ้อมของ NLP
รูปแบบการเรียกข้อมูลทางอ้อมมีประโยชน์มากในการรับคำตอบเฉพาะทางโดยอ้อมโดยไม่ต้องขอคำตอบนั้น ใน Meta Model เราจะกำหนดขอบเขตข้อมูลที่ส่งถึงเราในฐานะผู้ฟังให้สมบูรณ์ที่สุดเท่าที่จะเป็นไปได้ ซึ่งตรงกันข้ามกับ Milton Model กล่าวอีกนัยหนึ่ง ในฐานะที่เราเป็นผู้ปฏิบัติ NLP หรือผู้ปฏิบัติหลัก เราจะวางแผนผลลัพธ์ของเราได้ดีมาก ในขณะที่การเรียกข้อมูลโดยตรงอาจส่งผลให้เกิดการต่อต้านหรืออำนาจได้มาก แต่ใน NLP รูปแบบการเรียกข้อมูลทางอ้อมจะช่วยให้คุณทำให้การสื่อสารนุ่มนวลลงได้ การใช้รูปแบบดังกล่าวจะส่งผลให้เกิดคำตอบทางอ้อมตามที่ต้องการ กล่าวอีกนัยหนึ่ง คุณกำลังขอผลลัพธ์โดยไม่ทำให้เห็นได้ชัดว่าคุณกำลังขอผลลัพธ์และมีผลลัพธ์ตามที่ต้องการ สนุกใช่ไหมล่ะ
ความคลุมเครือของเครื่องหมายวรรคตอน NLP
ใน NLP ความคลุมเครือของเครื่องหมายวรรคตอนหรือประโยคภาษาสยามเป็นส่วนหนึ่งของแบบจำลองมิลตัน ความคลุมเครือของเครื่องหมายวรรคตอนนั้นตรวจจับได้ยากกว่าชุดก่อนหน้าเล็กน้อยในรูปแบบการเรียกข้อมูลทางอ้อม ความคลุมเครือของเครื่องหมายวรรคตอนนั้นระบุได้จากการที่คุณใช้ลำดับของคำซึ่งเป็นผลจากการทับซ้อนกันของประโยคโครงสร้างพื้นผิวสองประโยคที่สร้างขึ้นอย่างดีซึ่งใช้คำหรือวลีร่วมกัน กล่าวอีกนัยหนึ่ง ให้ใช้ประโยคสองประโยค โดยประโยคหนึ่งลงท้ายด้วยคำเดียวกับประโยคที่สองเริ่มต้น ตัวอย่างเช่น ประโยคแรก: “ฉันต้องการให้คุณสังเกตมือของคุณ” และประโยคที่สอง: “ส่งแก้วมาให้ฉัน” ทีนี้ก็มาถึงเคล็ดลับ ให้ประโยคที่หนึ่งและสองเป็นประโยคเดียว แล้วลบ “มือ” ออกจากประโยคที่สอง คุณจะได้ “ฉันต้องการให้คุณสังเกตมือของคุณให้ฉันดูแก้ว” ง่ายใช่ไหมล่ะ
คำถามฝัง NLP
ฉันอยากรู้ว่าคุณอยากเรียนรู้อะไรจากการอ่านโพสต์บล็อกนี้ ใน NLP คำถามแบบฝังตัวเป็นวิธีที่มีประสิทธิภาพในการถามคำถามอย่างลับๆ เพื่อให้ได้คำตอบ และผู้ฟังไม่รู้ว่าคำถามนั้นไม่ได้ถูกถามโดยตรง ดังนั้น ตอนนี้ฉันสงสัยว่าคุณอยากเรียนรู้อะไรต่อไป? โดยพื้นฐานแล้ว เทคนิคนี้จะลงเอยที่การที่ผู้ฟังหรือผู้รับข้อความนี้ไม่ได้ปฏิเสธคำถาม เนื่องจากคำถามนั้นถูกฝังอยู่ในคำกล่าวเกี่ยวกับความอยากรู้ของผู้พูด ทฤษฎีเกี่ยวกับรูปแบบการชักจูงทางอ้อมและโดยเฉพาะอย่างยิ่งเกี่ยวกับคำถามแบบฝังตัวนั้นเรียนรู้ได้ง่ายมาก ฉันสงสัยว่าตอนนี้คุณจะฝึกฝนเทคนิคนี้มากแค่ไหน
ความคลุมเครือทางวากยสัมพันธ์ของ NLP
ใน NLP ความคลุมเครือทางวากยสัมพันธ์นั้นคลุมเครือเกินคาดและไม่ "ปฏิบัติตามกฎ" มีการหยุดชั่วคราวที่ไม่เหมาะสม ประโยคที่ยืดยาว และประโยคที่ไม่สมบูรณ์ ทั้งหมดนี้ทำให้ผู้ฟังต้อง "อ่านใจ" ในที่สุด "ส่งนาฬิกามาให้ฉัน ... คุณเข้าสู่ภวังค์เร็วแค่ไหน" ดังนั้น ความคลุมเครือทางวากยสัมพันธ์จึงเป็นกรณีที่ไม่สามารถระบุหน้าที่ (ทางวากยสัมพันธ์) ของคำได้ทันทีจากบริบทโดยตรง นำกริยากรรมมาเติม "ing" ต่อท้ายและวางไว้ก่อนคำนาม
ความคลุมเครือของขอบเขต NLP
ใน NLP Scope Ambiguity เป็นส่วนหนึ่งของ Milton Model ความคลุมเครือของ Scope นั้นสังเกตได้ง่าย ลองดูตัวอย่างต่อไปนี้ “พวกเขาไปกับผู้ชายและผู้หญิงที่มีเสน่ห์” มีแต่ผู้ชายที่มีเสน่ห์เท่านั้นหรือ ผู้ชายและผู้หญิงที่มีเสน่ห์เท่านั้นหรือ กล่าวอีกนัยหนึ่ง ขอบเขตของการอ้างอิงในประโยคตัวอย่างนี้ไม่ชัดเจนเลย ทำให้มีช่องว่างสำหรับการตีความ และเช่นเดียวกับรูปแบบการเรียกข้อมูลทางอ้อมจำนวนมาก โปรดทราบว่าส่วนนี้โดยเฉพาะ ความคลุมเครือของ Scope มีผลเช่นเดียวกัน สมองจำเป็นต้องคิดและเชื่อมโยงกับสภาพแวดล้อมเพื่อวางข้อมูลทั้งหมดในบริบทที่ถูกต้อง กล่าวอีกนัยหนึ่ง เราทำให้สมองเสียสมาธิเล็กน้อยเพื่อให้เรารับข้อมูลอื่นเข้ามาได้ ชีวิตของคุณในฐานะนักปฏิบัติ NLP จะง่ายได้แค่ไหน
ความคลุมเครือทางสัทศาสตร์ของ NLP
In NLP Phonological Ambiguity is best described as words that sound the same but have a different meaning. Utilising Phonological Ambiguities forces the brain to think for a moment. It needs to interpret the context of the sentence and place the ambiguity of the Phonological Ambiguity in the right context. As a result the sender of the message made the receiver of it think for a second or so. Take the following example sentence: “I watch you which maybe is a good thing.”. Several things happen in this sentence. Let’s do a little bit of dissecting this sentence. I can be Eye. Watch can be looking or relate to a clock. Which can relate to a Choice or a Female Wizard.
โมเดล NLP มิลตัน
แบบจำลอง NLP Milton คุณกำลังจะได้ค้นพบสิ่งที่ทำให้ Milton Erickson กลายเป็นตำนานในยุคปัจจุบัน และคุณกำลังจะได้ค้นพบว่าแบบจำลอง NLP Milton ทรงพลังเพียงใด สนุกกับการอ่านและฝึกฝน! ก่อนที่เราจะเจาะลึกรูปแบบภาษาอันมหัศจรรย์ของ Erickson มาตอบคำถามนี้กันก่อนว่า: "Milton Erickson เป็นใคร"
การทำเครื่องหมายอะนาล็อก NLP
ใน NLP Analogue Marking ไม่จำเป็นต้องเกี่ยวข้องกับรูปแบบภาษามากนัก แต่ขึ้นอยู่กับว่าคุณใช้เสียงของคุณอย่างไร จากประสบการณ์ของเรา การควบคุมเสียงของคุณอย่างเต็มที่นั้นไม่เสียหาย เพราะจะทำให้คุณนำข้อความของเราไปยังลูกค้าได้ง่ายขึ้นและราบรื่นขึ้น เทคนิคหลายอย่างที่เราอธิบายไว้ในบล็อกโพสต์ก่อนหน้านี้จะมีประสิทธิภาพมากขึ้นเมื่อคุณใช้ Analogue Marking Analogue Marking หมายถึงการแยกคำสั่งออกจากส่วนที่เหลือหรือประโยคด้วยพฤติกรรมอนาล็อกที่ไม่ใช่กริยา
สมมติฐานการสนทนา NLP
เคยมีใครถามคุณว่า “คุณรู้ไหมว่าตอนนี้กี่โมงแล้ว” ไหม แล้วคุณก็บอกเวลาที่แน่นอนกับเขาด้วย ยินดีต้อนรับสู่ Conversational Postulates ของ NLP คำตอบที่สมเหตุสมผลที่สุดสำหรับคำถามนี้คือ ใช่ หรือ ไม่ Conversational Postulates มักจะกระตุ้นให้เกิดการตอบสนอง มากกว่าคำตอบตามตัวอักษร ดังนั้น คุณช่วยยกตัวอย่าง Conversational Postulates เพิ่มเติมให้ฉันอีกได้ไหม ฉันคิดว่าคุณทำได้ ขึ้นอยู่กับว่าคุณให้คำตอบหรือคำตอบตามตัวอักษรมากกว่ากัน คุณกำลังอ่านสิ่งนี้อยู่หรือเปล่า
คำสั่งฝังตัว NLP
ใน NLP คำสั่งแบบฝังจะใช้แทนการให้คำแนะนำโดยตรง ผู้ปฏิบัติ NLP จะฝังคำสั่งไว้ในโครงสร้างประโยคที่ใหญ่กว่า ตอนนี้คุณเริ่มจินตนาการถึงพลังของคำสั่งแบบฝังได้แล้ว โดยเฉพาะอย่างยิ่งตอนนี้ที่คุณสามารถเริ่มผ่อนคลายและเรียนรู้เพิ่มเติมได้ คำสั่งแบบฝังมักใช้ในโครงสร้างประโยคที่ใหญ่กว่าเพื่อให้พูดได้ราบรื่นและสง่างามยิ่งขึ้น ผู้ฟังจะไม่รับรู้คำสั่งที่ได้รับอย่างมีสติ
English 
ไทย 