當前位置:萬佳範文網 >

文祕 >談判技巧 >

中美商務談判禮儀案例

中美商務談判禮儀案例

懂得把握和運用商務禮儀,將會為商務談判的成功奠定基礎,甚至在某些情況下,它可以決定一次商務談判的成功與失敗,下面本站小編整理了中美商務談判禮儀案例,供你閲讀參考。

中美商務談判禮儀案例
中美商務談判禮儀案例

20xx年,兩個美國客户過來中山歐曼科技照明有限公司參觀工廠和展廳。因為這兩個美國客户是大客户,所以副總經理和外貿部經理,主管還有一個業務員,一共4個人,都親自出來迎接他們。那兩個美國客户剛來到公司的時候是中午午飯時間,所以中方的副總經理就有禮貌的問了句:“是中午飯時間了,請問你們想進午餐嗎?”在事先之前,雙方都有了解一下各國文化,中方知道美方比較直接,所以就直接問了要不要先吃午飯。而美方的回答卻説:“不是很餓,隨便。”其實美方客户已經很餓了,就是知道中國人的間接表達關係,所以就委婉的説“隨便”。最後就是美國客户餓着肚子跟着充滿熱情的中方人員參觀了工廠。由於之前的回答令美方感到疑惑,最後還吃了飯不,也不好意思再説一次,所以他們心裏覺得還是直接説比較好。在參觀工廠的時候,其中一個美國客户看到了一張貼錯英文字母的海報,當場就指着那張海報説:“喂,你看,那個海報的英文寫錯了。”當時陪同副總經理在內的還有幾個車間工人,那時候總經理覺得很不滿意,覺得美方客户不給他面子,不給他台階下。那時候,有個業務員就説:“ 本來想換掉的,時間比較匆忙,於是先過來接待你們了。”參觀完了展廳之後,到了價格談判的階段。美國客户直接就問如果他們下一定的訂單,中方能夠給多少折扣。中方抓住美方直接表達和不耐心的性格,外貿部經理就故意間接的説出一堆影響價格因素,沒有直接的給出最終價格,談判持續了大概半個小時,最後是一個美國客户急了,就説:“如果貴方不給出最低價,我們就去找其他廠家。”中方經過協商之後,最終決定先和美方客户去飯店吃飯,在吃飯的時候有敬了那

兩個美國客户很多杯酒,雖然吃飯期間美國客户有問到最低產品價格,但是中方沒有回答,只是一直的和美方敬酒和吃飯。一直到雙方都很醉了才回去。第二天早上,美國客户醒來後就收到了中方副總經理助理髮來的郵件,中方最終答應給美方最低的出廠價。美方雖然摸不着腦袋,但是還是很高興的回國了。

從以上中美商務談判碰撞案例中我們可以很清晰的看到,由於中美思維方式的不同,所以在談判的過程中有很多問題發生。在剛剛來到的OML公司的時候,由於雙方都事先了解一下各自文化,所以美方客户想借用中方間接表達的方式回答了吃午飯問題,本來還以為中方會邀請他們進行午餐,後來中方卻以為美方的直接表達表明他們的意思,就沒有請他們吃午飯。看到了英文字母錯的海報,美國客户直接的就指出了英文字母的錯誤,沒有顧及到副總經理的面子問題,令到場面尷尬。到了談判階段的時候,中方談判人員抓住美國客户直接表達和沒有耐心的性格特點,知道美國客户不會不和他們合作,又為了不失自己的面子,所以最後邀請美方客户進行晚餐,通過傳統的飯局上的談判方式完成最後的談判。從這個例子可以看出,在商務談判中,直接表達的有利方面是語言表達直接,是非分明,讓人直接明白,讓人覺得充滿信心,一方面是可以省時間,二是可以提高辦事效率。但是也有它的弊端:直接表達會表現出很強的攻擊性和好辯性,會傷害到他人的自尊心,因為對方會覺得美國人不給自己面子,這樣往往會使談判陷入困境有時候還會導致談判破產。中國人的間接表達的好處是:委婉,間接的表達方式會讓人覺得對方為自己着想,不容易傷到對方的自尊心,對於敏感的話題又會留有餘地。有時候即使是在談判遇到困境也會讓雙方都有台階下。但是間接表達也有它的弊端:它容易讓外國人不適應,因為外國人很多時候無法真實的領會中國人的態度。有時候就是因為太委婉了,別人不知道説話人的真實想法和要表達什麼。這樣對於商務談判是不利的,很多時候使談判過程變得艱難,甚至導致談判陷入僵局。

商務談判禮儀

一、服飾禮儀

總的要求是樸素大方和整潔,不要求服裝多麼華麗,但一定給人舒適,深沉和活力的感覺,要特別注意選擇適合自己的服裝;

二、談吐禮儀

在一定意義上,商務談判即是交談的過程,所以在該過程中恰當和禮貌的交談能使談判更加順利,有效的進行。

三、迎送禮儀

迎送禮儀也是商務談判中一項基本的禮儀,要確定好迎送的規格,準確掌握來賓抵離的時間,做好接待工作

四、會談禮儀

會談禮儀是商務談判中的一項重要活動。其中有很多重要的細節,例如要確定好會議室的不知情況,注意室內的濕度;要注意客人開始禮貌迎接;要合理安排雙方的主次位置;還有拍照留念是要按主賓次序合理安排。

五、其他禮儀細節

其他禮儀細節包括宴請禮儀,饋贈禮儀和日常禮儀要根據來客的情況,身份注意細節,合理安排。

  • 文章版權屬於文章作者所有,轉載請註明 https://wjfww.com/wenmi/tanpan/v8z9.html
專題