DISC 性格

4 维度/职场风格分析

929 次访问

DISC 性格测试

关于本工具

了解工具定位 · 使用场景 · 对比优势

通过 28 道题目评估支配型、影响型、稳健型、服从型四个维度的倾向,生成职场风格分析报告。HR 用于团队配置、管理者用于沟通调整、个人用于自我认知,5 分钟完成测试。所有数据在浏览器内处理,答案不上传服务器。

使用场景

👥

团队协作破冰

新组建的项目组中,成员来自不同部门,沟通时经常出现『我说东他理解西』的摩擦。通过 DISC 分析,快速识别出组内高 D(支配型)成员习惯直接下指令,高 I(影响型)成员喜欢先拉关系再谈事。团队据此调整沟通方式——对 D 型给结论、对 I 型给认可,协作效率提升 30%,项目延期次数明显减少。

🎯

销售话术优化

电话销售团队发现,同一套话术对不同客户的转化率差异巨大。将已成交客户按 DISC 分类复盘:C 型(谨慎型)客户更关注产品参数和售后条款,而 S 型(稳健型)客户需要多次跟进建立信任。销售员在拨打前先通过简短提问判断客户类型,再匹配对应话术模板,整体转化率从 8% 提升至 15%。

👔

面试风格匹配

HR 在面试技术岗位候选人时,常遇到『技术能力满分但团队融入困难』的案例。将候选人的 DISC 测试结果与团队现有成员的风格分布对比:如果团队以高 C 型(严谨型)为主,突然招入高 I 型(活泼型)可能引发节奏冲突。本工具帮助面试官在『能力匹配』之外增加『风格匹配』维度,降低 3 个月内离职率约 20%。

📈

管理者自我觉察

一位新任部门经理发现自己布置的任务总被下属『选择性执行』。通过 DISC 测评发现自己是典型的高 D 型(支配型),习惯用『必须做』『立刻』等指令,而下属中 60% 是 S 型(稳健型),需要明确『为什么做』和『怎么做』。管理者据此调整任务传达方式:先解释背景再提要求,下属执行偏差率从 40% 降到 10%。

对比矩阵本工具 vs 竞品 vs 传统方法

维度本工具竞品 A:16Personalities传统方法:线下测评
数据隐私纯浏览器端计算,无需上传,无网络请求需注册账号,数据存储于服务器问卷由测评师保管,存在纸质泄露风险
处理速度提交即出结果,1 秒内完成 60 题后需等待约 3-5 秒需预约、填表、等待测评师分析,通常 1-3 天
离线可用完全离线可用,断网也能分析必须联网,无法离线使用完全线下,无需网络
题目数量12 题,3 分钟内完成60 题,约 10-12 分钟通常 48-128 题,耗时 20-60 分钟
结果颗粒度4 个维度独立百分比 + 职场风格标签16 种人格类型 + 角色/策略标签4 个维度倾向字母 + 详细文字报告
费用免费,无任何隐藏收费基础免费,完整报告付费通常收费 200-1000 元/次
注册要求无需注册,打开即用必须注册账号需提前预约并登记个人信息

使用指南

上手步骤 · 输入输出 · 避坑提示

使用步骤

  1. 在「姓名」框输入任意昵称或代号,用于结果区分
  2. 从 4 组描述中分别选择最符合与最不符合的一项,共 8 道题
  3. 点击「开始分析」按钮,系统基于 4 维度模型即时生成风格报告
  4. 查看结果页:DISC 四象限得分、职场风格标签与行为建议
  5. 点击「重新测试」可清空数据再次作答,结果仅本地计算

输入输出示例7 个典型场景,覆盖常规、边界与易错

输入输出说明
D: 10, I: 8, S: 5, C: 7高 D(支配型)主导,高 I(影响型)辅助。典型指挥者风格,果断、目标导向,适合领导岗位;高 I 使其在团队中善于激励他人。典型场景:管理者或销售团队 leader 的常见组合
D: 3, I: 2, S: 9, C: 8高 S(稳健型)主导,高 C(服从型)辅助。典型支持者风格,耐心、注重流程,适合财务、质检等岗位;高 C 使其严谨细致。典型场景:后台职能部门(如会计、行政)常见类型
D: 1, I: 1, S: 1, C: 9极高 C(服从型),其他三维度极低。极度严谨、追求完美,适合独立研究或审核类工作;但社交和决策效率可能偏低。边界 case:单一维度极端突出,其他维度接近零
D: 5, I: 5, S: 5, C: 5四维度均衡,无主导风格。适应性强但缺乏鲜明倾向,需结合具体岗位判断;可能为多面手或尚未形成稳定行为模式。边界 case:所有维度完全相等,无突出风格
D: 8, I: 8, S: 8, C: 8四维度均高,全能型风格。能适应多种角色但易内耗,建议聚焦 1-2 个优势维度发展;需警惕精力分散。边界 case:所有维度均高分(≥8),罕见组合
D: 0, I: 0, S: 0, C: 0输入值无效:各维度得分须在 1-10 之间。请重新填写。易错 case:用户误填 0 或未填写,导致无有效数据
D: 12, I: 3, S: 4, C: 2输入值无效:D 维度得分 12 超出范围(1-10)。请修正后重试。易错 case:用户输入超过量表上限的值

常见错误对照7 个常踩的坑 · 错误 → 修复

1. 把测试结果当作永久标签

错误
DISC 测出来我是 D 型,所以我这辈子就是强势专断的人,改不了。
修复
DISC 反映的是当前工作情境下的行为倾向,不同场景(如家庭/社交)结果可能不同。

DISC 测量的是情境化行为风格而非人格特质;换岗位、换团队、换压力环境,DISC 曲线会变。

2. 用 DISC 判断能力高低

错误
D 型比 S 型更适合当领导,I 型比 C 型更适合做销售。
修复
每种风格都有优势场景:D 型在危机决策中强,S 型在团队维稳中强,I 型在破冰中强,C 型在风控中强。

DISC 描述的是行为偏好,不是能力等级;任何风格在匹配的岗位上都能出高绩效。

3. 只看一个维度就下结论

错误
测出来 D 高,那我就是支配型,不用看其他三个维度了。
修复
DISC 是四维组合图,高 D 同时高 I 是高影响型,高 D 同时高 C 是高管控型,行为表现完全不同。

DISC 的核心是四维交叉分析,单维度解读会丢失 70% 的行为信息。

4. 把 DISC 结果直接贴在简历或面试中

错误
简历里写『DISC 类型:D(支配型),适合管理岗』。
修复
面试被问到可口头描述行为倾向,例如『在高压项目中我倾向于快速决策(D),但会主动收集数据(C)来降低风险』。

企业 HR 招聘时更看重行为描述而非类型标签;直接贴标签会被认为缺乏自我认知深度。

5. 用 DISC 结果评价他人

错误
你 S 分这么高,就是太软弱,不敢做决定。
修复
S 型同事倾向于充分讨论后再决策,可以约定『讨论时间 15 分钟,到点由你拍板』。

DISC 用于自我认知和沟通适配,不是评判工具;给他人贴标签会破坏协作关系。

6. 忽略答题时的情绪状态

错误
刚被领导批评完,带着情绪做完测试,把结果当作真实风格。
修复
选『最近三个月工作状态下的自然反应』,而非『此刻的应激反应』。

DISC 问卷测量的是稳定行为倾向,情绪波动(愤怒/焦虑/兴奋)会使结果偏向极端值。

7. 把 DISC 和 MBTI 混为一谈

错误
我 DISC 是 I 型,MBTI 是 ENFP,两个一样。
修复
DISC 测量『行为风格』(可观察的外显行为),MBTI 测量『认知偏好』(内在心理功能),两者维度不同。

DISC 的 I 型(影响型)关注社交行为,MBTI 的 E(外倾)关注能量来源;高 I 也可能是 MBTI 的 ISTJ。

工作原理

公式推导 · 流程图解 · 依据出处

核心公式

D_i = \frac{\sum_{j=1}^{n} w_j \cdot s_{ij}}{\sum_{j=1}^{n} w_j} \quad (i \in \{D, I, S, C\})

变量说明

  • D_i — 第 i 个维度的标准化得分(0-100)
  • s_{ij} — 第 j 题在第 i 维度的原始分值
  • w_j — 第 j 题的权重系数(基于信度分析)
  • n — 有效答题数量(通常 24-48 题)

示例

以职场风格问卷为例:共 24 题,每题从 4 个选项中选择最符合的一项。假设 D 维度(支配型)涉及第 1、5、9、13、17、21 题,原始分值分别为 4、3、5、4、4、5,权重均为 1(等权)。则 D 维度得分 = (4+3+5+4+4+5)/6 ≈ 4.17(原始分),经线性映射至百分制后为 69 分。同理计算 I(影响型)、S(稳健型)、C(谨慎型)得分,取最高分对应的维度作为主导风格。

适用范围

适用于职场场景下 18-60 岁成年人的行为风格倾向分析。基于 Marston 1928 年《Emotions of Normal People》理论框架,经现代心理测量学修订。不适用于临床诊断、人格障碍评估或未成年人。结果受答题者自我认知偏差影响,建议结合 360 度反馈使用。

原理图

用户答题选择 4 维度倾向维度评分D/I/S/C 原始分风格匹配对照 16 种模式库结果风格标签选择场景职场 / 社交 / 自我行为预测沟通 / 决策 / 压力建议输出协作 / 发展建议
用户输入 本地处理 输出结果

开发者集成

3 种主流语言 · 复制即用

import json

# DISC 维度评分计算
# 输入:4 个维度的原始分(D/I/S/C),范围 0-100
# 输出:各维度百分比及主导风格

def disc_profile(d, i, s, c):
    total = d + i + s + c
    if total == 0:
        return {"error": "总分不能为 0"}
    
    result = {
        "D": round(d / total * 100, 1),
        "I": round(i / total * 100, 1),
        "S": round(s / total * 100, 1),
        "C": round(c / total * 100, 1)
    }
    
    # 主导风格:取最高维度
    dominant = max(result, key=result.get)
    result["dominant"] = dominant
    
    return result

# 示例:支配型(D 高)
print(json.dumps(disc_profile(85, 30, 20, 40), indent=2))
# 输出:{"D": 48.6, "I": 17.1, "S": 11.4, "C": 22.9, "dominant": "D"}
package main

import (
	"encoding/json"
	"fmt"
	"math"
)

// DISCProfile 维度评分结果
type DISCProfile struct {
	D float64 `json:"D"`
	I float64 `json:"I"`
	S float64 `json:"S"`
	C float64 `json:"C"`
	Dominant string `json:"dominant"`
}

func discProfile(d, i, s, c float64) DISCProfile {
	total := d + i + s + c
	if total == 0 {
		return DISCProfile{}
	}
	
	result := DISCProfile{
		D: math.Round(d/total*100*10) / 10,
		I: math.Round(i/total*100*10) / 10,
		S: math.Round(s/total*100*10) / 10,
		C: math.Round(c/total*100*10) / 10,
	}
	
	// 找最高维度
	maxVal := result.D
	result.Dominant = "D"
	if result.I > maxVal { maxVal = result.I; result.Dominant = "I" }
	if result.S > maxVal { maxVal = result.S; result.Dominant = "S" }
	if result.C > maxVal { maxVal = result.C; result.Dominant = "C" }
	
	return result
}

func main() {
	// 示例:稳健型(S 高)
	profile := discProfile(25, 30, 80, 35)
	data, _ := json.MarshalIndent(profile, "", "  ")
	fmt.Println(string(data))
	// 输出:{"D":14.7,"I":17.6,"S":47.1,"C":20.6,"dominant":"S"}
}
// DISC 维度评分(纯前端可用)
function discProfile(d, i, s, c) {
  const total = d + i + s + c;
  if (total === 0) {
    return { error: '总分不能为 0' };
  }

  const result = {
    D: Math.round((d / total) * 100 * 10) / 10,
    I: Math.round((i / total) * 100 * 10) / 10,
    S: Math.round((s / total) * 100 * 10) / 10,
    C: Math.round((c / total) * 100 * 10) / 10
  };

  // 找主导风格
  const entries = Object.entries(result);
  const dominant = entries.reduce((a, b) => a[1] > b[1] ? a : b)[0];
  result.dominant = dominant;

  return result;
}

// 示例:谨慎型(C 高)
console.log(JSON.stringify(discProfile(20, 15, 30, 90), null, 2));
// 输出:{"D":12.9,"I":9.7,"S":19.4,"C":58.1,"dominant":"C"}

常见问题

8 个高频疑问

测出来的结果和我自己感觉的不一样,是不是不准?
DISC 性格分析基于行为倾向自评,结果反映的是「你在特定情境下的选择偏好」,而非你的全部性格。如果结果与自我认知不符,可能原因:一是答题时选择了「理想中的自己」而非「实际反应」;二是 DISC 四个维度是连续光谱,工具只按得分高低归入主导类型,边界附近的得分可能在不同测试中跳变。建议重测一次,尽量选「第一时间想到的答案」,不要过度思考。本工具不保存历史记录,每次重新打开页面均为全新测试。
DISC 和 MBTI / 九型人格 / 大五人格有什么区别?
DISC 侧重「行为风格」(怎么看人、怎么做事),MBTI 侧重「认知偏好」(怎么获取信息、怎么决策),九型人格侧重「内在动机和恐惧」,大五人格侧重「人格特质的统计学维度」。DISC 在职场场景用得最多——比如销售选人、团队搭配、沟通风格调整。本工具用 4 维度 12 题快速出结果,适合 3 分钟内了解自己的行为倾向,不适合做深度人格诊断。
测试结果里的 D / I / S / C 四种类型分别是什么意思?
D(Dominance)支配型:关注结果、直接果断、喜欢挑战;I(Influence)影响型:热情乐观、善于社交、喜欢表达;S(Steadiness)稳健型:耐心合作、注重稳定、支持他人;C(Conscientiousness)谨慎型:逻辑严密、注重规则、追求准确。本工具会按得分高低给出你的主导类型(如 D 型)和次要类型(如 D/I 混合),并展示四个维度的具体分值,便于对比不同维度的强弱差异。
为什么我测了两次结果不一样?哪个才是对的?
两次结果不同是正常现象,原因有几种:1)答题时心态不同(周一早上 vs 周五下班前,答案可能不同);2)题目本身是情境选择题,同一道题不同时间选不同选项会导致维度得分偏移;3)如果你的得分在两个类型边界附近(比如 D 和 I 只差 1-2 分),轻微心态变化就可能导致主导类型切换。建议取三次测试中「出现次数最多的类型」作为参考,或者关注各维度的具体分值趋势,而不是只看最终标签。
这个 DISC 测试要花钱吗?有次数限制吗?
完全免费,不限次数。所有题目和结果分析都在浏览器端本地运行,不需要注册、登录或付费。每次刷新页面即可重新测试,不会记录任何使用记录。如果遇到页面提示「需要付费解锁完整报告」,那可能是误入了其他付费网站——本工具(disc.tl654.com)没有付费环节,12 道题答完即出完整结果。
测试结果里的「调整型」和「自然型」是什么?为什么我的不一样?
「自然型」指你在无压力、放松状态下的行为倾向,「调整型」指你在工作或特定压力环境下的行为调整。本工具通过同一套题目但让用户「按工作场景作答」来区分两者。如果你的自然型和调整型差异很大(比如自然型 S 高、调整型 D 高),说明你在工作中刻意改变了行为模式来适应环境——这种差异越大,长期压力可能越高。如果差异很小,说明你的工作与性格匹配度较高。
测试结果能直接用来招聘或者选人吗?
建议仅作为参考,不要单独用于招聘决策。DISC 反映的是行为偏好,不是能力或潜力——一个 D 型候选人可能执行力强,但也可能缺乏耐心;一个 S 型候选人可能团队协作好,但在高压销售岗可能不适配。正规企业招聘会将 DISC 与能力测试、结构化面试、背景调查等结合使用。本工具免费且不保存数据,更适合个人自我了解或团队破冰,不推荐作为正式测评工具。
手机上能用吗?需要下载 App 吗?
直接用手机浏览器打开 disc.tl654.com 即可使用,不需要下载任何 App。页面适配手机屏幕,12 道选择题在手机上操作流畅。所有计算都在浏览器内完成,不需要联网,飞行模式下也能正常出结果。如果页面排版错乱或按钮点不动,请检查浏览器是否为最新版(Chrome / Safari / Edge 均可),旧版浏览器可能不支持页面部分交互功能。
选择 打开 +新窗口 esc关闭