1. 运营策略
流量经营在商业上，战略层面考虑变现，战术层面考虑营销，执行层面考虑运营。最核心的商业逻辑是，要满足客户的需求。
基于数据科学，当自上向下，对成熟确定的业务用KPI拆分，对创新多变的业务用OKR拆分，可以智能化的分配到每一个执行团队的PBC。营销策略以后细说，此处对过去几年牵头的数据运营略作复盘。
传统BI时代的数据运营，涉及量化模型包括：响应率、销售提升、留存、客户净现值、客户生命周期、风险。目前智能化运营主要遵循的范式是AARRR和RARAA。前者从获客、激活、留存、变现以及裂变角度出发，打运动战，部分新业务打游击战，是增量为核心的运营。后者要素不变，但从留存开始，到再激活、裂变、变现、再获客，打阵地战，是存量为核心的运营。
具体到执行层的运营团队，主要工作：一是维护触达体系，二是使用触达体系达到业务目标。对第二点，围绕金融流量MAU、AUM等战略层指标，在具体实施中，一是智能运营，可理解为IPA，直接通过AI数据产品+RPA实现业务目的，二是数据运营，基于数据洞察，人工通过业务中台配置运营策略。
理论上，智能运营实施可完全由相应AI中台支撑，但AI中台也要配置对应运营团队维护。AI运营团队规模不用很大，每个数据产品初期配置8-10人的团队即可，包括推荐系统、搜索系统、程序化广告交易系统。AI运营团队和AI研发团队是两拨人，前者是运营团队的一部分，后者是数据科学团队。
常见商行触达体系的AI赋能情况如下所示。触达是客户、公司的互动过程，在信息量有最低要求的前提下，一方的被动是以另一方的主动为代价的。客户的主动性从大到小排序是：网点，PC，APP，公域广告，电话。客户主动性越大，客群总量越小，人工相对可覆盖，智能化主要起辅助作用，做感知、认知，分流低价值业务。反之从APP开始，智能化应该开始起主导作用，侧重提供决策。
- APP类移动互联网私域
- 客户相对被动的推送、导航场景：推荐系统
- 客户相对主动的搜索场景：搜索系统
- 客户高度主动的问答场景：对话机器人
- 门户、网银、社区、邮件等PC端私域流量体系：类似APP
- 公域广告，包括依附于公域平台的伪私域：程序化广告
- 电话、短信等远程银行体系：智能客服、智慧短信
- 网点等线下体系：智能终端
2. 需配置较大规模运营团队的数据运营策略
数据运营，需专业团队围绕按KPI或OKR拆分的PBC来工作。依据的数据洞察来自BI或AI类数据产品输出，通常整合到带运营功能的业务中台，方便按图索骥。
团队设置基本上遵循权责一致。团队权限包括，一是触点维护权限，二是营销费用权限。前者要侧重考虑流量协同，APP的触点、旅程间，媒体矩阵内，互相循环，形成相对稳定的流量生态。后者要侧重考虑流量变现，特别是金融企业，不是纯粹互联网企业，花团锦族但暂时不挣钱的商业模式在金融企业不成立，因难以从资本市场通过叙事融资。
前述团队设置主要搞存量的运营，对于增量的运营，通常搞柔性团队落地，试试增量逻辑是否行得通，稳定了可转化为固定团队。柔性团队的特点：一是权限多，既能管触点，又能搞费用，但责任也重，要试着跑通AARRR的全流程；二是部门内的数据科学团队要积极参与，因为现存中台一般满足不了新场景，跨部门的业务团队要积极参与，因为搞不清金融供给侧如何协同能搞定增量的流量。
具体策略方向上：触点维护权限对应的业务策略是，搞好UED和物料库，物料包括APP功能、金融产品、金融资讯、权益活动；营销经费权限对应的业务策略是，搞好公域投放，主要是对高价值流量的购买，中低价值流量有程序化广告交易系统去搞，搞好具体的权益、活动，严监管下直接发钱一般不行，要打造吸引客户的壳，把经济利益给到目标流量。
数据科学团队，提供给运营团队的数据洞察能力
- 触达体系洞察，服务触点维护团队
- UED优化：漏斗转化+转移矩阵+AB测试
- KYC和KYP的汇总洞察
- KYC：客户识别、营销时机、营销触点、营销线索（行为分析、偏好画像）、流失预警、生命周期、价值预估、需求分析、获益分析、关系网络
- KYP：产品触达分析、产品差异化定价分析、产品差异化补贴分析
