在B端做运营的人更多是提供支撑的作用，除非核心的技术和产品的岗位以外，都算作是运营岗位

在B端做运营的人更多是提供支撑的作用，除非核心的技术和产品的岗位以外，都算作是运营岗位。像是商务市场，品宣，转化，甚至说包括社区生态的运营都算在整个泛运营领域。而狭义的运营更多负责引流获客的岗位。

而大家重点关注狭义的运营，正是我们接下来要讲到泛运营的重点职责。

因为事实上我们仔细来看B端运营，它的本质无非三个作用。第一获客引流，第二转化和付费，第三复购和续费。

那么它们共同的作用是帮助企业提效，降本和扩大盈利。比如说，你能不能以更低的成本、更快速的拿到大量B端商机线索。以及说，你能不能够在短期内完成客户的转化，还有说，你能不能提高客户产品的生命周期价值，能不能够让他帮你介绍更多同类型的客户进来。

从狭义的B端运营的内容来看的话，它会的重点偏向于获客引流层面。而且我们从B端的业务模式来看，或者说不同的业务的转化，以及说转介绍等等，在不同的业务里面它会有非常差异化的手段和内容。

所以我们不会重点讲后面的东西，更多的是会讲前面怎么样把B端的客户引进来，挖掘更多的商机的线索—-这才是比较通用的手段和技能。

在讲具体的B端获客引流矩阵这一块儿，我需要先跟大家同步我目前运营产品的背景，方便大家后面理解我所说的引流获客的手段。

我运营的产品，它是机器学习的技术框架。全球来说是由谷歌首创的开源技术，但是在国内的话是由微众银行首创的机器学习技术。

它诞生的背景，基于现在人们对数据和隐私保护意识的逐步加强，不管是企业还是个人都非常看重数据的价值。

相信大家也有经常接到营销电话，这里面就存在着非常严重的数据信息泄露的问题，那现在国家和法律的层面，已经对数据的滥用和泄露做出了非常严格的法律的规范。那么企业或者说个人要想把数据的价值进一步释放的话，是应该在合法合规的范围内，但是时候需要怎么做？

联邦学习技术在此背景下诞生了。

它可以做到帮助多个机构在数据不动的情况下，也就是数据不出自己本地库的情况下，进行双方或者说多方的联合建模，从而达到双方运用模型价值却并不共享数据本身的模式。