隨著移動互聯網的快速發展，人們對於基於移動互聯網隨時、隨地、隨身的金融服務需求越來越強烈，以用戶為中心的新型金融服務模式下，誰掌握了用戶資源誰就擁有市場競爭優勢。移動App成為商業銀行開展信用卡業務和拓展服務渠道的重要途徑，也是客戶關係管理和用戶生命週期管理的重要手段。
在中國，信用卡App的發展歷史已有九年之久。早在2010年，招商銀行就推出了國內第一款專門的信用卡App——掌上生活。2011年，中信銀行又緊隨其後發佈獨立的信用卡App——動卡空間。在接下來的數年內，各大銀行紛紛將信用卡業務從傳統的銀行App中剝離出來，發佈了獨立的信用卡App。目前，絕大多數大型的股份制銀行都已經有了自己的信用卡App。獨立的發展和運營信用卡App已經成為了各大銀行所認同的主流趨勢。
根據主場景分析，信用卡App主要需滿足用戶查賬、還款、還款提醒、調額、取現、代金折扣券等需求。功能架構如下：
本文主要根據App的運營場景，從數據的角度出發，結合3A3R方法論，系統的採用數據分析方法對信用卡App運營進行分析。
數據治理
有效的對用戶的數據進行分析，可以發現很多問題。比如說哪些人群在用我們的產品？用戶是否喜歡？用戶是如何使用的？用戶都有什麼特徵？都可以用數據來回答這些問題。產品設計人員可以有針對性的對產品使用情況進行數據分析，瞭解用戶對不同功能的使用，其行為特徵和使用反饋，這樣可以為產品的改進提供很好的方向。
首先我們要了解的是我們的用戶是哪些人群？信用卡App用戶的主要來源是持有該行信用卡的用戶，需要了解我們積累了哪些數據，怎麼才能更有效的使用這些數據。但是大多數銀行現有的數據收集、統計、分析和應用遠遠落後於現在的大數據處理的水平，業務線較多，沒有建立統一的技術架構、數據標準和數據體系，數據分散在不同的業務系統。雖然銀行積累了大量的數據，能反映用戶的資產水平、消費習慣和消費偏好，但在數據的分析和應用、數據的處理和挖掘等方面還處於起步階段。
另外由於種種原因，沒有形成統一的數據平臺，部門與部門之間的信息不對稱，都是基於業務需求進行擴展。明顯的特徵是數據豐富、信息匱乏、數據牢籠和信息孤島現象，缺乏完整的用戶畫像數據、用戶行為數據、用戶交易數據，更不用提內外部數據的整合和優化。因此在做分析之前，需要對現有數據做一些梳理，根據業務需求，建立統一業務口徑，建立寬表，方便分析。
信用卡用戶數據主要有以下幾個維度:
有了數據之後，就可以進行分析了，但是從何入手呢？對不同業務的分析目標也可能不一樣。下面先簡單介紹3A3R運營模型。
3A3R方法論
TalkingData根據多年的App運營經驗，在3A3R方法論基礎上建立起一套完善的指標體系。
現在我們有了數據，也明白了業務需求，可以針對我們的業務目標做相應的分析了。
那麼常見的數據分析方法有哪些? 下面就簡單介紹一下幾種常見的數據分析方法。
數據分析方法
在數據分析和產品、運營優化方面，數據分析方法是其核心，App運營中常見的數據分析方法有以下幾種。
- 埋點分析：只有收集了足夠的基礎數據，才能通過各種分析方法得到需要的分析結果。通過分析用戶行為，對於瀏覽行為和輕度交互行為的點擊按鈕等事件，因其使用頻繁、數據簡單，採用無埋點技術實現自助埋點，即可以提高數據分析的實效性，所需的數據可立即提取，又大量減少技術人員的工作量。
- 用戶分析：運營的核心。常用的分析方法包括：活躍分析、留存分析、用戶分群、用戶畫像、用戶細查等。可將用戶活躍細分為瀏覽活躍、交易活躍等，通過活躍行為的細分，掌握關鍵行為指標；通過用戶行為事件序列、用戶屬性進行分群，觀察分群用戶的訪問、瀏覽、註冊、互動、交易等行為，從而真正把握不同用戶類型的特點，提供有針對性的產品和服務。用戶畫像基於自動標籤系統將用戶完整的畫像描繪清晰，更有力的支撐運營決策。
- 漏斗分析：業務分析的基本模型。最常見的是把最終的轉化設置為某種目的的實現，最典型的就是完成交易。在一個過程中是否發生洩漏，如果有洩漏，我們能在漏斗中看到，並且能夠通過進一步的分析堵住這個洩漏點。是否出現了其他不應該出現的過程，造成轉化主進程受到損害。
- A/B測試：增長黑客的一個主要思想之一，即不要做一個大而全的東西，而是不斷做出能夠快速驗證的小而精的東西。快速驗證該如何驗證呢？主要方法就是A/B測試。模型預測：採用機器學習算法，對各個渠道、資源的推送數據進行分析建模，預測用戶對活動的響應率。聚焦於用戶的動機和行為，瞭解用戶的深層需求和心理。運營人員可以通過不同的模型標籤來精準觸達用戶，實現精細化運營。
- 對比分析：主要是指將兩個相互聯繫的指標數據進行比較，從數量上展示和說明研究對象的規模大小、水平高低、速度快慢等相對數值， 通過相同維度下的指標對比，可以發現和找出業務在不同階段的問題。
下面簡單介紹各種分析方法在3A3R各個運營階段的簡單應用：
1感知
Awareness感知，貫穿App運營中的整個環節，包括通過數據收集與分析、用戶分群、用戶畫像、用戶行為預測、活動設計等來完善用戶經營、產品經營，是數據洞察能力的集中體現。
2獲客
App獲客包括存量用戶、新增用戶和潛在用戶，潛在用戶對信用卡產品有需求，有可能把他們轉變為本銀行信用卡用戶，需要通過精準畫像對用戶識別，通過各種渠道和手段將用戶引入，這部分大都需要引入第三方數據，本文不做詳解。本文主要分析存量用戶和新增用戶。
新增用戶是指近3個月內激活信用卡的用戶，主要來源是信用卡的髮卡渠道。基於用戶行為，對於剛辦理信用卡申請的用戶來說，關心信用卡多久可以申請下來。可以通過短信推送下載App查詢辦卡進度以及後續激活卡片功能。例如對於激活卡片的用戶，我們發現激活後一週內下載App的用戶遠遠多於一週以後下載App的用戶，即時推送App下載可大大提升用戶的註冊量。下圖是某銀行客戶激活開卡後的綁卡情況。
(推送前後用戶綁卡註冊率有大幅度的提升)
對於產品優化，對用戶註冊流程進行漏斗分析，發現用戶在某些環節的漏損嚴重，可進行優化。以下是某銀行信用卡App註冊流程優化。很明顯，用戶在輸入卡號環節漏損十分嚴重，應考慮綁卡在註冊環節是否十分必要，是否可以在用戶成功註冊後再推薦綁卡。而且開放註冊後不僅是持有本行信用卡的用戶才可以註冊，他行或無卡用戶也可以註冊，對這部分用戶也可以進行轉化、推薦辦卡等。
存量用戶指現有的信用卡持卡用戶，需要把現有的用戶通過場景再造為用戶提供價值，將這些用戶從其他渠道遷移到App上，可以通過App的特性把握用戶的消費行為、瞭解用戶的需求，提供更加針對性的服務。
形狀大小表示用戶佔比，顏色越深註冊響應率越高
通過上圖可以對用戶進行畫像，對用戶做到精細化運營
3活客
提升用戶活躍就是最大化佔有用戶時間，使用戶成為產品的忠實用戶。用戶活躍的指標主要有DAU(日活躍用戶數)、WAU(周活躍用戶數)、MAU(月活躍用戶數)。主要通過註冊、綁卡、使用等行為發放各種積分、禮券和獎勵，來鼓勵用戶經常使用，同時提高用戶行為深度，做大用戶轉化率的規模。積分到期禮品兌換活動目前在行業內是一個非常流行的一個活動，不管對拉新還是獲客等都有很好的效果，讓用戶真切體會到積分所帶來的實際效益。下圖是某行積分到期活動的一個推送效果的響應情況。
多次推送，強化用戶心理，保護用戶的既得利益，用戶響應率越來越高。那麼對用戶的活動推送是不是次數越多越好呢？顯然不是，積分到期更像是提醒功能，過期不候，而一般的推送達不到這個效果。以下也是上述銀行對其營銷活動如折扣券、現金券等的一個推送情況。
可以看出，除了第一二次推送有較好效果外，隨著推送的次數增多，其響應率越來越低。隨著推送次數增多，給用戶的一個假想就是這種優惠一直有很多，而自己如果沒有這些特定的需求(折扣券、優惠券一般都有特定的合作商家)，一般都不會理會。因此要找準用戶的需求，瞭解用戶想要什麼、什麼時候需要是非常重要的，力求在3次推送以內能觸動用戶，降低營銷成本。運營類消息推送必須根據用戶的、渠道、活躍度等數據對用戶進行分群，從數據中去提煉用戶的需求和使用場景，對不同的用戶群體推送不同的內容。一個實用的方法就是對用戶的基礎屬性數據、交易數據以及一些行為數據建立模型，挖掘用戶的需求。
4留存
獲取一個新用戶的成本是保留一個老用戶成本的5倍，解決用戶活躍度的問題以後，如何讓用戶留存下來是非常重要的。用戶留存率指標主要是次日留存、7日留存、14日留存等。信用卡App作為金融工具類產品，不需要每天啟動，不是高頻使用的產品，可以使用周留存率或者月留存率分析。用戶留存主要指用戶從不穩定轉化到活躍、穩定登錄到忠實使用產品的過程。
用戶成長體系，是一種讓用戶自我驅動成長的手段，是留存用戶或者讓用戶產生收益的一個重要方法。目前各個信用卡App都有積分體系，用戶可以通過消費、每日簽到、活動互動等獲取積分。積分系統是一個輔助性的系統，是用戶對產品發生行為之後的產物，而不是刺激用戶對產品發生行為。它承擔的最大的使命就是“增加用戶離開的成本”，包括物質成本、時間成本和心理成本，以確保用戶的活躍、留存。
下圖是某銀行用戶積分體系的一個分析，可以看出，無積分使用和無積分餘額的用戶的留存很低，但是這樣的用戶比重較大。迅速定位原因，主要是積分活動需要報名，而且大部分用戶對積分的存在是一個為無感知狀態。而對於提高用戶對積分感知，瞭解積分所帶來的好處也是促活和留存的一大助力。
5收益
銀行信用卡的收入模式主要是通過利息收入、分期手續費、商戶回佣、年費、滯納金、取現手續費等組成，通過對用戶的需求分析，可以得出用戶所處在的不同生命週期具有不同的金融需求，提升收入需要針對用戶不同的生命週期階段，採用不同服務策略，滿足用戶需求。
首先是產品優化，對用戶在App上的分期、購買行為下單路徑埋點，分析用戶在轉化過程中的每個步驟，分析每個環節的漏損情況，優化訂單流程。轉化路徑太長，可能會導致用戶的流失，但是也不是越短越好，這樣可能會忽略用戶的某些需求。
其次是用戶運營，通過用戶的使用行為數據，對不同的群體制定不同的運營策略，比如年輕的白領一族，年齡較小，總體收入水平一般，對物質需求較多，理財知識不足，對分期的需求比較強；還有就是高端人士，理財意識強，為避免突然出現的大額消費打亂投資節奏，降低生活上過多現金需求的壓力，把大部分資金用於投資，在自己的證券、黃金等投資還處於上行階段的時候，通過信用卡分期付款，來提高個人資金整體收益。以上這些可以基於對業務理解通過簡單的統計分析獲取，在對業務理解不夠的情況下可以通過模型分析預測，歸納業務邏輯闡述。
6自傳播
自傳播是基於產品、營銷、人物、時間等自身的吸引力，引導用戶自願將App分享給身邊的親朋好友，帶動起社交圈朋友使用App，新用戶獲取成本低，且用戶對App的認可度高，有助於提高產品的轉化率。是信用卡App運營策略中的重要一環。
有了用戶數據、運營方法論和科學的分析方法，那麼如何更加高效的運營產品呢？答案是運營分析平臺。
數據分析好幫手：TalkingData移動統計分析平臺
TalkingData根據其強有力的數據支撐，根據多年為金融行業提供解決方案的經驗，歸納整理，開發出一套基於3A3R理論，建立比較完善的指標體系的統計分析運營平臺。
01優化廣告渠道，提升廣告的ROI
利用統計分析平臺的數據，企業可以瞭解客戶主要從哪些應用商店下載App，可以加大對這些渠道的投入，降低App獲客成本，提高數字廣告ROI。另外結合外部數據，企業可以瞭解哪些渠道的引流效果好、帶來的ROI高，優化企業移動廣告上面的投入。
02判斷用戶流失原因
統計分析平臺可以在每個點擊頁面埋點、收集數據。例如某個產品從進入App頁面到購買需要5個步驟，如果大量都客戶流失都出現在第五個步驟，說明其產品設計有問題，客戶在最後一刻決定不購買產品。如果大量的客戶都流失在第二個步驟，說明App用戶體驗有問題，客戶不願意更進一步去了解產品。
03找到價值最大的用戶群體
企業最喜歡忠誠度高並且價值高的用戶，統計分析平臺可以利用數據，幫助企業找到活躍度高、交易價值高的客戶群。企業需要為他們單獨定製產品，單獨進行營銷，服務好他們。企業擁有高價值、高忠誠度的用戶越多，企業就會更容易從經營產品轉向經營客戶，利用經營客戶獲得更多的利潤。
04規劃App中產品的營銷位置和生命週期
移動App方寸之地，哪個產品排在App的首頁、排在顯著位置，對產品的轉化率影響較大。利用統計分析平臺的自定義事件，企業可以瞭解哪些產品的點擊率高，用戶增長快，產品轉化率高，給企業創造的價值大。企業可以依據數據分析，安排不同產品在App內部展示的欄位以及展示的時間。統計分析平臺的產品分析數據，可以幫助企業進行科學決策，實現精細化運營產品。確保企業在移動App側產品運營的最大收益。
05依據數據分析，精準推送活動
用戶的活躍時間和活躍程度，對於廣告App內部廣告推送效果有較大影響。統計分析平臺的數據可以告訴企業，用戶在哪個時段比較活躍，在這個時段推出廣告，效果會很好。統計分析平臺也可以告訴企業App的活躍情況，一旦用戶活躍程度下降，企業應該利用數據找到原因，推出促銷廣告，激活用戶。
移動統計分析平臺的商業應用場景很多，包括A/B測試、用戶生命週期管理、產品ROI測算、產品生命週期管理、渠道優化等，移動統計分析平臺正在成為數字化運營App的必備工具。
經過長期的行業沉澱，TalkingData在信用卡App運營的領域已經建立起一套完整的解決方案。基於領先的移動統計分析平臺，與銀行業共同探索數字化轉型的道路、推動商業銀行智能化應用的發展。
閱讀更多 TalkingData 的文章
