获客+促活+留存，如何用数据优化信用卡App运营？

随着移动互联网的快速发展，人们对于基于移动互联网随时、随地、随身的金融服务需求越来越强烈，以用户为中心的新型金融服务模式下，谁掌握了用户资源谁就拥有市场竞争优势。移动App成为商业银行开展信用卡业务和拓展服务渠道的重要途径，也是客户关系管理和用户生命周期管理的重要手段。

在中国，信用卡App的发展历史已有十年。早在2010年，招商银行就推出了国内第一款专门的信用卡App——掌上生活。2011年，中信银行又紧随其后发布独立的信用卡App——动卡空间。在接下来的数年内，各大银行纷纷将信用卡业务从传统的银行App中剥离出来，发布了独立的信用卡App。目前，绝大多数大型的股份制银行都已经有了自己的信用卡App。独立的发展和运营信用卡App已经成为了各大银行的共识。

根据主场景分析，信用卡App主要需满足用户查账、还款、还款提醒、调额、取现、代金折扣券等需求。功能架构如下：

本文主要根据App的运营场景，从数据的角度出发，结合3A3R方法论，系统的采用数据分析方法对信用卡App运营进行分析。

数据治理

有效的对用户的数据进行分析，可以发现很多问题。比如说哪些人群在用我们的产品？用户是否喜欢？用户是如何使用的？用户都有什么特征？都可以用数据来回答这些问题。产品设计人员可以有针对性的对产品使用情况进行数据分析，了解用户对不同功能的使用，其行为特征和使用反馈，这样可以为产品的改进提供很好的方向。

首先我们要了解的是我们的用户是哪些人群？信用卡App用户的主要来源是持有该行信用卡的用户，需要了解我们积累了哪些数据，怎么才能更有效的使用这些数据。但是大多数银行现有的数据收集、统计、分析和应用远远落后于现在的大数据处理的水平，业务线较多，没有建立统一的技术架构、数据标准和数据体系，数据分散在不同的业务系统。虽然银行积累了大量的数据，能反映用户的资产水平、消费习惯和消费偏好，但在数据的分析和应用、数据的处理和挖掘等方面还处于起步阶段。

另外由于种种原因，没有形成统一的数据平台，部门与部门之间的信息不对称，都是基于业务需求进行扩展。明显的特征是数据丰富、信息匮乏、数据牢笼和信息孤岛现象，缺乏完整的用户画像数据、用户行为数据、用户交易数据，更不用提内外部数据的整合和优化。因此在做分析之前，需要对现有数据做一些梳理，根据业务需求，建立统一业务口径，建立宽表，方便分析。

信用卡用户数据主要有以下几个维度:

有了数据之后，就可以进行分析了，但是从何入手呢？对不同业务的分析目标也可能不一样。下面先简单介绍3A3R运营模型。

3A3R方法论

TalkingData根据多年的App运营经验，在3A3R方法论基础上建立起一套完善的指标体系。

现在我们有了数据，也明白了业务需求，可以针对我们的业务目标做相应的分析了。

那么常见的数据分析方法有哪些? 下面就简单介绍一下几种常见的数据分析方法。

数据分析方法

在数据分析和产品、运营优化方面，数据分析方法是其核心，App运营中常见的数据分析方法有以下几种。

1

埋点分析

INTRODUCE

只有收集了足够的基础数据，才能通过各种分析方法得到需要的分析结果。通过分析用户行为，对于浏览行为和轻度交互行为的点击按钮等事件，因其使用频繁、数据简单，采用无埋点技术实现自助埋点，即可以提高数据分析的实效性，所需的数据可立即提取，又大量减少技术人员的工作量。

2

用户分析

INTRODUCE

运营的核心。常用的分析方法包括：活跃分析、留存分析、用户分群、用户画像、用户细查等。可将用户活跃细分为浏览活跃、交易活跃等，通过活跃行为的细分，掌握关键行为指标；通过用户行为事件序列、用户属性进行分群，观察分群用户的访问、浏览、注册、互动、交易等行为，从而真正把握不同用户类型的特点，提供有针对性的产品和服务。用户画像基于自动标签系统将用户完整的画像描绘清晰，更有力的支撑运营决策。

3

漏斗分析

INTRODUCE

业务分析的基本模型。最常见的是把最终的转化设置为某种目的的实现，最典型的就是完成交易。在一个过程中是否发生泄漏，如果有泄漏，我们能在漏斗中看到，并且能够通过进一步的分析堵住这个泄漏点。是否出现了其他不应该出现的过程，造成转化主进程受到损害。

4

A/B测试

INTRODUCE

增长黑客的一个主要思想之一，即不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证该如何验证呢？主要方法就是A/B测试。

5

模型预测

INTRODUCE

采用机器学习算法，对各个渠道、资源的推送数据进行分析建模，预测用户对活动的响应率。聚焦于用户的动机和行为，了解用户的深层需求和心理。运营人员可以通过不同的模型标签来精准触达用户，实现精细化运营。

6

对比分析

INTRODUCE

主要是指将两个相互联系的指标数据进行比较，从数量上展示和说明研究对象的规模大小、水平高低、速度快慢等相对数值， 通过相同维度下的指标对比，可以发现和找出业务在不同阶段的问题。

下面简单介绍各种分析方法在3A3R各个运营阶段的简单应用：

感知

Awareness感知，贯穿App运营中的整个环节，包括通过数据收集与分析、用户分群、用户画像、用户行为预测、活动设计等来完善用户经营、产品经营，是数据洞察能力的集中体现。

获客

新增用户是指近3个月内激活信用卡的用户，主要来源是信用卡的发卡渠道。基于用户行为，对于刚办理信用卡申请的用户来说，关心信用卡多久可以申请下来。可以通过短信推送下载App查询办卡进度以及后续激活卡片功能。例如对于激活卡片的用户，我们发现激活后一周内下载App的用户远远多于一周以后下载App的用户，即时推送App下载可大大提升用户的注册量。下图是某银行客户激活开卡后的绑卡情况。

(推送前后用户绑卡注册率有大幅度的提升)

对于产品优化，对用户注册流程进行漏斗分析，发现用户在某些环节的漏损严重，可进行优化。以下是某银行信用卡App注册流程优化。很明显，用户在输入卡号环节漏损十分严重，应考虑绑卡在注册环节是否十分必要，是否可以在用户成功注册后再推荐绑卡。而且开放注册后不仅是持有本行信用卡的用户才可以注册，他行或无卡用户也可以注册，对这部分用户也可以进行转化、推荐办卡等。

存量用户指现有的信用卡持卡用户，需要把现有的用户通过场景再造为用户提供价值，将这些用户从其他渠道迁移到App上，可以通过App的特性把握用户的消费行为、了解用户的需求，提供更加针对性的服务。

形状大小表示用户占比，颜色越深注册响应率越高

通过上图可以对用户进行画像，对用户做到精细化运营

活客

提升用户活跃就是最大化占有用户时间，使用户成为产品的忠实用户。用户活跃的指标主要有DAU(日活跃用户数)、WAU(周活跃用户数)、MAU(月活跃用户数)。主要通过注册、绑卡、使用等行为发放各种积分、礼券和奖励，来鼓励用户经常使用，同时提高用户行为深度，做大用户转化率的规模。积分到期礼品兑换活动目前在行业内是一个非常流行的一个活动，不管对拉新还是获客等都有很好的效果，让用户真切体会到积分所带来的实际效益。下图是某行积分到期活动的一个推送效果的响应情况。

多次推送，强化用户心理，保护用户的既得利益，用户响应率越来越高。那么对用户的活动推送是不是次数越多越好呢？显然不是，积分到期更像是提醒功能，过期不候，而一般的推送达不到这个效果。以下也是上述银行对其营销活动如折扣券、现金券等的一个推送情况。

可以看出，除了第一二次推送有较好效果外，随着推送的次数增多，其响应率越来越低。随着推送次数增多，给用户的一个假想就是这种优惠一直有很多，而自己如果没有这些特定的需求(折扣券、优惠券一般都有特定的合作商家)，一般都不会理会。因此要找准用户的需求，了解用户想要什么、什么时候需要是非常重要的，力求在3次推送以内能触动用户，降低营销成本。运营类消息推送必须根据用户的、渠道、活跃度等数据对用户进行分群，从数据中去提炼用户的需求和使用场景，对不同的用户群体推送不同的内容。一个实用的方法就是对用户的基础属性数据、交易数据以及一些行为数据建立模型，挖掘用户的需求。

留存

获取一个新用户的成本是保留一个老用户成本的5倍，解决用户活跃度的问题以后，如何让用户留存下来是非常重要的。用户留存率指标主要是次日留存、7日留存、14日留存等。信用卡App作为金融工具类产品，不需要每天启动，不是高频使用的产品，可以使用周留存率或者月留存率分析。用户留存主要指用户从不稳定转化到活跃、稳定登录到忠实使用产品的过程。

用户成长体系，是一种让用户自我驱动成长的手段，是留存用户或者让用户产生收益的一个重要方法。目前各个信用卡App都有积分体系，用户可以通过消费、每日签到、活动互动等获取积分。积分系统是一个辅助性的系统，是用户对产品发生行为之后的产物，而不是刺激用户对产品发生行为。它承担的最大的使命就是“增加用户离开的成本”，包括物质成本、时间成本和心理成本，以确保用户的活跃、留存。

下图是某银行用户积分体系的一个分析，可以看出，无积分使用和无积分余额的用户的留存很低，但是这样的用户比重较大。迅速定位原因，主要是积分活动需要报名，而且大部分用户对积分的存在是一个为无感知状态。而对于提高用户对积分感知，了解积分所带来的好处也是促活和留存的一大助力。

收益

银行信用卡的收入模式主要是通过利息收入、分期手续费、商户回佣、年费、滞纳金、取现手续费等组成，通过对用户的需求分析，可以得出用户所处在的不同生命周期具有不同的金融需求，提升收入需要针对用户不同的生命周期阶段，采用不同服务策略，满足用户需求。

首先是产品优化，对用户在App上的分期、购买行为下单路径埋点，分析用户在转化过程中的每个步骤，分析每个环节的漏损情况，优化订单流程。转化路径太长，可能会导致用户的流失，但是也不是越短越好，这样可能会忽略用户的某些需求。

其次是用户运营，通过用户的使用行为数据，对不同的群体制定不同的运营策略，比如年轻的白领一族，年龄较小，总体收入水平一般，对物质需求较多，理财知识不足，对分期的需求比较强；还有就是高端人士，理财意识强，为避免突然出现的大额消费打乱投资节奏，降低生活上过多现金需求的压力，把大部分资金用于投资，在自己的证券、黄金等投资还处于上行阶段的时候，通过信用卡分期付款，来提高个人资金整体收益。以上这些可以基于对业务理解通过简单的统计分析获取，在对业务理解不够的情况下可以通过模型分析预测，归纳业务逻辑阐述。

自传播

自传播是基于产品、营销、人物、时间等自身的吸引力，引导用户自愿将App分享给身边的亲朋好友，带动起社交圈朋友使用App，新用户获取成本低，且用户对App的认可度高，有助于提高产品的转化率。是信用卡App运营策略中的重要一环。

有了用户数据、运营方法论和科学的分析方法，那么如何更加高效的运营产品呢？答案是运营分析平台。

数据分析好帮手

TalkingData应用统计分析平台

TalkingData根据其强有力的数据支撑，根据多年为金融行业提供解决方案的经验，归纳整理，开发出一套基于3A3R理论，建立比较完善的指标体系的统计分析运营平台。

01

优化广告渠道，提升广告的ROI

利用统计分析平台的数据，企业可以了解客户主要从哪些应用商店下载App，可以加大对这些渠道的投入，降低App获客成本，提高数字广告ROI。另外结合外部数据，企业可以了解哪些渠道的引流效果好、带来的ROI高，优化企业移动广告上面的投入。

02

判断用户流失原因

统计分析平台可以在每个点击页面埋点、收集数据。例如某个产品从进入App页面到购买需要5个步骤，如果大量都客户流失都出现在第五个步骤，说明其产品设计有问题，客户在最后一刻决定不购买产品。如果大量的客户都流失在第二个步骤，说明App用户体验有问题，客户不愿意更进一步去了解产品。

03

找到价值最大的用户群体

企业最喜欢忠诚度高并且价值高的用户，统计分析平台可以利用数据，帮助企业找到活跃度高、交易价值高的客户群。企业需要为他们单独定制产品，单独进行营销，服务好他们。企业拥有高价值、高忠诚度的用户越多，企业就会更容易从经营产品转向经营客户，利用经营客户获得更多的利润。

04

规划App中产品的营销位置和生命周期

移动App方寸之地，哪个产品排在App的首页、排在显著位置，对产品的转化率影响较大。利用统计分析平台的自定义事件，企业可以了解哪些产品的点击率高，用户增长快，产品转化率高，给企业创造的价值大。企业可以依据数据分析，安排不同产品在App内部展示的栏位以及展示的时间。统计分析平台的产品分析数据，可以帮助企业进行科学决策，实现精细化运营产品。确保企业在移动App侧产品运营的最大收益。

05

依据数据分析，精准推送活动

用户的活跃时间和活跃程度，对于广告App内部广告推送效果有较大影响。统计分析平台的数据可以告诉企业，用户在哪个时段比较活跃，在这个时段推出广告，效果会很好。统计分析平台也可以告诉企业App的活跃情况，一旦用户活跃程度下降，企业应该利用数据找到原因，推出促销广告，激活用户。

移动统计分析平台的商业应用场景很多，包括A/B测试、用户生命周期管理、产品ROI测算、产品生命周期管理、渠道优化等，移动统计分析平台正在成为数字化运营App的必备工具。

经过长期的行业沉淀，TalkingData在信用卡App运营的领域已经建立起一套完整的解决方案。基于领先的移动统计分析平台，与银行业共同探索数字化转型的道路、推动商业银行智能化应用的发展。

金融App如何提升用户留存和粘性？

大屏影响力：数据可视化“跨界”助力银行全面数字化转型

大促不断，信用卡App如何吸引并留住「尾款人」？

TalkingData——用数据说话

每天一篇好文章，欢迎分享关注

↓↓↓点这里，免费获得应用统计分析能力

或联系我们获取定制化服务