隨著移動網際網路的快速發展，人們對於基於移動網際網路隨時、隨地、隨身的金融服務需求越來越強烈，以使用者為中心的新型金融服務模式下，誰掌握了使用者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使用者生命週期管理的重要手段。
在中國，信用卡App的發展歷史已有十年。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釋出獨立的信用卡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，釋出了獨立的信用卡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的共識。
根據主場景分析，信用卡App主要需滿足使用者查賬、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，從資料的角度出發，結合3A3R方法論，系統地採用資料分析方法對信用卡App運營進行分析。
資料治理有效的對使用者的資料進行分析，可以發現很多問題。比如說哪些人群在用我們的產品？使用者是否喜歡？使用者是如何使用的？使用者都有什麼特徵？都可以用資料來回答這些問題。產品設計人員可以有針對性的對產品使用情況進行資料分析，瞭解使用者對不同功能的使用，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使用者是哪些人群？信用卡App使用者的主要來源是持有該行信用卡的使用者，需要了解我們積累了哪些資料，怎麼才能更有效的使用這些資料。但是大多數銀行現有的資料收集、統計、分析和應用遠遠落後於現在的大資料處理的水平，業務線較多，沒有建立統一的技術架構、資料標準和資料體系，資料分散在不同的業務系統。雖然銀行積累了大量的資料，能反映使用者的資產水平、消費習慣和消費偏好，但在資料的分析和應用、資料的處理和挖掘等方面還處於起步階段。
另外由於種種原因，沒有形成統一的資料平臺，部門與部門之間的資訊不對稱，都是基於業務需求進行擴充套件。明顯的特徵是資料豐富、資訊匱乏、資料牢籠和資訊孤島現象，缺乏完整的使用者畫像資料、使用者行為資料、使用者交易資料，更不用提內外部資料的整合和最佳化。因此在做分析之前，需要對現有資料做一些梳理，根據業務需求，建立統一業務口徑，建立寬表，方便分析。
信用卡使用者資料主要有以下幾個維度：
有了資料之後，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。
現在我們有了資料，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。
那麼常見的資料分析方法有哪些? 下面就簡單介紹一下幾種常見的資料分析方法。
資料分析方法在資料分析和產品、運營最佳化方面，資料分析方法是其核心，App運營中常見的資料分析方法有以下幾種。
埋點分析：只有收集了足夠的基礎資料，才能透過各種分析方法得到需要的分析結果。透過分析使用者行為，對於瀏覽行為和輕度互動行為的點選按鈕等事件，因其使用頻繁、資料簡單，採用無埋點技術實現自助埋點，即可以提高資料分析的實效性，所需的資料可立即提取，又大量減少技術人員的工作量。使用者分析：運營的核心。常用的分析方法包括：活躍分析、留存分析、使用者分群、使用者畫像、使用者細查等。可將使用者活躍細分為瀏覽活躍、交易活躍等，透過活躍行為的細分，掌握關鍵行為指標；透過使用者行為事件序列、使用者屬性進行分群，觀察分群使用者的訪問、瀏覽、註冊、互動、交易等行為，從而真正把握不同使用者型別的特點，提供有針對性的產品和服務。使用者畫像基於自動標籤系統將使用者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定為某種目的的實現，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，並且能夠透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，造成轉化主程序受到損害。A/B測試：增長駭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：採用機器學習演算法，對各個渠道、資源的推送資料進行分析建模，預測使用者對活動的響應率。聚焦於使用者的動機和行為，瞭解使用者的深層需求和心理。運營人員可以透過不同的模型標籤來精準觸達使用者，實現精細化運營。對比分析：主要是指將兩個相互聯絡的指標資料進行比較，從數量上展示和說明研究物件的規模大小、水平高低、速度快慢等相對數值， 透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：
感知Awareness感知，貫穿App運營中的整個環節，包括透過資料收集與分析、使用者分群、使用者畫像、使用者行為預測、活動設計等來完善使用者經營、產品經營，是資料洞察能力的集中體現。
獲客App獲客包括存量使用者、新增使用者和潛在使用者，潛在使用者對信用卡產品有需求，有可能把他們轉變為本銀行信用卡使用者，需要透過精準畫像對使用者識別，透過各種渠道和手段將使用者引入，這部分大都需要引入第三方資料，本文不做詳解。本文主要分析存量使用者和新增使用者。
新增使用者是指近3個月內啟用信用卡的使用者，主要來源是信用卡的髮卡渠道。基於使用者行為，對於剛辦理信用卡申請的使用者來說，關心信用卡多久可以申請下來。可以透過簡訊推送下載App查詢辦卡進度以及後續啟用卡片功能。例如對於啟用卡片的使用者，我們發現啟用後一週內下載App的使用者遠遠多於一週以後下載App的使用者，即時推送App下載可大大提升使用者的註冊量。下圖是某銀行客戶啟用開卡後的綁卡情況。
(推送前後使用者綁卡註冊率有大幅度的提升)
對於產品最佳化，對使用者註冊流程進行漏斗分析，發現使用者在某些環節的漏損嚴重，可進行最佳化。以下是某銀行信用卡App註冊流程最佳化。很明顯，使用者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，是否可以在使用者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使用者才可以註冊，他行或無卡使用者也可以註冊，對這部分使用者也可以進行轉化、推薦辦卡等。
存量使用者指現有的信用卡持卡使用者，需要把現有的使用者透過場景再造為使用者提供價值，將這些使用者從其他渠道遷移到App上，可以透過App的特性把握使用者的消費行為、瞭解使用者的需求，提供更加針對性的服務。
形狀大小表示使用者佔比，顏色越深註冊響應率越高透過上圖可以對使用者進行畫像，對使用者做到精細化運營
活客提升使用者活躍就是最大化佔有使用者時間，使使用者成為產品的忠實使用者。使用者活躍的指標主要有DAU(日活躍使用者數)、WAU(周活躍使用者數)、MAU(月活躍使用者數)。主要透過註冊、綁卡、使用等行為發放各種積分、禮券和獎勵，來鼓勵使用者經常使用，同時提高使用者行為深度，做大使用者轉化率的規模。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，讓使用者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，強化使用者心理，保護使用者的既得利益，使用者響應率越來越高。那麼對使用者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，給使用者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，瞭解使用者想要什麼、什麼時候需要是非常重要的，力求在3次推送以內能觸動使用者，降低營銷成本。運營類訊息推送必須根據使用者的、渠道、活躍度等資料對使用者進行分群，從資料中去提煉使用者的需求和使用場景，對不同的使用者群體推送不同的內容。一個實用的方法就是對使用者的基礎屬性資料、交易資料以及一些行為資料建立模型，挖掘使用者的需求。
留存獲取一個新使用者的成本是保留一個老使用者成本的5倍，解決使用者活躍度的問題以後，如何讓使用者留存下來是非常重要的。使用者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。使用者留存主要指使用者從不穩定轉化到活躍、穩定登入到忠實使用產品的過程。
使用者成長體系，是一種讓使用者自我驅動成長的手段，是留存使用者或者讓使用者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，使用者可以透過消費、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，是使用者對產品發生行為之後的產物，而不是刺激使用者對產品發生行為。它承擔的最大的使命就是“增加使用者離開的成本”，包括物質成本、時間成本和心理成本，以確保使用者的活躍、留存。
下圖是某銀行使用者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使用者的留存很低，但是這樣的使用者比重較大。迅速定位原因，主要是積分活動需要報名，而且大部分使用者對積分的存在是一個為無感知狀態。而對於提高使用者對積分感知，瞭解積分所帶來的好處也是促活和留存的一大助力。
收益銀行信用卡的收入模式主要是透過利息收入、分期手續費、商戶回佣、年費、滯納金、取現手續費等組成，透過對使用者的需求分析，可以得出使用者所處在的不同生命週期具有不同的金融需求，提升收入需要針對使用者不同的生命週期階段，採用不同服務策略，滿足使用者需求。
首先是產品最佳化，對使用者在App上的分期、購買行為下單路徑埋點，分析使用者在轉化過程中的每個步驟，分析每個環節的漏損情況，最佳化訂單流程。轉化路徑太長，可能會導致使用者的流失，但是也不是越短越好，這樣可能會忽略使用者的某些需求。
其次是使用者運營，透過使用者的使用行為資料，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；還有就是高階人士，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，透過信用卡分期付款，來提高個人資金整體收益。以上這些可以基於對業務理解透過簡單的統計分析獲取，在對業務理解不夠的情況下可以透過模型分析預測，歸納業務邏輯闡述。
自傳播自傳播是基於產品、營銷、人物、時間等自身的吸引力，引導使用者自願將App分享給身邊的親朋好友，帶動起社交圈朋友使用App，新使用者獲取成本低，且使用者對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。
有了使用者資料、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。
最佳化廣告渠道，提升廣告的ROI：利用統計分析平臺的資料，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。另外結合外部資料，企業可以瞭解哪些渠道的引流效果好、帶來的ROI高，最佳化企業移動廣告上面的投入。
找到價值最大的使用者群體：企業最喜歡忠誠度高並且價值高的使用者，統計分析平臺可以利用資料，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、高忠誠度的使用者越多，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。
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選率高，使用者增長快，產品轉化率高，給企業創造的價值大。企業可以依據資料分析，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資料，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。
依據資料分析，精準推送活動：使用者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。統計分析平臺的資料可以告訴企業，使用者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，一旦使用者活躍程度下降，企業應該利用資料找到原因，推出促銷廣告，啟用使用者。
移動統計分析平臺的商業應用場景很多，包括A/B測試、使用者生命週期管理、產品ROI測算、產品生命週期管理、渠道最佳化等，移動統計分析平臺正在成為數字化運營App的必備工具。