获客+促活+留存,如何用数据优化信用卡App运营?

TalkingData
企业专栏
热度: 12690
做好用户运营,赢得竞争优势

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,系统地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:


信用卡有了数据之后,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。

信用卡现在我们有了数据,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。

  • 埋点分析: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。
  • 用户分析: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。
  • 漏斗分析: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。
  • A/B测试: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。
  • 模型预测: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。
  • 对比分析: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

App获客包括存量用户、新增用户和潜在用户,潜在用户对信用卡产品有需求,有可能把他们转变为本银行信用卡用户,需要通过精准画像对用户识别,通过各种渠道和手段将用户引入,这部分大都需要引入第三方数据,本文不做详解。本文主要分析存量用户和新增用户。

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。

信用卡(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。

信用卡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。

信用卡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。

信用卡多次推送,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。

信用卡可以看出,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。

信用卡收益

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。

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。

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。

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。

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。

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。

声明:本文为入驻“火星号”作者作品,不代表火星财经官方立场。
转载请联系网页底部:内容合作栏目,邮件进行授权。授权后转载时请注明出处、作者和本文链接。 未经许可擅自转载本站文章,将追究相关法律责任,侵权必究。
提示:投资有风险,入市须谨慎,本资讯不作为投资理财建议。
免责声明:作为区块链信息平台,本站所提供的资讯信息不代表任何投资暗示,本站所发布文章仅代表个人观点,与火星财经官方立场无关。鉴于中国尚未出台数字资产相关政策及法规,请中国大陆用户谨慎进行数字货币投资。
语音技术由科大讯飞提供

评论0