RFM分析とは？顧客分析に役立つ3つの指標や手順・メリットを解説

RFM分析は、マーケティングの成果を高めるデータ分析の1つで、顧客をグループ分けする分析手法です。

なんとなくRFM分析という言葉は知っているものの「どういった分析ができるか詳しく分からない」「RFM分析を進める手順が分からない」という方も多いのではないしょうか。

そこでこの記事では、RFM分析の概要から具体的な作業手順、行うメリットまで、はじめてRFM分析に取り組む人にとって必要な情報をまとめています。

RFM分析とは？「3つの指標を使った顧客分析」

RFM分析とは、小売店のPOSデータなどから得られる、顧客ごとのRecency（最終購入日）、Frequency（購入頻度）、Monetary（購入金額）の情報を用いた分析手法です。 3つの観点で顧客をグループ化し、分析結果に基づいて改善施策を検討します。

Recency（最終購入日）

Recency（最終購入日）は、顧客ごとに現時点までの最終購入日を求めたものです。例えば、小売店などでは、同じ顧客が日用品などを購入するため繰り返し来店し買い物をします。 その中で、直近に商品を購入した顧客のほうが、それ以前に購入した顧客よりもマーケティング上は重要です。そのため、Recencyを計測し、現在からの日数をもとにランク分けして分析します。

※上記の表は、過去1年の購入回数が上位1/3までに入る場合H、2/3までに入る場合M、それ以下をLとフラグ付けしています

Frequency（購入頻度）

Frequency（購入頻度）は、一定期間内における来店回数です。あまり購入しない顧客よりも、頻繁に購入する顧客のほうが、データとしても重要です。そのため、一定期間内の購入回数でランク分けして分析します。

※上記の表は、過去1年の購入回数が上位1/3までに入る場合H、2/3までに入る場合M、それ以下をLとフラグ付けしています

Monetary（合計金額）

Monetary（合計金額）は、同じ顧客が購入した合計金額です。過去1年など、期間を絞ることもあります。購入金額が多い顧客のデータほど重要になるため、合計金額でランク分けして分析します。

※上記の表は、過去1年の購入金額が上位1/3までに入る場合H、2/3までに入る場合M、それ以下をLとフラグ付けしています
RFM分析では、これら3つの要素を個別に検討し、組み合わせのパターンごとにどのような顧客で、どのようなアクションが有効かを検討します。

RFM分析のメリット

RFM分析は、マーケティング施策を検討するうえで多くのメリットがあり、広く活用されています。ここでは、代表的なメリットを紹介します。

有効な施策の判断がしやすい

R, F, Mそれぞれの指標で顧客をグループ化することで、自社の顧客の特徴が把握でき、それぞれに対する施策の判断がしやすいということです。 例えば、R, F, Mすべてが高い優良顧客には、その状態を維持するための施策を、F, Mは高いがRが低い (最近購入していない) 顧客には離反を防ぐための施策を、と対象ごとに具体的な施策が検討できます。

コスト削減に繋がる

すべての顧客に対して何度も施策を実施するよりも、ターゲットを絞り込んで実施した方が投資対効果は高くなります。マーケティングを施策する対象者を具体的に特定できるため、コストの削減にも繋がります。 また、施策自体も、R, F, Mのいずれかを高めると目標が明確になるため、実施後の効果検証がしやすくなります。

RFM分析の主な手順

ここからは、RFM分析の具体的な手順を紹介していきます。

① 仮説を立てて目的を明確化

最初に、RFM分析に取り組む理由を明確にしましょう。現在、ビジネスにおいて何が課題となっているのか、RFM分析を行うことでその課題がどのように解決できそうか、というイメージを整理します。
例えば、ECサイトにおいて、「リピーターを獲得できていない」という課題がある場合、「自社の魅力やコンセプトを訴求できていない」といった仮説を立案します。
そして、実際にRecencyやFrequencyを分析することで、自社の顧客の何割がリピーターなのかを把握する、リピーターになった顧客の特徴を整理するといった目的を設定します。

② 分析に必要なデータを収集

仮説と分析の目的が定まったら、分析のためのデータを収集します。RFM分析のためには、最低限以下の3つのデータが必要です。

• 顧客を特定するID (会員番号など)
• 購入日時
• 購入金額

これらは、POSシステムやECサイトのデータベースから抽出します。なお、会員情報は、すでに登録している顧客でも、登録したことを忘れて再登録してしまい、同一人物が二重に登録されていることがあります。正確な分析を行うためにも、データの管理を適切に行う必要があります。

③ 指標がどこに分布しているかの確認

データを取得したら、Recency, Frequency, Monetaryのそれぞれの指標について集計作業を行います。また、一般に集計結果を基準に基づいてラベル付けします。この基準は、業種、業態、取り扱っている商品によって変わってきますので、自分たちのビジネスにおいて適切なものを設定しましょう。

※上記の表は、ラベル付け基準の例です

④ 改善施策の立案・実行・効果測定

続いて、実際にRFM分析を行い、顧客の特徴を把握したり、グループ化します。グループには、例えば優良顧客、安定顧客、休眠顧客、新規顧客といったものがあります。 他にも年齢や性別などの情報を付加し、より具体的なペルソナを作成して分析することもあります。 グループ分けが完了したら、それぞれのグループごとにマーケティング施策を立案し、実行します。この時、施策の実施前後での変化を計測し、効果検証を行うことが重要です。

RFM分析の活用に有効な場面

ここまで、RFM分析の基本的な考え方と手順を解説しました。次に、具体的な活用例を紹介します。

顧客のランク分けを行う場合

先述のとおり、顧客を優良顧客、安定顧客などに分類し、それぞれのグループごとに施策を検討、実施することはマーケティングの投資対効果を高めるうえで重要です。 グループごとに効果的な施策は変わってきますので、それぞれの特徴や過去の施策の実施結果などを記録し、継続的にアプローチしていきましょう。

客単価の改善を行う場合

顧客1人あたりの単価を高めたい場合、まず重視する指標はMonetaryです。さまざまな施策を実行し、Monetaryの指標がどう変化するかをモニタリングすることで、施策の効果を評価できます。

マーケティング効果を高めたい場合

優良顧客や安定顧客などのアクティブな顧客だけでなく、休眠顧客を活性化したいという場合、RFM分析によって休眠顧客に分類された層の属性を掘り下げて分析します。 そして、年代や性別、過去の購入商品などをもとに、興味を持ちそうなキャンペーンなどのアプローチを企画して実行します。

RFM分析の今後の重要性

RFM分析は、古くから行われてきた定番のマーケティングの分析手法ですが、近年注目されているAIや機械学習の技術と組み合わせることで、これまで気付かなった切り口などを見つけることができ、さらに発展することが期待できます。
実際に、近年ではRFM分析と他の分析の結果を統合し、AIで自動化することで、リアルタイムに1人1人の顧客に最適なアプローチができる高度なマーケティング・オートメーションシステムの開発・導入が進んでいます。

まとめ

この記事では、マーケティングの成果を向上させるデータ分析の手法であるRFM分析について紹介しました。
売上データをRecency, Frequency, Monetaryの切り口で分析することで、さまざまな発見が得られ、またそれに基づく施策を実行することができます。

Share