言わずと知れた、顧客分析の黄金フレームワークであるRFM分析。RFM分析はとてもシンプルで強力な分析手法ですが、実は簡単には使いこなせない理由があるのです。本記事では、RFM分析を改めて簡単に解説しながら、どのような点に気をつけて分析を進めれば、思い通りの分析が出来るのかを具体例を交えて丁寧に説明していきます。記事の最後にはツールの紹介も行っているので、自社のデータに対してRFM分析をしたいと考えている方は是非参考にしてください。

 

1. RFM分析とは

1-1. RFM分析の3つの指標

RFM分析とは、ある一定期間における、Recency(最新購入日)/Frequency(購入頻度)/ Monetary(購入金額)の3つの指標で顧客をランク分けする方法です。それぞれについて説明していきます。

Recency(最新購入日)

Recencyは、「顧客が最後に商品を購入したのはいつか」を表す指標です。最後に商品を購入してから日数が経過していない顧客は良い顧客だと考えます。どれくらいの期間で分けるのかは、扱っている商品やサービスの特性などによって決定します。

Frequency(購入頻度)

Frequencyは、「顧客が一定期間内に商品を何回購入したのか」を表す指標です。一定期間の商品購入回数が多い顧客ほど良い顧客だと考えます。どれぐらいの期間内の購買行動を対象とするかは、扱っている商品やサービスの特性などによって決定します。

Monetary(購入金額)

Monetaryは、「顧客が一定期間内に商品を合計いくら購入したのか」を表す指標です。一定期間の総購入金額が多い顧客ほど良い顧客だと考えます。こちらも、どれぐらいの期間内の購買行動を対象とするかは、扱っている商品やサービスの特性などによって決定します。

1-2. RFM分析を行う目的

RFM分析を行う目的としては、顧客に対してより効果的にアプローチすることで、費用対効果を維持しながら売り上げを拡大することが挙げられます。

単純に売上を増やすだけであれば、RFM分析を活用しなくてもそれほど問題ありません。しかし、全ての顧客に対して同じようなアプローチをしていては、無駄な施策やコストが生じる可能性も高まります。

そうではなく、RFMの3つの指標に基づいて顧客をグループ分けすることで、商品を購入してくれそうな顧客に対して適切なアプローチをかけることで、効率よくマーケティング施策を行うことが出来ます。

売上拡大や集客につながりそうな顧客に対して優先的に費用と時間を投下することで、企業としての効率的な売上アップに期待できるところがRFM分析の大きなメリットです。

1-3. RFM分析の得意領域

続いて、RFM分析の得意領域についても解説していきます。RFM分析の目的は、LTV(Life Time Value:顧客生涯価値)の最大化にあります。LTVは、顧客が生涯を通じて、自社にどれだけの利益をもたらしてくれるかを表す値のことです。
※LTVに関する記事はこちら

RFM分析は、最新購入日(R) / 購入頻度(F) / 購入金額(M)の3つの観点から顧客をランク分けし、適切な販売促進活動を行うことで、LTVを最大限に高めるために行います。

1-4. デシル分析との違い

RFMと似た分析として、デシル分析があります。デシル分析とは、顧客の購買データを用いて、購入金額の高い順に顧客を10のグループに分ける方法です。

RFM分析とデシル分析の違いは指標の数です。RFM分析は最新購入日(R)/購入頻度(F)/購入金額(M)を用いるのに対し、デシル分析は購入金額(M)のみを用います。RFM分析とデシル分析の分析結果の違いを例を用いて説明します。

【例】
● 分析対象顧客
顧客1:5年前に10万円の商品を購入

顧客2:週に1度2,000円の商品をこれまでに50回購入

●分析結果
デシル分析:購買金額が同額であるため、顧客1と2は同じグループに属する
RFM分析:購入頻度が異なるために、顧客2がより優良顧客として判定する

このように、RFM分析はデシル分析に比べ、より詳細に顧客をセグメントするため、分析結果をもとに効率的な販売促進活動を行うことが可能になります。

1-5. RFM分析によるランク分け

RFM分析を実施することで、顧客のランク分けが可能になります。そのランクによって、適切な顧客アプローチが可能になります。企業によって分け方は様々ですが、新規顧客、休眠顧客、安定顧客、優良顧客、ロイヤル顧客の5つほどに分けるのが一般的です。

ランクの分け方としては、まずは最新購入日(R)/購入頻度(F)/購入金額(M)の3つの指標それぞれでグループを作っていきます。例えば、購入頻度(F)であれば、0回 / 1回~3回 / 3回~5回 / 6回~8回 / 8回以上 という具合です。各指標でグループ分けをしたら、さらにそれぞれをかけ合わせてさらにグループ分けの粒度を細かくしていきます(R,F,Mそれぞれで5グループに分けた場合は、5×5×5の合計125グループ生まれます)。このままでは粒度が細かすぎるので、各グループを集約し、ここからここまでが休眠顧客、ここからここまでが安定顧客というようにランクの定義を決めていきます。

2. RFM分析を行うことのメリット

RFM分析を行うにあたって、メリットは大きく2つあります。

【RFM分析のメリット】
 1. One to oneのマーケティング施策を実施できる
 2. マーケティング施策の無駄を省ける

1. One to oneのマーケティング施策を実施できる
顧客をRFMの3つの観点によってランク分けすることで、より一人ひとりの顧客に応じたニーズやタイミングに合わせてマーケティング施策の実施が可能になります。その結果、商品の購入につながる確率を高めることが出来ます。

例えば、休眠顧客には、新商品やキャンペーンの情報を送ったり、ロイヤル顧客には、特別セールへの招待や優待価格での商品紹介など、さらにロイヤリティを高める施策などが挙げられます。

2. マーケティング施策の無駄を省ける
顧客ランクごとにマーケティング施策を変えることは、効率化にもつながります。例えば、最新購入日(R)/購入頻度(F)/購入金額(M)のすべてが低いグループは、ほかのグループと同じ施策を行っても効果が上がらない可能性が高いため、マーケティング施策の対象から外すという選択もできます。浮いた分の時間や費用、人的リソースは、より商品購入の可能性が高い顧客へのマーケティング施策に向けることも可能になります。

3. RFM分析の流れ

簡単にRFM分析の概要を説明しましたが、実際にはどのように分析を進めていくのでしょうか。まずはRFM分析の下準備の方法を、データの観点から4つのプロセスに分けて説明していきます。

3-1. 顧客ランク付け

第一章でも簡単にご説明しましたが、最新購入日(R)/購入頻度(F)/購入金額(M)のそれぞれで基準を作成します。業種/業界によっては、最新購入日(R)/購入頻度(F)/購入金額(M)の3つの観点のうち、それぞれがバランスよく必要とされる場合もありますが、重要度が偏る場合もあります。

高級な商品を扱うアパレルサイトなどでは、購入頻度(F)よりも購入金額(M)が重要視されるといったことが起こりうるので、3つの指標のバランスは会社によって考慮する必要があります。

3-2. データ定義

続いて、どのようなデータが必要になるかを定義します。例えば、購入金額(M)と言っても、ECと店舗で商品を販売している場合は2つのチャネルでの購入金額を準備する必要があります。企業によってデータの定義が異なるので、必要なデータの定義を明確にします。

3-3. データ収集

続いて、必要なデータを収集していきます。定義したデータを作るためには、基幹システムやカートシステム、POSレジなど、複数のシステムやツールからデータを集める必要があるので、自社内のどこにデータがあるのか確認していきます。保管場所によっては複数の部門を巻き込む必要があるケースもあります。

3-4. データ加工/統合

データの収集が終われば、集めてきたデータを分析に活かせるようにデータを加工/統合していきます。

例えば、Recency(最新購入日)に必要な「最新購入日からの経過日数」を算出する場合を考えていきます。一般的に企業が保有しているデータのカラムには「最新購入日からの経過日数」というカラムは存在しません。そのため、該当するカラムを加工して新しく作る必要があります。具体的には、受注データの一覧から顧客をユニーク化し、最新の購入日のみのデータを残します。その後、今日の日付と最新購入日を時刻演算で引き算して「最新購入日からの経過日数」を算出する、というような作業が発生します。これがデータの「加工」といいます。

また、データがバラバラな状態でも分析に活用することは出来ません。そのため、複数のシステムやツールから集めてきたデータを一つにまとめる作業が必要になります。イメージとしては、複数枚のExcelをキーとなるデータを元に1枚のExcelに統合をしていくイメージです。これを統合と言います。

 

4. RFM分析の事例(アパレル業界の事例紹介)

RFM分析の重要なポイントも理解したところで、先程のRFM分析の流れを、一企業に落とし込んだらどうなるか、という観点で説明します。今回はアパレル業界を題材にしますが、どの企業でも共通する部分は多いので、是非参考にしてください。

4-1. 顧客ランク分け

まずは、それぞれの指標を以下のような観点でグループ分けをします。前提として、複数チャネルで商品を販売している場合は、チャネルをまたいだデータを算出する必要があります。

最新購入日(R)
アパレルの場合はシーズンやセールが最新購入日に関わってくるので注意が必要です。価格帯が高いブランドであれば比較的時期が空いても優良顧客と言えますが、小物や雑貨などを中心に扱っているリーズナブルなブランドであれば時期のセグメントはより細かくなります。

【例】
ランク5:7日以下
ランク4:8~14日
ランク3:15~30日
ランク4:31~60日
ランク5:61日以上

購入頻度(F)
価格帯の高いブランドでは年間で4~5回の購入が多いかもしれませんが、ファストファッションなどのブランドであれば4~5回は少ないと判断されるかもしれません。

 【例】
ランク5:20回以上
ランク4:11~19回
ランク3:6~10回
ランク4:2~5回
ランク5:1回以下

購入金額(M)
購入頻度が比較的多い商品を販売している場合、半年間の合計購入金額といったように時期を短めに設定することもあります。

【例】
ランク5:300,000円以上
ランク4:200,001~300,000円
ランク3:100,001~200,000円
ランク4:10,001~100,000円
ランク5:10,000円以下

これらのランク分けを元に、さらにそれぞれのランクをかけ合わせることで、例えば、購入頻度(F)と購入金額(M)はランクは高いが、最新購入日(R)はランクが低いグループは「離反しつつある優良顧客」と定義したり、最新購入日(R)も購入頻度(F)も購入金額(M)も低い場合は「休眠顧客」と定義したりすることが出来ます。

4-2. データ定義

上記のランク分けを基に、どのようなデータが必要かを定義します。実店舗とECサイトでデータがバラバラに存在している場合でも、精緻な分析をするためには合算したデータが必要になります。例えば、「直近1年間でECサイトでは全く購入をしていない顧客」はECサイトのRFM分析においては休眠顧客ですが、ECサイトの購入をしていないだけで実店舗での購入は頻繁に行っている場合は優良顧客です。

このように、データが統合されていない状況では休眠顧客と判断されているが、実は優良顧客だった、というパターンが発生してしまい、施策の実施を見誤ることになってしまいます。

そのため、販売チャネルに応じて必要なデータを定義していきます。

4-3. データ収集

データの定義が終われば、続いてデータの収集に移ります。各部署やシステム、ツールに関わらず必要なデータを収集します。それぞれの部署でデータがバラバラに管理されている場合、都度データを集めていくのはとてもコストがかかるので、各部署や部門のデータを全て1つの場所で管理するのが良いでしょう。最初にデータを集めてしまえば、それ以降データ収集の手間はなくなります。

4-4. データ加工/統合

データの収集が完了したら、データの統合を行います。顧客IDやメールアドレス、電話番号に紐付けてバラバラなデータを統合していきます。

5. RFM分析の課題と応用

5-1. RFM分析の課題

RFM分析は非常に有効的な顧客分析手法ですが、大きく2つの課題が存在します。

【RFM分析の課題】
 1. 購入した商品内容を考慮していない
 2. 一時点における分析しか出来ない

1. 購入した商品内容を考慮していない
RFM分析の指標は、最新購入日(R)/購入頻度(F)/購入金額(M)であるため、「何を買ったか」までは考慮されていません。そのため、子供を持つ家庭に、子供の成長に合わせた商品を勧めるなど、顧客の状況に沿った提案は、RFM分析だけではできません。顧客の状況に沿った提案をするためには、RFM分析の指標とともに、何が買われているのかも同時に分析する必要があります。

2. 一時点における分析しか出来ない
RFM分析は、ある一時点における顧客分析の手法であり、継続性がありません。例えば、季節性の高い商品についてRFM分析を行う場合、いつ分析を行うかによって、分析結果に大きな差が生まれます。また、ベビー用品など、子供の成長とともに購入頻度が変わる商品について分析する場合は注意が必要です。第1子が生まれた時に定期的に商品を購入し、成長によって買わなくなったが、商品は気に入っていたので第2子が産まれた際に再度定期的に購入し始めた、という場合、RFM分析上は安定顧客→離反顧客→安定顧客と位置づけられてしまいます。

5-2. RFM分析の応用

RFM分析を応用し、高度な分析をするために生まれた分析方法をご紹介します。

5-2-1. RFMC分析

RFMC分析は、RFM分析の指標に顧客属性(Category)の指標を加えた分析方法です。RFM分析で算出される最適化されたグループに加えて、顧客属性、つまり顧客の性別や年齢などの情報を加えることで、どういった層に支持されているのかが可視化することが出来るようになります。支持している顧客の層が判明すれば、その層に適したマーケティング施策が可能になります。

5-2-2. MRFI分析

MRFI分析は、RFM分析の指標に購入商品(Item)の指標を加えた分析方法です。RFMC分析と同様に、RFM分析で算出される最適化されたグループに加えて、購入商品の情報を加えることで、どの商品がどの顧客に購入されているのか、あるいは購入されていないのかを可視化することが出来ます。商品ごとの顧客のニーズを可視化することで、より効率的なマーケティング施策が可能になります。

5-2-3. RFM-D分析

RFM-D分析は、RFM分析の指標に顧客の居住エリア情報(Distance)の指標を加えた分析方法です。顧客の居住エリア情報は、具体的に店舗から顧客住居までの距離を指します。顧客の居住エリア情報を加えることで商圏ごとのニーズが可視化できるようになります。

例えば、コンビニエンス性を求める近距離圏の顧客と、独自性を求めて来店する長距離圏の顧客を分け、それぞれのニーズに合ったマーケティング施策を実行することで、近距離圏の顧客のリピート率上昇と長距離圏の顧客の増加を目指します。特に、店舗でのマーケティング戦略を考える上でとても有効な分析方法です。

6. RFM分析の注意点/落とし穴

RFM分析は優良顧客を見極めたり、休眠顧客を掘り起こすための有効な分析手法となりますが、意外と多くの企業が分析に時間がかかってしまい、そもそも着手ができていなかったり、データの準備が不十分のため、正しい分析が出来ておりません。

その理由としては、第三章で説明した「RFM分析の流れ」における、「データの収集」と「データの加工/統合」に問題があるケースが非常に多いです。Excelでの作業であれば、関数を使えば簡単に加工や統合することは可能ですが、システムにおいてはそう簡単ではなく、SQLと呼ばれるデータベース言語を使う必要があります。これにはエンジニアの稼働や、SIerへの発注が必要になることが一般的なので、対応できるメンバーが限られてしまいます。また、そもそも各部署やシステムに散らばっているデータを集めてくることも大変なので、コストや工数がかかってしまいます。

そのため、RFM分析を実施しようとしても、データの収集や加工/統合に工数やコストがかかっていまうため頓挫してしまったり、ありもののデータのみで分析をしてしまい、価値のある示唆が出ないという状態に陥ってしまいます。

RFM分析を進める際には、分析に必要なデータを準備する工程にも目を向け、誰が、どうやって作業するのかを明確にしておきましょう。この際、データの一元管理を行うためのCDPツールがあると、毎回他部署への確認やデータの収集/連携が不要になるので、工数を大幅に削減することが可能になります。

7.RFM分析の効果を最大化するポイント

ここからは、 RFM分析の効果を最大化するポイントについて解説していきます。企業や組織として永続的に発展を続けていくためにも重要なポイントなので、より一層理解を深めて行動へとつなげていきましょう。

7-1 PDCAを回し続ける

まずは、PDCAを回し続けることがポイントとして挙げられます。 RFM分析は一度行ったら終わりという類のものではありません。例えば、顧客の購買行動に関して、過去1か月分を見るのか、過去3か月分を見るのか、あるいは半年分を見るのかによっても抽出されるデータは異なります。

それらのデータは日々更新されていくものであり、常に最新のデータを意識しながら最適なアプローチ手法を検討することが求められます。PDCAを回し続けることで、その時点で最善だと思われる施策を実行することが大切です。

7-2 顧客について知る

RFM分析の効果を最大化するためには、顧客について知ることも重要です。一見当たり前のことのようですが、意外とできていない企業や組織も少なくありません。いわゆる「ペルソナ」の設定を適切に行い、詳細なプロフィールを社員間で共有することで、より効果的なアプローチがしやすくなります。

顧客のことを深く知ろうという意識を持ちつつ、RFM分析で得られたデータを元に意思決定することがポイントであり、データだけでは十分とは言えません。自社の商品を購入してくれる人の年齢や性別、生活環境や消費嗜好、ライフスタイルや価値観など、人物像を徹底的に考え抜いた上でアプローチをかけることが重要です。

7-3 BIツールの活用も視野に

RFM分析の効果を最大化させるという意味では、BIツールの活用も視野に入れることがおすすめです。基本的には人の手によって行動したり検討したりすることが多くなりますが、日々のルーティンワークに関しては自動化した方が効率的です。

データ収集やデータ統合、メルマガ配信やWeb接客など、人手をかけて行うと時間がかかってしまうものについては、ツールを活用することで課題解決につなげることができます。

RFM分析によってせっかく売上を拡大しても、人件費が高騰してしまっては本末転倒です。人が行う部分とツールに任せる部分を分けて運用することで、より効率的な組織運営につなげていくことが有効です。

8. RFM分析のためのBIツール6選

最後に、RFM分析に有効なBIツールを6つご紹介いたします。

● QlikSense
レポート作成機能やダッシュボード機能のほか、CDP機能も含まれるためデータベースが不要です。オンプレミス型のためカスタマイズも細かく可能です。

● Yellowfin
分析に必要なレポーティング機能やダッシュボード機能だけでなく、複数人で共同作業できる機能やチャット機能、採決機能が備わっています。分析の際には手動でのデータ統合が必要となります。Google AnalyticsやSalesforceといった3rdパーティーデータとも連携可能です。価格は、5ユーザーあたり月額25,000円です。

● DOMO
レポート/ダッシュボード機能のほか、データクレンジング機能やデータ統合基盤としての機能が備わっています。共同作業ができるコラボレーション機能やアラート機能、メール通知機能も搭載されています。

● MotionBoard
分析機能やダッシュボード機能のほかに、帳票基盤ソリューション「SVF」、帳票クラウド「SVF Cloud」と連携することで帳簿、伝票などの帳票レポートを作成できます。機能の種類が豊富ですがその場限りのデータ抽出や複雑な分析を行うことができず、あらかじめ設定されている分析方法でしか分析できません。初期費用100,000円、ライセンス料はプランによって異なりますが、価格は10ユーザーで30,000円から90,000円です。

● Tableau
UI/UXが非常にわかりやすいため、誰でも簡単に扱うことができます。データ統合基盤は備えていないため、データの整備に時間がかかります。バージョンによりますが、1ユーザー当たり年間約5万円から10万円ほどかかります。

● b→dash
データの収集や加工/統合のみならずBIやMA、web接客などマーケティングに必要な機能がAll in Oneで搭載されています。かつ、CDPを扱うのもSQLを扱う必要があるのが一般的ですが、b→dashはExcelを扱うようにノーコードで簡単にデータの加工/統合が可能です。

9. まとめ

いつの時代も、顧客により多くの商品を購入してもらって、企業や組織としての売上拡大につなげることは大きな課題です。その課題に向き合うためにRFM分析とは何か理解をして、実際の行動へとつなげることがポイントです。

顧客について深く分析を行い、PDCAを回し続けることで結果につながる部分も出てきます。RFM分析を通して何度も思考を凝らしながら、少しずつ右肩上がりの状況を作り出していきましょう。

[参考記事]
BIツールとは?データを分析→ビジュアライズで生産性向上。選び方・失敗例も紹介!
LTV(ライフタイムバリュー)とは?
RFM分析とは?
CPMとは?
顧客分析の目的は?

Editor Profile

  • Marketics 編集部

    ユーザーデータ・広告データ・購買データなど、マーケティングプロセス上に存在する全てのビジネスデータを、 ノーコードで、一元的に取得・統合・活用・分析することが可能なSaaS型データマーケティングプラットフォーム「b→dash」が運営する マーケティングメディア「Marketics」の編集部。インタビュー記事やノウハウ記事を定期的に発信しています。

Category
Tag