-1.jpeg?width=48&height=48&name=DSC_2387%20(1)-1.jpeg){kind=small}
RFM分析は、購買行動をもとに顧客を分類し、より効果的なマーケティング施策を行うためのフレームワークです。顧客の現状に合わせた施策を行うことができるのが特徴で、優先順位を決める際にも役立ちます。
マーケティング担当者のためのデータ可視化入門
分かりやすく、かつ説得力のあるグラフを作成する方法
- 可視化のツールとソフトウェア
- データの種類、関連性、形式
- データの効果的な可視化方法
- データ可視化の概要
今すぐダウンロードする
全てのフィールドが必須です。
本記事では、RFM分析の概要から、分析の方法や使い方、注意点までわかりやすく解説します。
RFM分析とは
RFM分析は、最終購入日（Recency）、購入頻度（Frequency）、購入金額（Monetary）の3つの指標をもとに顧客を分類する分析手法です。顧客の行動を理解し、それにもとづいてマーケティング戦略を策定する目的で活用されます。
顧客の購買データを分析し、各顧客のグループに対して、最適なマーケティング施策を考え出すことが可能になります。その結果、顧客満足度の向上や売上の増加が期待できます。
Recency（最終購入日）
「Recency」は、顧客の最後の購入日を示します。最後の購入日が近いほど、顧客の関心度が高いと判断できます。分析対象の期間によって最後の購入日は変わるため、マーケティングキャンペーンの効果を評価するためにも使用可能です。
最終購入日が近い顧客は、長い間購入していない顧客よりも優良顧客だと考えられます。購入日時から最後の購入日を抽出し、その期間での顧客のグループ分けも可能です。どの期間で顧客を分けるかは、商品の特性によって異なります。
Frequency（購入頻度）
「Frequency」は、顧客の購入頻度（一定期間内での購入回数）を示す指標です。購入頻度が高い顧客は、製品に満足していて、好意度が高いと推測できます。逆に、購入頻度が低い顧客は、製品に不満を持っている可能性があり、好意度が低い可能性があるでしょう。
Monetary（購入金額）
「Monetary（購入金額）」は、顧客の購入総額を示し、その顧客が企業にどれだけの好感度を持ち、また利益をもたらしてくれるかをあらわす指標です。この指標は、顧客の優良性を判断するための重要な要素で、高額な商品を購入する顧客は、一般的に他の顧客よりも優良顧客だといえるでしょう。
このような顧客に対して特別なキャンペーンを行うことで、より満足度を高め、さらなる信頼関係を築くという施策を行うことも可能です。購買履歴から購入金額の総額を計算し、金額ごとに顧客をグループ分けすることもできます。企業が自社の特性やターゲットを明確にし、戦略の方向性を定めるのに有用です。
RFM分析を活用するメリット・目的
RFM分析を活用する主なメリットや目的は、次の通りです。
- 顧客の状況や優先順位を整理できる
- 分析に必要なデータが少なくて済む
顧客の状況や優先順位を整理できる
RFM分析によって購買行動をもとに顧客をグループ分けができます。例えば、自社の顧客群を「優良顧客」「新規顧客」「休眠顧客」などに分けることが可能です。
- 優良顧客：最終購入日が近く、購入頻度も高く、購入金額も多い顧客
- 新規顧客：最後の購入日が近く、初めて購入した（購入頻度が1回）顧客
- 休眠顧客：最後の購入日が遠い顧客
各顧客層を明確にして、自社が今アプローチすべき顧客や、有効な施策を検討できます。例えば、優良顧客の割合が多い場合は、その層に対する施策が効果を発揮していると判断できるでしょう。
一方、休眠顧客が多い場合は、リピート購入を促す施策が不足している可能性があります。顧客グループ間の優先順位を決定し、リソースを最も効果的なグループに集中投下しましょう。また、顧客の属性に合わせたマーケティング施策を実施することで、施策の効果最大化につながります。
分析に必要なデータが少なくて済む
RFM分析では、最低限、購入履歴がデータとして存在すれば実施可能です。デモグラフィック情報のような詳細な顧客情報を必要とせず、直近の購入時期・購入頻度・累計購入金額の3つのデータがあれば実施できるのがメリットの一つといえるでしょう。また、高度な計算も必要としません。ただし、分析の目的によっては、ほかのデータが必要になる場合もあります。
データ分析の専門知識を持った社員がいない場合や、POSなどのデータが複雑で扱いづらかったりする場合でも実施しやすいでしょう。
RFM分析のやり方
RFM分析は、次のステップで進めていきます。
- 目的の設定
- データの準備
- 分類の指標を決め分類する
- ターゲットごとの戦略を立てる
- 効果測定
1. 目的の設定
RFM分析の進行には、目的設定が必要不可欠です。目的設定を行うことで、どのように分析を行うかも変わってきます。例えば、商品の売上が伸び悩んでいる原因を知りたい場合、商品によって分析すべき期間が変わってきます。
また、分析に取り組む前には、分析の対象を明確にするために課題に対する仮説を立てましょう。例えば、「顧客が競合他社の商品へ移ってしまっているのではないか」という仮説がある場合は、離反顧客の状況を優先して確認します。最初に、明確な目標を設定し、効率的に分析を進めましょう。
2. データの準備
RFM分析の第二段階では、顧客の購買行動を理解するために、「最後の購入日」「購入の頻度」「購入の総額」のデータを集めます。さらに、分析の精度を高めるために、「商品名」「顧客の年齢」「居住エリア」など、追加のデータの抽出も必要に応じて行います。
目的に合わせたデータの収集は、分析の精度を高めるために重要です。データの入力ミスや表記の揺れがある場合は、データクレンジングを行い、データを整理します。データの収集と整理が完了したら、立てた仮説を検証するための分析を行います。
3. 分類の指標を決めてランク付けする
RFM分析を進めるうえで、顧客データのランク付けは重要なステップです。収集したデータをもとに、最終購入日（Recency）、購入頻度（Frequency）、購入金額（Monetary）の各指標に対するランク付けを行います。
ランク付けの基準は、商品の性質や顧客の購入傾向によって異なります。商品の特性や市場状況に応じて、ランク付けの基準を設定することが重要です。通常は、3～5つのグループに分けます。
自社の商品特性に基づいて、適切なランク付けを行うことで、顧客の行動パターンを理解することが可能です。ランク付けの結果、顧客はそれぞれ異なるランクに分類され、その結果をもとにマーケティング戦略を策定できるようになります。
4. ターゲットごとの戦略を立てる
顧客の分類が完了したら、各カテゴリーに対応したマーケティング戦略を策定し、実行に移します。例えば、次のような施策が考えられます。
- 優良顧客：特別感を感じさせるオファーを提供する
- 新規顧客：購入の障壁を下げるためのキャンペーンを提案する
- 休眠顧客：過去に高額購入があったが現在は離れている顧客層を対象に原因を調査・推測。原因に応じて新商品の告知やセール情報などの情報を提供するなどのアプローチをかける
一般論として、優良顧客を増やすことを目指して施策を考えるのが効果的とされています。R・F・Mの各要素を比較し、どの指標を改善すべきかを把握して施策を立案することが大切です。
5. 効果測定
施策を実行した後、その成果を評価する必要があります。ランク分けの基準やグループ分けの基準が結果に影響を及ぼすこともあるため、各ランクに対して最適な施策を見つけるまで、粘り強く取り組むことが必要です。
分析は一度きりのものではなく、顧客の購買行動をどの程度の期間観察するかによっても結果が変わります。データは日々更新されるため、それに応じたマーケティング施策の調整が必要です。
問題を見つけ、仮説を立て、データを収集し、分析し、マーケティング施策を計画・実行し、その効果を検証するPDCAサイクルを繰り返します。顧客データの収集・管理を行うツールとして、MA（マーケティング自動化）ツールやCRM（顧客関係管理）ツールを導入すると、作業効率が向上します。
HubSpotが提供するMAツールやCRMツールには、無料で使用できるプランがあります。ぜひ次のリンクから試してみてください。
HubSpotのマーケティングソフトウエア 詳細はこちらから→
RFM分析の注意点
RFM分析を行うときは、次の3つの点に注意しましょう。
- 計測時期の違いによる結果のブレが生じる
- 顧客の詳細な属性まで把握できるわけではない
- 購買行動の予測や購入頻度が低い商品の分析には向いていない
計測時期の違いによる結果のブレが生じる
RFM分析は、顧客の行動を評価するための有効な手段ですが、その結果は分析の範囲や時期によって大きく変わる可能性があります。RFM分析は一時点の分析であり、時間の経過とともに顧客の行動が変わることが考慮されていません。例えば、長期間にわたって安定して購入している顧客と、短期間で頻繁に購入した顧客を比較した場合、短期間の顧客が優良と評価されることがあります。
短期間のデータは偶然の影響を受けやすい一方で、長期間のデータはその影響を抑え、真の優良顧客を見つけることにつながります。一方、短期間のデータを分析することで、現在の優良顧客の把握が可能です。そのため、分析の目的を明確にし、適切な範囲と時期でRFM分析を行うことが重要です。
顧客の詳細な属性まで把握できるわけではない
RFM分析の結果は、顧客の詳細な属性まで把握できるわけではありません。例えば、住所や性別や年齢、収入などの個々の属性情報は考慮されず、これらの情報を基にした詳細な分析は行えません。
特定の商品カテゴリーに基づいた分析を行いたい場合は、顧客情報に関連付けてデータを補完する必要があります。RFM分析は顧客の現在の状況に焦点を当てていますが、長期的な視点から見ると、現状では優良顧客でないかもしれない顧客が、将来的に優良顧客になる可能性もあります。
このような可能性を評価するためには、購買特性の分析が必要となりますが、RFM分析だけではこれを行うことは難しいです。したがって、RFM分析を補完する他の手法を併用することが推奨されます。
購買行動の予測や購入頻度が低い商品の分析には向いていない
RFM分析は、結婚や葬儀のようなリピーターが発生しにくいサービスや、自動車や高額な大型家電のように購入頻度が低いものは、RFM分析の有用性は限定的です。
高額商品や季節性の高い商品、また、子供の成長に伴って購入頻度が変わる商品も、RFM分析が最適ではない場合があります。これらの商品は購入回数が少ないか、または特定の時期やライフステージに需要が集中するため、RFM分析によるデータ収集が困難です。これらの制約を考慮に入れ、RFM分析を導入する際には、ほかの分析手法を併用してRFM分析の限界を補うことが重要です。
RFM分析を取り入れて効果的にマーケティング活動を実施しよう
RFM分析は、顧客の購買行動を理解し、マーケティング戦略を策定する際に効果を発揮します。最低限分析に必要なデータが少ないため比較的始めやすく、ターゲットごとに施策を策定できたり、優先順位を決めたりできる点がメリットです。
購買行動の予測や、購入頻度が低い商品の分析には、他の分析手法の補完が必要です。自社の現状やマーケティング目標を今一度確認し、RFM分析が必要だと感じたら、今回紹介した内容を参考にしてみてください。
