RFM分析とは？RFM分析のやり方やメリット、Excelを使ったRFM分析の例などをマーケティング目線で詳しく解説
デジタルマーケティングカンパニー・オノフのマーケティングのすぎやまです。
基本中の基本といわれている顧客分析ですが、RFM分析は数々の顧客分析手法の中でも有効性が高いとされ、多くの企業が取り入れている手法です。
本記事では「RFM分析」についてまとめさせて頂き、RFM分析の目的や手順、メリット、注意点をまとめたので、是非最後まで目を通して頂ければと思います。
RFM分析とは？
RFM分析とは、「最終購入日（Recency）」「購入頻度（Frequency）」「購入金額（Monetary）」これら3つの指標を用いて顧客をグループに分ける分析手法です。また読み方はローマ字読みで「アールエフエム分析」です。「R・F・M」は、３つの指標の頭文字から取られています。その頭文字3つをそれぞれ説明していきます。
Recency（直近いつ）
Recencyは、顧客の購入データのうち、「購入日時」から最終購入日を抽出し、その時期によってグループ化を行います。最終購入日が近い顧客のほうが、何年も前に購入した顧客より良い顧客だと考えます。また購入期間の設定は、商品の特性などによって決定します。
Frequency（頻度）
Frequencyは、購入頻度からグループ分けをするもので、購入頻度が高い顧客ほど良い顧客だと考えます。購買行動を分析する期間は、商品の特性などによって設定します。
この値が高い顧客が多い場合は常連顧客が多く、低い顧客が多い場合は商品やサービスに満足していない顧客が多い可能性があるといったことがわかります。また、この値が高い顧客が多く、低い顧客が少ない場合は、新規顧客が少ないことを意味します。
Monetary（購入金額）
Monetaryは、購買履歴から購買金額の総額を計算して、グループ分けをするものです。金額が大きいほど良い顧客だと考えます。Recencyや Frequencyと同様に、どれぐらいの期間内の購買行動を対象とするかは、商品の特性などによって設定します。
マーケティングにおける活用方法
RFM分析は、マーケティング戦略の多様な側面に活用できます。具体的には、顧客をグループ化することで、それぞれの特性に基づいたアプローチを実施することが可能です。たとえば、優良顧客には新製品の先行案内や特別なキャンペーンを提供することが効果的です。一方、最近購入がなくなった休眠顧客には再購入を促すための魅力的なオファーを設定し、興味を引く施策が導入されます。これにより、過去に魅力を感じていたが現在は関心を失った顧客を再び引き戻すことができます。
RFM分析の目的
顧客をRFMの要素でグループ化することで顧客特性が明確となり、それぞれの特性に合わせたマーケティング施策へとつなげていくことが、RFM分析の利用目的となります。グループ化の分類として、購入日や購入頻度、購入金額などの代表的な要素を組み合わせることで、「継続購入している継続顧客」「最近は購入していない休眠顧客」など、下記のような状態に分類します。
RFM分析の基本手順
続いて、RFM分析の基本手順を説明していきます。
課題の設定と仮説の立案
RFM分析を始めるにあたって最初に行うべきは、課題の設定と仮説の立案です。自社のビジネス環境や顧客の状況を鑑みながら、解決したい問題を明確にします。この段階で、どのような結果を期待しているか、あるいはどの顧客セグメントにアプローチしたいのかを考えることで、分析の方向性を定めることができます。たとえば、最近の売上が低迷しているのであれば、その原因として考えられる要素を洗い出し、顧客の解約が続いているのか、それとも新規顧客の獲得がうまくいっていないのかを仮説として設定します。またリピーターが伸びないという課題があれば、「ターゲット設定が正しくないのでは」という仮説を立て、購買頻度や累計購買金額に加え、顧客の年齢、性別、職業などの属性データを確認します。この仮説は、後の分析結果をもとに検証されるため、できるだけ具体的であることが重要です。
具体的な手順
具体的な手順としては、まず初めに目標を明確にします。たとえば、売上向上、新規顧客の獲得、既存顧客のロイヤルティ強化などです。次に、現状のデータを収集し、どのような顧客セグメントが存在するかを確認します。そして、特定の顧客セグメントに関する仮説を立て、それを解決するための具体的な質問を設定します。例えば、「頻繁に購入する顧客はどの程度のリピート率を持っているのか？」、「高額商品を購入する顧客はどのような特徴を持っているのか？」といった疑問をリストアップします。これにより、分析がより効果的かつターゲットを絞ったものとなります。
最後に、立てた仮説がビジネスの具体的な施策につながるかどうかを確認し、必要ならば仮説を再調整します。このようにして課題の設定と仮説の立案を行うことで、RFM分析が一層有効なものとなり、成果を出しやすくなります。
＜RFM分析における課題の設定と仮説の立案を行う手順＞
①目標の明確化
②現状データを収集し、どのような顧客セグメントが存在するか確認
③特定の顧客セグメントに関する仮説立てを行う
④ ③で立てた仮説を解決するための具体的な質問を設定する
⑤ ③で立てた仮説がビジネスの具体的な施策につながるか確認し、必要であれば仮説を再調整する
顧客データの収集・整理
次にRFM分析に必要な顧客データを収集し、整理する工程となります。この段階では、顧客の最終購入日、購入頻度、そして購入金額に関する情報を集めます。特に正確なデータが求められるため、CRMシステムやデータベースからダウンロードした情報のクレンジングが重要です。まず、データの欠損や誤表記を確認し、必要な修正を施します。これにより、後の分析がスムーズに進行します。さらに、データの突合や一貫性のチェックを行い、不完全なデータを補完します。整理が完了したデータは、RFMモデルに基づき、次のステップで計算するための基盤となります。この作業を通じて、分析の信頼性が格段に向上し、精度の高いRFM分析が実現します。
RFM指標の計算と分布確認
収集したデータを基に、RFM指標の計算と分布確認が行われます。まず、各顧客の「Recency（最新購買日からの経過日数）」「Frequency（購買頻度）」「Monetary（購買金額）」を数値化します。具体的には、顧客の購買履歴から最新の購買日を確認し、その日からの経過日数を算出してRecencyとします。Frequencyは、一定期間内における顧客の購買回数を集計し、Monetaryはその期間内の総購買金額を合計します。
次に、これらの指標を基に顧客セグメントを作成します。たとえば、Recencyが短くFrequencyが高くMonetaryが多い顧客は「優良顧客」となります。逆に、Recencyが長くFrequencyが低くMonetaryが少ない顧客は「休眠顧客」と位置づけられます。
その後、計算した指標をもとに分布確認を行います。分布確認は、ヒストグラムや散布図といった視覚的なツールを活用します。ヒストグラムでは、各指標がどのような分布をしているのかを一目で確認でき、顧客の行動パターンを理解しやすくなります。散布図では、異なる指標間の関連性を視覚的に確認することができます。
これによって、どの顧客グループに強い偏りがあるのか、またはどの層が薄いかといった情報を得ることができます。このプロセスにより得られた知見は、さらに効果的なマーケティング施策の参考材料として活用されます。
①各顧客の「Recency（最新購買日からの経過日数）」「Frequency（購買頻度）」「Monetary（購買金額）」を数値化
②顧客セグメントを作成
③計算した指標をもとに分布確認
データ分析
データを計算し分布を確認した後は、各顧客に対してスコアを付与し、さらに詳細な分析を行います。具体的には、各RFM指標（Recency、Frequency、Monetary）ごとに基準値を設定し、これに基づいて顧客を評価します。Recencyは最終購入日を示し、最近購入した顧客には高いスコア、長期間購入していない顧客には低いスコアを設定します。Frequencyは購入頻度を示し、頻繁に購入する顧客には高いスコア、あまり購入しない顧客には低いスコアを与えます。Monetaryは購入金額を示し、高額の購入をする顧客には高いスコア、少額の顧客には低いスコアを付けます。
データ分析を行う際に重要なポイントの一つが、「最終購入日」「購入頻度」「購入金額」をどのようにランク付けするかです。ランクの分け方は、分布状況や分析を行う目的、扱う商材、BtoBビジネスかBtoCビジネスかなどによって違ってくるので、現状に合わせて考えることがポイントです。
こうして各顧客に対して付与されたスコアを基に、顧客を「優良顧客」「安定顧客」「休眠顧客」などのセグメントに分類します。このスコアリングは、顧客の購買行動や価値を評価する上で不可欠です。スコアリングが完了した後、その結果を用いてさらに詳細な分析を行います。例えば、どの顧客グループが再購入の可能性が高いのか、どのグループがプロモーションに最も反応しやすいのかを探ります。これにより、新たなマーケティング戦略や顧客対応の改善に繋がるインサイトを得ることが期待されます。
上記は一例ですが、この時点で顧客は5×5×5＝125通りに分類することができますが多すぎるので、目的に合わせて顧客をグループ化し、データを最適化します。グループ化は3～5グループに分けることが一般的です。
RFM分析を行う際はPython、Tableau等のツールを使用して分析を行います。
改善施策の立案と実施
データ分析をもとに、具体的な改善施策の立案と実施へと進みます。このフェーズでは、RFM分析のスコアリング結果から得られた各セグメントに対し、どのようなアプローチが有効かを検討します。例えば、休眠顧客に対しては特別な割引や再購入促進のキャンペーンを実施し、新規顧客にはお試し特典を提供するなど、顧客の状態に応じた施策が有効です。この段階では、一貫して施策の目的と期待される結果を明確にし、施策がどのような効果をもたらすかを事前に考慮することが重要です。実施後は、その効果を正確に評価するためにデータの追跡やフィードバック体制を整えておく必要があります。これにより、改善策の有効性を確認し、さらに改善の余地がある箇所を特定することができます。
効果検証
施策の実施が完了したら、効果検証を行うことが不可欠です。このプロセスでは、前もって設定したKPIを基に、実施した施策の効果を測定します。たとえば、再購入者数の増加や売上の向上、顧客満足度の変化などが評価基準として考えられます。RFM分析の手順として、まず施策の実施前後でのデータを収集し、設定されたKPIに対する変化を詳細に比較します。これにより、どの施策が有効だったのか、または改善が必要な部分はどこかを具体的に把握できます。具体的には、顧客が再度購入するまでの期間（R: Recency）、購入頻度（F: Frequency）、購入金額（M: Monetary）の変動を追跡します。効果検証の結果を反映することで、次回のRFM分析やマーケティング戦略にフィードバックし、より精度の高い施策を展開する道が開かれます。継続的な評価と改善により、企業は顧客との関係を深め、持続可能な成長を促進することができると考えられます。
RFM分析のメリット
RFM分析のメリットは、購入に大きく影響する要素によって顧客セグメントを作成でき、自社の状況を可視化できることです。これにより顧客の重要度や特性が明確になり、顧客の属性に合わせたマーケティング施策を実施できるので、効果が出やすくなります。
例として、優良顧客や休眠顧客、新規顧客という分類をした場合、全体の割合で優良顧客層が多いのであれば、その層に対するマーケティング施策は一定の効果を発揮していると判断できます。一方休眠顧客が多いのであれば、リピート購入を促す施策が不足している可能性があると考えられます。
顧客情報を詳細に把握する必要がない
従来のマーケティング手法では、顧客の詳細な情報を把握することが求められることが多く、そのために大きなコストがかかる場合があります。しかし、RFM分析を活用することで、顧客の最終購入日、購入頻度、購買金額といった基本的な指標に絞ることができ、細かい個別情報を追う必要がありません。このアプローチにより、業務が簡素化され、迅速な対応が可能となります。また、RFM分析を導入することで、顧客の重要度や購入傾向を効率的に把握し、ターゲットを絞ったマーケティング施策を展開することができます。特に中小企業にとっては、リソースの限られる中で各顧客の詳細なデータを集め分析する手間が省かれる点が大きなメリットとなり、コスト削減と時間の有効活用が図れます。RFM分析は、顧客情報を詳細に把握する必要がないため、容易に導入でき、効率的かつ効果的なマーケティング戦略を構築する上で非常に有用です。
効果的な顧客アプローチの実現
RFM分析を通じて、顧客を効果的にセグメント化できるため、ターゲットを絞ったマーケティング施策が実現します。例えば、最新の購入日が近い顧客には新製品の情報を伝え、リピート購入を促す施策が考えられます。また、購入頻度が高い顧客にはロイヤルティプログラムを充実させることで、長期的な関係を築く手助けとなります。RFM分析により、顧客の購買行動パターンを把握することで、適切なタイミングで最適なメッセージを届けることが可能となります。その結果、顧客満足度が向上し、ブランドロイヤルティの強化にもつながります。このように、RFM分析によって適切なアプローチができるようになれば、単なる売上向上だけでなく、顧客との関係性を深めることにもつながります。
PDCAサイクルの促進
RFM分析は、PDCAサイクルを円滑に進めるための強力なツールです。まず、RFM分析を通じて顧客の購買履歴や行動パターンを詳細に把握します。そして、分析結果に基づいて具体的な施策を立案し、実施します。その後、施策の効果をデータで検証し、次のアクションを計画するという一連のプロセスがPDCAサイクルです。このサイクルを継続的に回すことで、マーケティング施策が持続的に改善され、より効果的なアプローチが実現します。一度行えば終わりというものではなく、顧客の購買行動をどのくらいの期間で見るのかでも結果が変わってきます。また、データは日々更新されるので、それに合わせてマーケティング施策を調整していく必要があります。更に顧客の動向に応じて迅速に施策を改善することで、企業全体の競争力も強化されます。RFM分析を活用すれば、戦略的でデータに基づいた意思決定が可能となり、結果としてマーケティング活動の精度が向上します。このようにしてPDCAサイクルを促進し、持続的なビジネス成長を支えることができるのです。
RFM分析の注意点
上記のようにRFM分析はメリットも多くありますが、一方で計測するタイミング次第で結果が変わったり、購入者の詳細な属性やライフステージの変化・事情までは考慮できない、購入頻度が低い商品の分析や購買行動の予測には不向きという注意点（デメリット）があります。
計測期間の設定次第では、月に1回程度の利用で10年以上にわたって定期的に購入している常連顧客より、直近のセール期間中に連日購入した顧客を優良と判断する可能性もあります。また、買い替え需要が数年に1回程度の商品では、購入頻度のスコアにほとんど差が生じません。
こうした課題を解消する手段としては、「分析項目を増やして補完する」「その他の顧客分析手法を併用する」ことが有効です。
次にその他の顧客分析手法のいくつかの例をご紹介します。
・デシル分析…RFM分析よりもよりシンプルで、分かりやすく簡単に分析できる手法
・MRFI分析…RFM分析に購入アイテム（Item）を加味した分析手法
・RFMC分析…RFM分析にカテゴリーを組み合わせた分析手法
・ABC分析…商品毎の売上によってABCの3ランクに分類して、売れ筋を分析する手法
Excelを使ったRFM分析の例
RFM分析は特殊な計算サービスで行われていると思われがちですが、Excelで分析を行うことができます。具体的には以下になります。
必要なデータの入力とR値の設定
RFM分析を行うためには、まず必要なデータの入力が不可欠です。最初に、Excelのシートに顧客情報（名前やIDなど）、最終購入日、購入の頻度、総購入金額などのデータを入力し、各データを整理します。そして、これらのデータを基にRFM分析を行うための準備を整えます。
次に、Recency（最新の購入日から経過した日数）を計算します。これには、DATEDIF関数が非常に役立ちます。例えば、顧客の最終購入日がD3セルに入力されていると仮定します。この場合、現在の日付をF1セルに入力し、DATEDIF関数を使ってD3セルとF1セルの差を計算することで、各顧客の最新の購入状況を把握することができます。具体的には、「=DATEDIF(D3,F1,”D”)」という数式を使って日数を計算し、R値を取得できます。
このように、RFM分析に必要なデータを整えた上で、各指標（Recency, Frequency, Monetary）を計算し、顧客を特定の基準に基づいて分析することが可能となります。これにより、より深い顧客理解やターゲティングが可能となり、マーケティング戦略の精度を高めることができます。
指標の数値区分とデータの視覚化
続いて、RFMの指標に基づいて数値区分を行います。これは、各顧客を評価するために重要なステップです。具体的には、Recency（最新購入日からの経過日数）、Frequency（購入頻度）、Monetary（購入金額）の値を元に、顧客を1から5までのスコアで評価します。この評価を行う際には、ExcelのIF関数を使用し各条件に基づいてスコアを割り当てます。
例えば、Recencyの値が30日以内の場合はスコアを5、それを超える日数に応じてスコアを4、3、2、1と減少させます。同様に、Frequencyも購入回数に応じてスコアを割り当て、Monetaryも購入金額に基づいて評価します。
評価が完了したら、次にデータの視覚化に進みます。具体的には、Excelのピボットテーブルやチャートを使用することで、視覚的に理解しやすいデータ表示が可能となります。これにより、各顧客セグメントがどのように分布しているかを直感的に把握することができます。データの視覚化は、顧客の行動パターンや購買傾向を一目瞭然にし、マーケティング戦略の策定に大いに役立ちます。
合計と2軸を掛け合わせたデータの解析
最後に、RFMの各スコアを合計し、顧客を総合的に評価します。この合計スコアによって、顧客の価値を容易に比較することができます。Excelを利用して、合計スコアが15点に最も近い顧客を最高価値の顧客と特定することが可能です。
例えば、ExcelでRFMスコアを列に入力し、SUM関数を使用して合計スコアを計算します。これにより、各顧客の合計スコアを簡単に算出できます。次に、条件付き書式を設定して、特定のスコア範囲の顧客を強調表示することが可能です。
さらに、2軸を掛け合わせたデータ解析を実施することで、より詳細なインサイトを得ることができます。R（Recency）とF（Frequency）の2軸を使用して散布図を作成し、顧客を視覚的に分類します。たとえば、Excelの「散布図」機能を使って、横軸にRecency、縦軸にFrequencyを配置し、各顧客のデータポイントをプロットします。これにより、高スコアを持つ顧客群を視覚的に識別でき、特定のグループに対するターゲット施策が明確になります。
高スコアの顧客をターゲットにマーケティングキャンペーンを企画することで、リターンを最大化するための基盤が築かれます。このように、Excelを利用してのRFM分析は、実際のマーケティング施策に大いに役立つ強力なツールとなります。
まとめ
今回はRFM分析についてご紹介しましたがいかがでしたでしょうか？
RFM分析は購入に大きく影響する要素によって顧客セグメントを作成でき、自社の状況を可視化することが可能です。
顧客の属性に合わせたマーケティング施策を実施できる分析となりますので、是非貴社のマーケティング施策で活用してみてください。
弊社ではデジタルマーケティングのご支援が可能となっています。調査のご支援を可能ですので、仮設立てからマーケティング施策でお困りごとがある際はお気軽に下記フォームへご連絡をいただければ幸いです。