顧客分析の手法として代表的な、「RFM分析」。その意味や目的・メリットを、初心者にも分かりやすく整理しました。さらに通販ビジネスにおける活用事例をもとに、データの見方のコツや注意すべきポイントも解説します。
通販事業の現場で使われているKPIを新任担当者でも分かるようにまとめました。
⇒解説資料はこちら
「最終購入日」「購入回数」「購入金額」の3軸で、顧客を分析
RFM分析とは、顧客分析に使われる手法の1つです。
顧客の購買行動を表す
- 最終購入日（Recency）
- 購入回数（Frequency）
- 購入金額（Monetary）
の3つの指標でグループ分けします。
最終購入日（Recency）
Recencyは、顧客が最後に商品を購入した日のことです。
1年前に購入した顧客よりも最近購入があった顧客のほうが購入してもらえる確率が高い傾向があり、「1ヶ月以内」「6ヶ月以内」といった形でグループ分けをします。
実際に分析をする際、5ヶ月前に商品を最後に買ったお客様のことを「R5」と記載します。
購入回数（Frequency）
これまでの商品の累計の購入回数です。
実際に使う際は、2回目に購入したお客様のことを「F2」と表します。
平均の購入回数は、業態や商品によって異なるため、この数値が低いからといって問題があるとは限りません。
ただ日用品や消費が早いものなど、定期的な購入が期待できる商品であれば、顧客がなにか不満を抱いているのではないか、と着目することもあります。
購入金額（Monetary）
累計の購入金額を指し、「12,000円」や「35,000円」など金額が入ります。
ここまで紹介した3つの軸を使い、以下のように顧客をグループ分けします。
3つの軸を使った顧客のマッピング例
「長年購入を継続している優良顧客」「以前頻繁に購入していたが直近の購入がない顧客」といった形で、顧客リストを抽出するときにこの「RFM分析」が活躍するのです。
通販事業の現場で使われているKPIを新任担当者でも分かるようにまとめました。
⇒解説資料はこちら
RFM分析の目的
RFM分析を行う目的は、既存顧客への販促の費用対効果のアップです。
たとえばダイレクトメール（DM）は、すべての顧客には送らず、「最終購入日が6ヶ月以内」や「累計購入金額が20,000円以上」といったように、一定の条件に当てはまる顧客にのみ発送します。
RFM分析にもとづく、購入率の傾向を見ていきましょう。
R（最終購入日）が小さい方が、レスポンス率が高い
直近で3ヶ月前に購入したお客様と2年前に購入してそれっきりの方とでは、どちらの方が買ってもらいやすいでしょうか？
前者の方が購入意欲が高いのは想像できますし、一般的にも前者の方がCV率が高い傾向があります。
F（購入回数）が大きい方が、レスポンス率が高い
また、10回買ってもらった履歴のある過去のロイヤル顧客と、1回だけお試し商品を買ってやめてしまった顧客では、どちらの方が買ってもらいやすいでしょうか？
前者の方が会社や商品に愛着があるのは想像できますし、一般的にも前者の方がレスポンス率が高い傾向があります。
RFM分析を用いれば、「R（最終購入日）が1年以内の顧客」や「F（購入回数）が2回以上の顧客」などの要素でセグメントできます。
R・F・Mそれぞれのスコアによって、「優良顧客」や「休眠顧客」など顧客をランク付けしたうえで、買ってくれそうなお客様だけに販促費用を投下できます。
つまり、RFM分析を使えば既存顧客へのCRM施策の費用対効果がアップしやすく、収益を合理的に最大化できるのです。
通販事業の現場で使われているKPIを新任担当者でも分かるようにまとめました。
⇒解説資料はこちら
データ分析のやり方は？5ステップと必要なツール
では、具体的にどんなやり方で、分析を進めていけばよいでしょうか？
必要なツールと合わせて、プロセスを5つに分けて解説します。
ステップ1：仮説を立てる
はじめに大事なポイントですが、データを出す前に必ず仮説を立てておきましょう。
「休眠顧客向けのDMの費用対効果が、悪化している」と、あなたが感じているとしましょう。
それならば、「DMによる販促で、一定期間購入していない休眠顧客については、費用の方が売上を上回って赤字になっているのでは？」と一歩踏み込んで、仮説として記録しておきます。
起こっている事象や想定している原因などを、もう少しブレイクダウンし言語化できないか？
面倒に感じることもあると思いますが、欠かさずに行いましょう。
ステップ2：必要なデータを定義する
そのうえで、「浮かんだ仮説を検証するためには、どのような数字をとる必要があるか？」を整理するのです。
この場合は、「過去3回分のDM実績における、レスポンス率と平均購入単価」をRecency（最終購入からの月数）ごとに抽出して、平均発送費用と比較すればよい」と分かります。
なお、ステップ4でデータをもとに意思決定を行うに際して、「このデータでは不十分」となると効率的ではありません。
データの母数や期間、除外する条件なども、事前に握っておくと間違いがないでしょう。
ステップ3：システムからデータを抽出する
1で定まったデータを抽出するため、データベースにアクセスしましょう。
たいていの通販会社は、財務会計や在庫管理などの「基幹システム」と連携して、「ecforce」や「MakeShop」など、通販ビジネスに即した「販促システム」を活用しているでしょう。
販促システムからデータを取り出すなら、R（最終購入日）・F（累計購入回数）・M（累計購入金額）を、それぞれ独立した項目として顧客情報に紐づいてダウンロードできるので便利です。
先ほどの例では、顧客IDごとにDM送付前の最終購入日とDMのレスポンス情報がスプレッドシートに揃えば十分です。
ステップ4：数字の集計はエクセルで可能
高度なデータ解析ツールもありますが、一般的なRFM分析なら、基本的にはEXCEL（エクセル）で可能です。
ステップ3のようにデータが揃えば、たとえば「ピボットテーブル」の機能を使えば、Rごとのレスポンス率が出ます。
テーブルごとにデータを紐づける場合は「vlookup」など、関数を使うケースも多いでしょう。
Tableau（タブロー）やDOMOなどBIツールを活用すると、ビジュアライズして可視化されやすくなります。
マネジメントに報告したり、部署全体で定期的にモニタリングする場合などには有用でしょう。
ステップ5：データをもとに意思決定する
最後に、もっとも重要なのが分析を施策に反映することです。
ステップ1で立てた仮説が、現実と合っているか？をデータにもとづいて確認します。
たとえば、R10以上（最終購入日から10ヶ月以上）の顧客には、DMを発送しても赤字になっていたことが判明したとしましょう。
その場合は、R10以上の顧客にはDMの発送を取りやめて、今後はR9以下の顧客だけに送付するのが有効と判断できます。
データにもとづいて施策の有効性を議論し、その可否を意思決定していくのです。
「まずはデータベースから数字を出す」「EXCELで関数をいじってみる」と手を動かしてみるのもよいですが、このように分析の全体像を理解しておくとスムーズに仕事を進めやすいでしょう。
通販事業の現場で使われているKPIを新任担当者でも分かるようにまとめました。
⇒解説資料はこちら
通販ビジネスの事例からみる、効果的な活用法と限界
ではこのRFM分析、マーケティングの現場ではどのように使われているのでしょうか？
このブログの読者にも多い「D2C」や「単品リピート通販」での活用ポイントを、事例を交えて見ていきましょう。
D2Cや単品リピート通販では、RとFでまずは十分
RFM分析のなかでも、「レスポンスに最も影響を与える要素はR（最終購入日）」という大まかな傾向が、過去のデータから明らかになっています。
その次に重要なのが、F（購入回数）、逆に言えば、いったんはM（購入金額）は除外して、RとFだけに絞って分析すると良いでしょう。
会社によって考え方は違うかもしれませんが、私が通販会社にいた時は、RFMのうちMは分析に入れていませんでした。（中略）
Mは必要がなく、RとFの違いで区分したグループわけをして、それぞれに応じた施策を考えるというのが、現場で使うには現実的な方法だということです。
「データベースマーケティングの基礎 – 費用対効果を明らかにするRFM分析とは」より
特に健康食品など、同じ商品を定期的に購入するのが前提のビジネスモデルでは、F（購入回数）とM（購入金額）は連動しやすい傾向もあります。
したがって、「金額を見なくても回数をみておけば、会社としてフォローを考えるのに十分な分析ができる」（同記事より）のです。
RとFにもとづいて顧客アプローチ施策をマッピングした例
長期的な「顧客育成」がおろそかになりがちな問題点も
RFM分析には、「顧客育成」の視点が抜け落ちてしまいやすい、という問題点もあります。
たとえば、買ってくれやすい顧客に狙いを定めてくり返しDMやカタログを送ると、だんだんと飽きられてしまいます。
短期的な費用対効果ばかりを追い求めると、顧客リストが疲弊してしまい、一時的に売上を伸ばしても伸び悩むことが多いのです。
「これまでは購入額が少なかったお客様」、「昔は常連だったが今はお休みされているお客様」でも、辛抱強く商品の良さをお伝えしていけば、優良顧客になる可能性もある。
しかし、RFM分析では「既に購入履歴のあったお客様」に焦点をあてるので、これらのお客様は、結果として切り捨てられてしまう。
「RFM分析」の使い方を間違えると ―「顧客育成シナリオ不在の罠」第2回― より
このようなRFM分析の限界をクリアにするために、「顧客ポートフォリオマネジメント」（CPM）という理論も開発され、通販ビジネスにおいて活用されています。
（参考：「3年間で年商10億円を目指す！顧客ポートフォリオ・マネジメント実践例」）
これまで見てきたとおり、RFM分析は強力なツールです。
その限界や問題点も合わせて理解したうえで、局面に応じて使い分けてみると良いでしょう。
この記事が、あなたの会社のデータベースマーケティングに少しでもお役に立てることを願っております。
通販事業の現場で使われているKPIを新任担当者でも分かるようにまとめました。
⇒解説資料はこちら
