D2C、サブスクリプションなど
マーケティング関連の役立つ情報をお届けします。

RFM分析とは?顧客をランク付けするやり方と、活用事例・問題点

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。

3つの軸で顧客をマッピング

「最終購入日」「購入回数」「購入金額」の3軸で、顧客を分析

 

はじめに、「RFM分析とは?」を見ていきましょう。

 

RFM分析で用いるのは、最終購入日(Recency)・購入回数(Frequency)・購入金額(Monetary)の3つの軸です。

 

 

最終購入日(Recency)

 

商品を最後に買ってから、どれくらい日にちが経っているか?、すなわち最終購入日からの期間です。
たとえば「R5」は、5ヶ月前に商品を最後に買ったお客様のことです。

 

 

購入回数(Frequency)

 

これまで商品を何回買ってもらったか?、すなわち累計での購入回数です。
たとえば「F3」とは、購入回数が3回のお客様のことです。

 

 

購入金額(Monetary)

 

これまでどれだけお金を使ってもらったか?、すなわち累計での購入金額です。
「12,000円」や「35,000円」など金額が入ります。

 

 

このように最終購入日・購入回数・購入金額の3つの軸を用いて、顧客を分析する手法がRFM分析です。

 

3つの軸で顧客をマッピング

3つの軸で顧客をマッピング

 

 

既存顧客にくり返し購入してもらうためには、「カタログを郵送する」「電話をかける」といったコミュニケーションが有効です。
その対象となる顧客リストを抽出する時に、この「RFM分析」が活躍するのです。

 

 

RFM分析の目的は、既存販促の費用対効果アップ

 

たとえばダイレクトメール(DM)も、すべての顧客には送りません。
「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、レスポンス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

 

直近では3ヶ月前に購入したお客様(Recencyが3。以後「R3」)と2年前に購入してそれっきりの方(R24)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(R3)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レスポンス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(Frequencyが10。以後「F10」)と、1回だけお試し商品を買ってやめてしまった顧客(F1)では、どちらの方が買ってもらいやすいでしょうか?
前者(F10)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。

 

RとFにもとづいて既存顧客をランク付け

RとFにもとづいて既存顧客をランク付け

 

 

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。
 

 

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、「たまごリピート」や「カスタマーリングス」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、Rが10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、Rが10以上の顧客にはDMの発送を取りやめて、今後は9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化粧品や健康食品など「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。

 

 

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

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。

人気のタグ
健康食品 化粧品 引き上げ A/Bテスト コピーライティング 折込チラシ DM オファー ワンスター 定期購入 アウトバウンド インバウンド 定期コース 同梱物 海外進出 インフォマーシャル 広告媒体 ロイヤル顧客 新聞広告 ステップメール お客様の声 アップセル デプスインタビュー 割引 ネイティブ広告 LTV 体験談 決済 デザイン 影響力の武器 行動経済学 クロスセル LP 離脱防止 同封広告 CPO 休眠顧客 まとめ売り CPA プレゼント データ分析 キャッチコピー コールセンター お友達紹介 CPR 台湾 シュガーマン 書評 RFM分析 記事広告 LINE Ads Platform 紙媒体 EFO 会報誌 フリーペーパー 無料サンプル F2転換 リピート率 PR KPI サブスクリプション キャスティング フォーム改善 カゴ落ち 越境EC コーズマーケティング バナー カスタマーサポート トライアルセット 解約抑止 クリック率 Instagram パーソナライズDM 同梱広告 挨拶状 カート コンバージョン率 ポイント制度 返金保証 口コミ 損失回避の法則 定期継続率 休眠掘り起こし アンケート 成分認知度 ファンデーション 回帰分析 客単価 CVR 運用型広告 中国 カタログ スマホ タイ 市場調査 物流 まとめ買い 確認画面 お休み制度 開封率 クレンジング 金券 サンクコスト 初回定期 ビジネスモデル レコメンド広告 社会的証明 手書き手紙 統計学 広告代理店 事業計画 アフィリエイト広告 レスポンス率 記事コンテンツ 記事型 CS アンケート型LP 単品リピート通販 CRM Tmall Global(天猫国際) メルマガ CPM分析 フルフィルメント Facebook広告 お礼状 ザイオンス効果 返報性の原理 神話の法則 保有効果 認知的不協和 PASONAの法則 ROAS ツァイガルニック効果 恐怖訴求 企業姿勢 送料無料 一貫性の原理 ゲル 完了画面 顧客ランク 若見え 顔出し 反応率 インバウンドアップセル ゲーミフィケーション NPS コンテンツマーケティング 動画広告 海外展開 MA 顧客ロイヤルティ マーケティング ユニットエコノミクス YD Yahoo!ディスプレイ広告 YDN KOL 単品通販 芸能人 広告起用 CVアップ 通販広告 費用 新規獲得 解約防止 CAC 解約率 MRR ARPU 媒体 無料モニター メイクアップ 圧着ハガキ プロスペクト理論 アンカリング効果 顔写真 離脱抑止 薬機法 ブランド 神田昌典 現状維持バイアス フォローコール サンクスレター 通販経営 フレーミング効果 コンビニ後払い 脳科学 カリギュラ効果 希少性 アンカリング カタログ通販 リスク・リバーサル プラシーボ効果 有意差 トライアルアセット 通販業界 ASP お客様イベント リスティング広告 プロダクトライフサイクル キャンペーン 下取り 損失回避 QRコード 媒体化 番組パターン ラジオ広告
全てのタグをみる閉じる
メールマガジン登録はこちら

単品リピート通販のKPI入門編

CPA・CPO・LTVなど、通販事業の現場でよく使われるKPIに加え、初心者が最初に知りたい「単品リピート通...
単品リピート通販のKPI入門編
無料ダウンロードはこちら
お問い合わせ
広告・CRMなど、各分野の専門家が
お答えします
フォームからのお問い合わせ
お問い合わせフォームはこちら
お電話でのお問い合わせ
TEL: 03-6680-7513 (受付時間:平日 9:30-18:30)