コラム

RFM分析とは?
基本知識やメリット・課題点・分析のやり方を解説!

RFM分析

顧客を理解し、最適なマーケティング施策を打つためには、まず顧客のデータを分析する必要があります。とはいえ、アンケート調査などにより顧客のデータを集める場合、時間もお金もかかります。顧客分析を始めたいものの、十分な顧客データを持っていない場合は、少ない情報から顧客分析が可能なRFM分析からスタートするとよいでしょう。

この記事では、 マーケティング・販売を担当する方に向けて、RFM分析の基本知識やメリット・デメリット、やり方や組み合わせると効果的なほかの分析手法を解説します。 ぜひお役立てください。

1.RFM分析の基本知識

RFM(アールエフエム)分析とは、3つの指標を用いて自社顧客を分類し、評価する分析手法です。 Recency(最終購入日)・Frequency(購入頻度・購入回数)・Monetary(累計購入金額)の3指標の頭文字を取り、RFM分析と呼ばれます。RFM分析を活用して把握した顧客の購買履歴データは、マーケティング戦略を練る際の判断材料として非常に有用です。以下では、RFM分析の指標と目的について詳しく解説します。

1-1.RFM分析の指標

RFM分析では、顧客を以下3つの指標でグループに分け、傾向を分析します。

R:Recency(最終購入日)

Recencyは、顧客の商品購入日から経過した時間を示す指標です。最後に購入した日が近いほど、優先順位を上げるべき顧客とみなされます。

F:Frequency(購入頻度・購入回数)

Frequencyは、商品の累計購入頻度を示す指標です。基本的に、購入頻度が多いほど顧客満足度が高いと見なされます。

M:Monetary(累計購入金額)

Monetaryは、顧客がこれまでに購入した商品の累計金額を示す指標です。金額が大きい顧客ほど、企業にとって価値が高いとされます。

以上の3つの指標にもとづいた顧客の購入データの分析により、マーケティング施策の効果アップが期待できます。

1-2.RFM分析の目的

RFM分析の主な目的は、顧客の状態を数値というシンプルな形で可視化し、それにもとづいて最適なマーケティングの手法を選択することです。 RFM分析によって顧客が新規顧客か既存顧客か、優良顧客であるかそれとも休眠顧客となっているかなどを識別しやすくなります。

顧客が属するグループを無視した一律的なアプローチ方法では、高いマーケティングの効果を期待できません。 可視化された情報にもとづいて戦略を練ることにより、各顧客グループに対して適切なアプローチが可能になります。

たとえば、購入頻度と購入金額が高く最新購買日も近い顧客群には、「お得意様限定の優待セール」などの特別なキャンペーンの展開が有効と言えるでしょう。一方で、購買が途絶えている顧客群に対しては、再び自社商品への興味と関心を持ってもらえるよう、早急に対策を考える必要があります。

RFM分析を活用すれば、各顧客グループのニーズに応じた効率的なマーケティング活動につながり、費用対効果の高まりも期待できるでしょう。

2.RFM分析のメリット・利点

RFM分析は多くの企業で活用されている顧客分析手法の1つで、さまざまなメリットがあります。顧客を分析する手法は数多くありますが、その中でもマーケティング施策において有用とされるデータ分析手法です。

ここでは、RFM分析のメリット・利点を3つ紹介します。

2-1.顧客グループごとにマーケティング施策を実施できる

RFM分析は顧客ごとのニーズや購買行動を理解し、それぞれに合ったマーケティング施策を展開する際に非常に有用です。

たとえば、優良顧客グループには新商品のお知らせや特別なオファーを提供して顧客ロイヤルティを高める施策が効果的です。一方、安定顧客にはポイント還元セールや特定日のポイント倍加などを実施すれば、さらなる購入を促せます。

休眠顧客グループにはアンケートを送って自社離れの理由を探り、提供された情報にもとづいて再度興味を引くような施策を考える方法が有効です。「お帰りなさいキャンペーン」や「期間限定の大幅値引きサービス」などが候補となるでしょう。

顧客グループごとに最適な施策を打てば、マーケティングの成果を高める効果が期待できます。

2-2.マーケティング施策の費用対効果を向上できる

RFM分析を活用すると、マーケティング施策の費用対効果を向上できる点もメリットの1つです。 RFM分析で顧客を最終購入日・購入頻度・累計購入金額の3指標でランク付けすると、優良顧客や休眠顧客など、顧客の属性が明確になります。

顧客の購入意欲を可視化できれば、効果の低いマーケティングに多大な費用をかける必要がありません。たとえば、購入頻度や購入金額が低い顧客に対しては、リスクの高い施策の対象から外す選択が可能です。削減した分の費用は、購入に至る可能性が高い顧客への施策に重点を置いて使えます。

また、 顧客の購買傾向を知ることで、効果的なタイミングやニーズに合わせた施策が可能となれば、顧客満足度も高められるでしょう。 LTV分析については以下で解説しています。ぜひあわせてご覧ください。

2-3.情報が少なくても始められる

RFM分析では、情報が少なくても顧客の状況を分析できます。デモグラフィックのように、年齢や性別、職業など詳細な顧客情報を必要としません。

デモグラフィック情報を収集するには、顧客にアンケートを依頼したり、多くの時間を費やしたりする必要があります。しかし、 RFM分析はデータの収集が容易な直近の購入時期・購入頻度・累計購入金額の3つがあれば実施でき、高度な計算も不要です。 そのため、データ分析の専門知識がない場合や、店舗管理者がデータ分析業務に不慣れな場合でも手軽に実装できます。

また、 情報量が少ないことでデータの漏洩リスクを抑えられる点も、RFM分析の利点として挙げられるでしょう。 デモグラフィック情報については以下で解説しています。ぜひあわせてご覧ください。

3.RFM分析のデメリット・課題点

RFM分析には多くのメリットがあるものの、それだけ取り入れれば顧客分析が完璧になるわけではありません。RFM分析は、あらゆる商品やサービスに使える万能な分析手法ではなく、いくつかのデメリットや課題点も存在します。以下では、RFM分析のデメリットと課題点を2つ解説します。

3-1.購入頻度の低い商品には向かない

RFM分析は、商品のリピート購入を前提として用いる分析手法です。そのため、 購入頻度の低い商品、たとえばベビー用品や大型家電、自動車などには向きません。 これらの商品は、同じ顧客が繰り返し購入する可能性が低く、RFMの「R(最終購入日)」や「F(購入頻度)」の評価が難しいためです。

また、季節性の高い商品や一生に数度の購入しか行われないサービス・商品も同様にRFM分析の有効性が低くなります。 RFM分析に向いているのは、日用品や消耗品をはじめとした、購入頻度が高く乗り換えが容易な商品です。 分析対象としたい商品の平均的な購入頻度を確認し、RFM分析の適切性を検討しましょう。

3-2.顧客の細かい属性までは分析できない

RFM分析は、直近の最終購入日・購入頻度・累計購入金額という3つのデータから顧客を分析する手法です。そのため、 顧客の特徴や好み、なぜ購入に至ったのかという背景までは分析しきれません。

これはRFM分析があくまでも現在の状況をもとにした分析であり、長期間にわたる顧客の変化や購買特性を考慮しづらいことに起因しています。たとえば、休眠顧客が増えている原因がライフステージの変化にある場合でも、RFM分析だけでその変化を捉えるのは不可能です。また、将来優良顧客になる可能性を持つ顧客を見極めるのも難しいでしょう。

顧客の細かな属性やライフステージの変化まで分析・把握したい場合は、RFM分析だけでなく、ほかの分析方法との組み合わせが必要です。マーケティングご担当者様に向けて、効率よく進めるデータ分析について以下で解説しています。ぜひあわせてご覧ください。

【マーケティングご担当者様必見!】効率よく進めるデータ分析とは

4.RFM分析のやり方5ステップ

RFM分析は、効果的な顧客セグメンテーションを行うための手法ですが、より正確な結果を導きだすには、正しい分析手順で実施する必要があります。

RFM分析は、以下のような5つのステップで進めるのが一般的です。

RFM分析のやり方5ステップ

RFM分析のやり方5ステップ

4-1.自社の課題を設定する

RFM分析の第1ステップでは、まず自社の課題を明確に設定する必要があります。 課題の設定は、分析を行う目的や方向性を定める大切な工程です。たとえば、特定の商品の売上が思わしくないのであれば、売上の伸び悩みを解消するための施策を考えることが課題となります。

次に、設定した課題を解決する仮説を立てます。仮説は、具体的な問題点や原因を特定し、どの要因に注目するかの基盤となる要素です。 例として、短期解約の増加が売上の伸び悩みの原因であると仮定する場合、継続率の向上が必要という仮説が挙げられます。

商品の課題を明確にし、解決に至るための仮説を立ててから、分析作業の次のステップへと進みましょう。

4-2.データを収集する

RFM分析を進めるにあたり、データ収集は欠かせない工程です。 顧客の「最終購入日」「購入頻度」「累計購入金額」を中心に、POSレジや会員カード情報、レシートなどからデータを取得します。 購入頻度の取得には、顧客のユニークIDが必要です。

詳細な分析を望む場合、商品名や顧客の年齢、居住エリアなどの情報を追加してもよいですが、個人情報の扱いに関して十分な注意が求められます。 入力ミスや表記揺れがあると分析データの正確性が下がるため、データを整理して不要な情報を修正し、精度の高いデータをそろえましょう。

4-3.データの分類基準を決める

データ集計が終わったら、顧客のデータを分類する基準を定めます。 企業や商品によっても基準が異なるため明確な定義は存在しませんが、3〜5段階程度のランク分けが一般的です。 たとえば上位20%をランクA、中位60%をランクB、下位20%をランクCとする方法や、以下のようにそれぞれに一定の目標を設けるランク分けがあります。

RFM分析の分類例

【RFM分析の分類例

顧客ランクを細かく分けすぎると分析や施策の実行が煩雑になるため、5段階以下にまとめるとよいでしょう。

ランク分けの基準の設定には、2つの考え方があります。1つ目は、実際のデータを参照して決める方法です。Rの場合、最近の利用日の分布を見れば、区切りとなる期間をピックアップできます。FやMも同様に、データの分布を参考にして基準を設けます。2つ目は、戦略や収益性をもとに決める方法です。企業の目標や意思を下敷きに、データを参考にしながら基準を設定します。

分類基準は、後から調整や変更が可能です。 実際に運用しながら、分類基準を随時ブラッシュアップするとよいでしょう。

4-4.顧客データにランクを付けて分析する

RFM分析のステップ3で設けた分類基準をもとに顧客のスコアをランク付けし、分析を行いましょう。 「R(最終購入日)」「F(購入頻度)」「M(累計購入金額)」のランクから、顧客の動向や購買行動を読み取り、それぞれの顧客にどれほどの価値があるかを明確にします。

たとえば、「R」が高い顧客は将来への収益貢献が期待できますが、「R」が低いと他社に移行している可能性が高い顧客です。また「R」が同程度であれば「F」や「M」が高いほど購買力があると言えます。一方で「F」が低く「M」が高い顧客は購入頻度を高める工夫が必要です。

「R」と「F」を基準にした分析の例は、下記のようになります。

「R」と「F」を基準にした分析の例

RFM分析を通じて顧客の購買行動に応じた最適なアプローチを構築し、施策を実行することで、売上向上が期待できるでしょう。

4-5.施策実施後の効果を測定する

施策を実施した後、その効果をしっかり測定することは、RFM分析において必須のステップです。 施策実施後に効果を測定すれば、どの施策が成功しているか、どの点を改善する必要があるかが明確になります。

まず、再度データを収集・分類し、施策の結果を数値で確認しましょう。たとえば、特定の顧客層に向けたキャンペーンの後、購入頻度や購入額がどれだけ増加したかを調査します。成果が出ている施策については、同じ方法を継続または拡大すれば十分です。一方、期待した効果が得られなかった施策については、原因を分析し、必要に応じて施策を見直さなければなりません。

効果測定を継続的に行い、営業施策を徐々に改善していけば、よりよい結果が期待できます。初めに打った施策が満足のいく結果をもたらすケースは、滅多にありません。 重要なのは、一度の施策で大きな成果を期待せず、繰り返しの試行錯誤を通じて最適な施策を見付け出すことです。

5.RFM分析と組み合わせると効果的な分析手法

RFM分析は顧客の価値を把握する強力なツールですが、これ1つだけでは把握できない要素もあります。RFM分析の欠点を補い、より包括的な顧客理解を実現するためには、別の分析手法と組み合わせるとよいでしょう。

ここでは、RFM分析と組み合わせると効果的な分析手法を3つ紹介します。

5-1.MRFI分析・RFMC分析

RFM分析の分類項目にアイテムやカテゴリーを追加すると、顧客データをより詳細に把握できます。

MRFI分析

RFM分析に商品(Item)の要素を加え、どの商品が顧客に購入されているかを明確にする手法です。アイテム項目の追加により、再販の見込みが少ない商品を購入した顧客を分析から除外するといった方法が考えられます。

RFMC分析

カテゴリー(Category)をRFM分析に取り入れることで、どの商品カテゴリーがどの顧客層に人気かが把握できる手法です。個別の購入商品データよりも、カテゴリー単位でのデータ分析が求められる場面で活用します。性別や年齢などの顧客属性との組み合わせも可能です。

5-2.デシル分析

デシル分析は顧客を購入金額で10等分にランク付けする手法であり、ラテン語で「10分の1」という意味を持ちます。 分析手法は、「一定期間の顧客の購入金額を算出する→合計額が多い順に並べる→10等分してグループを作る」というシンプルな方法です。デシル分析では売上貢献度の高い優良顧客を見付けやすく、効果的なマーケティング施策の実施が可能になります。

ただ、デシル分析の指標は購入金額のみです。そのため、過去に高額商品を1度だけ購入した顧客も高いグループに分類されるリスクがあります。 初めてデータ分析をする場合でも分かりやすい指標となるため、簡易的なデータでよいときはデシル分析、より詳細な情報を必要とするときはRFM分析を選ぶとよいでしょう。

5-3.CPM分析

顧客のリピート購入を増加させるための分析手法として、RFM分析がよく使用されます。しかし、RFM分析だけではすぐに購入する確率が低い顧客や、離脱しかけている顧客を把握しにくいという課題があります。

CPM分析は、RFM分析の弱点を補強するために開発されました。 CPMはCustomer Portfolio Managementの略で、顧客を10のグループに分類する手法です。 経過日数も判断の基準に加えることで、中長期的な顧客管理が可能となります。それぞれのメリット・デメリットは以下の通りです。

RFM分析

メリット

・直近購入の確率が高い顧客を割り出せる

・短期的な売上向上への貢献力が高い

デメリット

・データ取得のタイミングで結果が変動する

・継続的な顧客育成には向かない

CPM分析

メリット

・中長期的な視点で顧客育成が可能となる

・RFM分析では対応困難だった顧客層にも焦点を当てられる

デメリット

・分析が複雑で、施策の策定が難しい場合がある

・長期間のデータの蓄積が必要となる

RFM分析で短期的な施策を、CPM分析で長期的な施策を実施することで、企業の売上を継続的に伸ばす効果が期待できます。EC事業者のマーケティングご担当者様に向けて、データドリブンマーケティングについて以下で解説しています。ぜひあわせてご覧ください。

【EC事業者様のお悩み解決】売上向上に寄与するデジタルマーケティング施策とは

まとめ

RFM分析は商品の最終購入日(Recency)・購入頻度(Frequency)・累計購入金額(Monetary)の3つを指標として顧客を分析する手法です。顧客の状態を数値化して分類し、最適なマーケティング施策を打つことを目的としています。

RFM分析は情報が少ない状況からスタートでき、比較的簡単な分析でマーケティング施策の費用対効果を向上できるメリットがあります。ただし、購入頻度の低い高価な商品や、特定の季節にのみ売れる商品の分析には向いていません。そのため、ほかの分析手法と組み合わせてより分析の制度を向上するのがおすすめです。

顧客を理解して最適なマーケティング施策を行い、収益を向上するには顧客データに基づいた経営(データドリブン経営)が必要です。特に顧客データを得やすいデジタルマーケティングを行うにあたっては、分析にとどまらず、施策から収益につながるまで伴走できる「data circle」をぜひご利用ください。

また、EC事業者のマーケティングご担当者様に向けて、データドリブンマーケティングについて以下で解説しています。ぜひあわせてご覧ください。

【店舗・EC事業者のマーケ担当者必見!】データドリブンマーケティングを実現するための『3ステップ』とは

関連記事