RFM分析とは？その概要・分析手順からメリットや注意点も紹介

RFM分析という手法を見聞きしたことがあるものの、

・RFM分析を行うメリットが分からない…。
・RFM分析を使うべきタイミングが分からない…。

という方も多いのではないでしょうか。そこでこの記事では、

・RFM分析の基本手順やExcelを使った具体的なやり方
・RFMのメリット、デメリット

についてご紹介します。

RFM分析とは：「Recency」「Frequency」「Monetary」の分析

RFM分析とは「Recency（最新の購買日）」、「Frequency（購買頻度）」、「Monetary（購買金額）」の3つの指標を用いる分析手法です。各指標の頭文字をとって、RFM分析と呼ばれます。

RFM分析を行う目的は、企業が商品やサービスを販売する際に顧客の状況を把握し、最適な施策やアプローチ方法を考えるためです。

続いて、3つの指標について紹介します。

Recency：最新の購買日

「Recency（最新の購買日）」は、顧客が最後に商品・サービスを購入した日付のことです。一般的に、最終購入日からの経過期間が短い顧客ほど、良い顧客として評価されます。

Frequency：購買頻度

「Frequency（購買頻度）」は、顧客ごとの購入回数を指す指標です。購入頻度が高いほど、良い顧客として評価されます。

Monetary：購買金額

「Monetary（購買金額）」は、顧客のこれまでの購入金額の合計を表す指標です。購買金額が高いほど、良い顧客として評価されます。

RFM分析方法の基本手順

RFM分析を行う際は、課題の設定やデータ収集などの準備をした上で、正しい手順で進めることが重要です。ここでは、RFM分析を行う基本的な方法を解説します。

①課題設定・仮説立てをする

RFM分析を始める前に、まずは自社が抱えるマーケティング上の課題を設定します。例えば、リピート購入につながらないことや、顧客あたりの平均購入金額が低いことなどがよくある課題です。さらに、課題が起きている原因や解決策について仮説を立てます。

課題設定と仮説立てにより、RFM分析が課題解決に適切な手法かどうかの判断が可能です。また、分析すべき内容を絞り込み、どのようなデータが必要かを明確化できます。

②データを収集する

RFM分析の対象となる3つの指標について、データを収集します。顧客データの分析には、顧客管理システムから出力した会員IDを含むデータや、POSデータなどが必要です。

入力ミスや表記ゆれなどが含まれるデータでは、正しい分析結果が得られません。データクレンジングと呼ばれる処理を行い、データの精度を上げておきましょう。

③データを分析する

3つの指標に関する顧客データをもとに、ヒストグラムと呼ばれるグラフを作成し、分布を確認しましょう。さらに、各指標にそれぞれ3～5段階のランクを設定し、ランクごとにスコアを割り振ります。

設定したスコアを用いて、顧客ごとに合計点を算出すると、購買履歴に応じた顧客のグループ分けが可能になります。一般的には「優良顧客」、「安定顧客」、「新規顧客」、「休眠顧客」という4つの分類が使用されます。

ヒストグラムの特徴や作り方について詳しくは「ヒストグラムをExcelで作成！分析に有効なグラフの作り方と解釈の仕方を解説」をご覧ください。

④マーケティング施策を企画する

グループ分けを終えたら、最初に立てた原因の仮説と比較しましょう。仮説と分析結果が合っていれば、最初に立案した解決策のマーケティング施策を有効と考え、実施のフェーズに移ることが可能です。仮説と異なる分析結果だった場合は、データをもとに新たなマーケティング施策を立て直します。

RFM分析でグループ化した顧客に対して、それぞれに適したマーケティング施策を企画することで、良い反応を得られる可能性が高まります。

⑤マーケティング施策を実施する

企画したマーケティング施策を実際に行います。また、リピート購入や購入金額の向上など、得られた反応をもとに改めてRFM分析を実施することも重要です。

⑥効果を検証する

マーケティング施策の実施後は、効果検証を行います。得られた結果に応じて、仮説検証やデータ分析を行い、PDCAサイクルを継続的に回しましょう。

RFM分析を行うことのメリット

RFM分析を行うと、次のようなメリットが得られます。

顧客をグループに分け整理できる

購買履歴によって顧客をグループ分けできることは、RFM分析の大きな利点です。グループ化することで、顧客の特性や行動パターンなどを捉えやすくなります。

顧客層ごとに効果的な施策を打てる

RFM分析でグループ分けをすると、各グループに対して有効な施策を行うことが可能です。ニーズに合わせて、どのようなアプローチ方法が最適かを検討しやすくなります。

マーケティングのコスト削減につながる

マーケティング施策の費用対効果を高められることも、RFM分析のメリットです。グループごとに最適なアプローチ方法を選ぶことで、施策にかかる時間や費用、マンパワーなどの無駄が省けます。

RFM分析を行う上での注意点、デメリット

RFM分析には、メリットだけでなくデメリットもあるため、理解した上で取り組むことが大切です。ここでは、RFM分析を行う際の注意点を解説します。

購入頻度の低い商品の分析に不向き

RFM分析は、継続的に購入される商品やサービスの顧客データについて分析する手法です。そのため、購入頻度が低い商品・サービスを扱っている場合はRFM分析に向いていません。RFM分析に向いていない商品としては、家や自動車など高額かつ利用期間が長い商品が挙げられます。

顧客の細かい属性を分析できない

RFM分析は、顧客の購買データをもとに分析を行うため、性別や年齢などの細かい属性を考慮することができません。あくまでも、購入のタイミングや回数、購入金額によって顧客をグループ分けする場合にRFM分析を行いましょう。

データ収集のタイミングに左右される

RFM分析を行う際の注意点としては、短期間に収集したデータを利用する場合、データに偏りが生じる可能性があることが挙げられます。顧客の購買行動をより正確に分析したい場合、長期間のデータを対象とすることが推奨されます。

また、セールやキャンペーン、季節性の高い商品を販売した期間などが対象期間に含まれていると、最新の購買日や購買頻度に影響します。データ収集のタイミングによって分析結果が変わる点に注意してRFM分析を行いましょう。

RFM分析を使うべきタイミング

RFM分析は、キャンペーンの企画や顧客行動の把握など、多くの場面で活用できる手法です。ここでは、RFM分析を使うべきタイミングについて解説します。

効果的なキャンペーンを打ちたいとき

費用対効果の高いキャンペーンを実施したい場合に、RFM分析が有効です。RFM分析を行うと、ターゲットを絞り込み、購入タイミングやニーズに沿ったキャンペーンを打ち出せます。また、優良顧客限定のキャンペーンなど、特別な施策を行うことも可能です。

RFMと売り上げの関連を知りたいとき

特定の時期に売上が増加または減少している場合、最新の購入日や購買金額、購買頻度などの分析で原因がわかる可能性があります。例えば、多くの顧客の最終購入日からの経過日数が増えている場合、買い控えが起きているといった現状分析が可能です。特に、売り上げが減少している時はRFM分析で要因を特定することで、改善策を考えやすくなります。

顧客行動を読みたいとき

RFM分析は、最新の購入日、購買金額、購買頻度の3要素のみに注目し、その他の顧客属性は分析対象に含まれません。そのため、顧客の年齢や性別、地域といった細かな情報にとらわれず、顧客行動そのものを把握したい場合にRFM分析が有効です。

ExcelでRFM分析をすることはできる？

既存顧客の購買データをもとに、RFMの3つの値を算出することで、ExcelによるRFM分析が可能です。

①RFMの値を集計する

まずは、氏名や会員IDといった顧客を識別できる情報と、R（最新の購買日）、F（購買頻度）、M（購買金額）を含むデータを用意しましょう。

R（最新の購買日）については、日付のデータのままだと集計が難しいため、最新購買日から現時点までの経過日数を計算しておきます。

②R、F、Mのランク分けを行う

3つの要素について、それぞれランクの分け方を決めます。ランク分けの例は次の通りです。

R（最新の購買日）のランク分け

ランク	最新の購買日からの経過日数
3	60日未満
2	60日以上180日未満
1	180日以上

　

F（購買頻度）のランク分け

ランク	購買回数
3	5回以上
2	2回以上5回未満
1	1回

　

M（購買金額）のランク分け

ランク	購買金額の合計
3	3万5千円以上
2	1万円以上3万5千円未満
1	1万円未満

　

上記の分け方はあくまでも一例です。ランク分けの定義は、実際に用意したデータをもとに適宜決めましょう。

次に、ランク分けの条件に応じて顧客ごとにR、F、Mのランクを算出します。ExcelのIF関数を使うと、条件に応じたランク数を簡単に計算することが可能です。

例えば、「セルの値が180以上ならランク1、60以上180未満ならランク2、それ以外（180以上）ならランク3」と指定するためのIF関数の計算式は次の通りです。

=IF(対象のセルの番号 >= 180, 1, IF( 対象のセルの番号 >= 60, 2, 3))

IF関数の条件式の中に、さらにIF関数を記述することで、複数の条件に応じた計算ができます。同様にFとMのランクも算出し、RFMの合計値も計算しておきましょう。

③R、F、Mの分析を行う

計算した値をもとに、RFMのデータ構成を分析します。例えば、RFM分析の合計値をもとに顧客グループを分類する場合、COUNTIF関数などを用いてRFM分析の合計値ごとの人数を数えます。

例えば、今回用意したデータの場合、RFMの合計値が5～7のユーザーが多く、ボリュームゾーンであることがわかります。

ボリュームゾーンの顧客を「安定顧客」、RFMの合計値が高い8や9の顧客は「優良顧客」、合計値が低い3や4の顧客は「新規顧客」または「休眠顧客」などと定義することが可能です。このような手順で、Excelを用いてRFM分析ができます。

BIツール（Tableau）を使ってRFM分析してみよう！

RFM分析を行うと、顧客の購買行動を把握し、効果的なキャンペーンを企画できます。また、売り上げが減少した要因などを分析し、改善策を考えることも可能です。

最新の購入日と購買頻度、購買金額の3つのデータを準備して、正しい手順でRFM分析を実行しましょう

また、RFM分析を行う際には、BIツール（ビジネスインテリジェンスツール）を利用することで、データを可視化しながら分析することができます。

Udemyメディアの講座ではBIツール「Tableau」の基本操作を学ぶことができます。

評価：★★★★
内容：基本的なことを纏めていただいている点がありがたく、またインストール時の画面遷移を実際に見れる点で安心して操作できると感じます。

評価：★★★★★
内容：操作の一つ一つの説明が丁寧で、初心者が見ても「今何やったの？」という疑問がでない親切な動画でした。

RFM分析をマスターしてマーケティングの施策立案に役立てましょう！