RFM分析｜リソースの費用対効果を高めるRFM分析について解説します

RFM分析とは、顧客分析をするための手法です。

顧客を分類して、それぞれの分類ごとに最適な施策を講じることで、少ないリソースで効果の最大化を実現することを目的としています。

顧客を分類する際に「最終購買日（Recently）」「購買頻度（Frequency）」「購買金額（Monetary）」の３つの観点で分類をするので、それぞれの頭文字を取って「RFM分析」と呼ばれています。

RFM分析は比較的容易に使いこなせる分析手法なので、この記事を読んで自社のリソース配分の最適化や施策効果の最大化を実現していきましょう。

RFM分析は施策の投資効率を高めるための分析手法

RFM分析は、購買情報を使って顧客を分類して、分類ごとにアプローチを変えることで施策の費用対効果を高くするための分析手法です。

使用する購買情報は「最終購買日（Recently）」「購買頻度（Frequency）」「購買金額（Monetary）」の３つです。３つの指標で顧客を評価することで、顧客をセグメンテーションします。

セグメンテーションした上で、各セグメントの傾向に合わせて、適切な施策を実行することで効果を最大化することを目的としています。結果的に顧客のLTVも最大化されるという因果関係を持ちます。

RFM分析の目的

RFM分析を行なう目的は、顧客の購買状態に合わせたアプローチをすることで、実行施策の費用対効果を高めることにあります。

年齢や性別で顧客を分類して施策を実行し分けることはよくありますが、同じ年齢でも昨日商品を購入済の顧客と１年前に購入済の顧客では、施策に対する反応は全く異なることは容易に想像できるでしょう。

属性情報では見えてこない購買意欲をRFM分析によって明らかにすることもできるため、属性情報による顧客分析に、RFM分析の結果を組み合わせて活用することで、リソースの費用対効果をより高めることができます。

RFM分析の使用が適していないケース

RFM分析を使用することが向いていない状況もあります。

RFM分析が向いていないケース１：購買頻度が極端に低いケース

RFM分析においては、購買頻度という指標が分析要素の１つに存在しています。

そのため、結婚に関わるサービスや不動産・大型家電といった購買頻度が極端に低い商材は顧客が離反（競合へ流れること）しているのか、休眠しているのかなど、顧客のステータスを判別しづらいです。

RFM分析が向いていないケース２：購買サイクルが特殊なケース

RFM分析には、直近の購買時期という指標も存在します。

そのため、夏によく売れるTシャツなど季節性の高い商材の顧客分析を行なう場合には、分析を行なう時期が結果に大きく影響するため、前回は夏に分析したが今回は冬に分析したなど、分析時期がズレる場合には要注意です。分析のインプット情報である、「最終購買日」や「購買頻度」が大きく異なるためです。

また、子ども服や学校指定の文房具など、ライフステージが変わると購買しなくなる商材は、顧客の子どもが成長して購買しなくなったのか離反したのかは判別がつけられないため、顧客の子どもの年齢という属性情報の分析結果と組み合わせて判断する必要があります。

RFM分析が向いていないケース３：行動予測をしたいケース

RFM分析は直近の購買意欲を評価してグルーピングする分析手法です。
そのため、結果を見て将来どのセグメントが商品を購買してくれるのかといった行動予測をしたい場合は、適していません。

行動予測をしたい場合には、現状の購買傾向から将来の需要予測をするCTB分析や、複数の変数から１つの目的変数の数値を予測する重回帰分析などを使うことが適切でしょう。

RFM分析の効果

RFM分析を実施することによる効果は大きく分けて２つあります。

RFM分析の効果１：顧客の状況に合わせたアプローチができる

RFM分析を実施する効果の１つ目は、顧客の状況に合わせたアプローチができることです。

One to Oneマーケティングと言われる、顧客一人ひとりのニーズや課題に合わせた提案を最適なタイミングで実行することができるようになります。その結果、施策成果としての購買行動の喚起率が高くなり、顧客LTVの向上を実現しやすくなります。

RFM分析の効果２：施策の費用対効果が高くなる

RFM分析を実施する効果の２つ目は、施策の費用対効果が高くなることです。

顧客の状況に合わせたコミュニケーションを展開するため、施策の無駄打ちが減ります。結果的に、投じたリソースに対して、回収できる効果が高くなる確率を上げることができます。

RFM分析に必要なデータ

RFM分析には、以下の３つの指標が必要です。

最終購買日（Recently）
購買頻度（Frequency）
購買金額（Monetary）

それぞれの指標について説明していきます。

RFM分析に必要なデータ１：最終購買日（Recently）

RFM分析における「R」はRecentlyの頭文字で、最終購買日を意味します。
最終購買日は、「顧客が最後に商材を購入した日」を表す指標です。一般に日付データが元データとなっていることが多いです。

一般に最終購買日からの経過日数が短い顧客の方が、購入可能性が高いと考えられます。最終購買日を一定の期間で区切って、期間でグループ化します。どれくらいの期間で区切るべきかは商材の性質によります。

RFM分析に必要なデータ２：購買頻度（Frequency）

RFM分析における「F」はFrequencyの頭文字で、購買頻度を意味します。
購買頻度は、「顧客が一定の期間内で商材を購入した回数」を表す指標です。

一般に、購入回数が多い顧客ほど優良顧客と考えられます。どのくらいの期間を対象とするかは商材の一般的な購買サイクルなどによって決定します。

RFM分析に必要なデータ３：購買金額（Monetary）

RFM分析における「M」はMonetaryの頭文字で、購買金額を意味します。
購買金額は、「顧客が一定の期間内で購入した商材の合計金額」を表す指標です。

一般に、合計金額が大きい顧客ほど優良顧客と考えられます。購買金額についてもどのくらいの期間を対象とするかは商材の一般的な購買サイクルなどによって決定します。

RFM分析のやり方・手順

最後に、RFM分析を実施する手順をご説明します。

RFM分析を実施する手順は大きく分けて５ステップに分けることができます。

RFM分析の手順１：初期仮説を立てる
RFM分析の手順２：分析データの準備をする
RFM分析の手順３：グループ分けを行なう
RFM分析の手順４：グループ化の結果を目的に照らして考察する
RFM分析の手順５：課題を特定して施策を検討する

それでは一つずつ解説していきます。

RFM分析の手順１：初期仮説を立てる

RFM分析の１つ目の手順は、初期仮説を立てることです。RFM分析に限らず、あらゆる分析はまず仮説を立てることが大切です。

売上を上げるという目的に対して、「売上を上げる余地のあるセグメントは◯◯であり、△△という打ち手を講じれば売上の伸長が見込めるのではないか？」という仮説を立てて、分析の手段を定めて分析を開始しないと、分析手法が誤っていたり、分析の結果をどう解釈すればよいのかが分からなくなってしまったりします。

RFM分析の手順２：分析データの準備をする

RFM分析の２つ目の手順は、分析データを準備することです。

分析データを準備するにあたってもいくつかステップがあります。

1.データ定義をする
2.データを収集する
3.データを加工・突合・整形する

分析の目的と仮説に対して必要なデータを正しく準備するためには、上記のようなステップを踏むことが適切です。まずは、データの取得元や使用テーブル、使用項目を決めるといったデータ定義が必要です。

次に、定義したデータを各システムから出力して、収集します。この時点で一般的にはExcelファイルで管理することが多く、複数のExcelファイルが分析担当者の手元に集まっている状態になるでしょう。（下図のようなイメージ）

そして最後に、分析しやすい形にデータ値やカラムを加工します。また複数のファイルが存在する状態では分析ができないので、複数のデータを突合・整形します。
例えば、最終購買日というデータをデータベース上に保持しているケースはほとんどないと考えられるので、上図の「全購買履歴」データから最新日付を保持する形で、顧客IDでユニークにしてデータを整形します。

RFM分析においては、顧客単位でレコードを作成し、カラムに「R」「F」「M」それぞれの要素が配置されるような状態にすることが分析前の段階で必要な準備です。（下図のようなイメージ）

また、全購買履歴データには商品の単価や売上金額の情報がないため、「商品マスタ」から「単価」を参照してきて、購入個数をかけることで「売上金額」を計算します。

最後に、Excelのピボットテーブル機能などを使って、RFMの指標でテーブルを作成し直します。

この形式にできたらデータの準備は完了です。
おさらいすると、RFM分析の分析データを準備する３つのステップは以下のとおりです。

1.データ定義をする
2.データを収集する
3.データを加工・突合・整形する

RFM分析の手順３：グループ分けを行なう

RFM分析の３つ目の手順は、グループ分けです。
データの準備ができたら、「R」「F」「M」それぞれの指標において、ランク分けをするために区間を定義します。
例えば、最終購買日（R）であれば、「１週間以内」「１週間〜３ヶ月」「１ヶ月〜６ヶ月」などのように一定の期間でランク分けを行なうためのグループを作成します。

どのような区間で区切るのかについて正解はなく、均等な区間で区切らなければいけないこともありません。扱う商材やビジネスモデルによって妥当値が決まります。ビジネスセンスが問われるところですので、社内関係者と合意形成をしながら定義を作成するのがおすすめです。

目安があるとすると、一般的には３〜５グループに分かれるように区間を定義するのが推奨されています。５グループに分けると５グループが３指標（RFM）分存在するので、５×５×５=125通りの組み合わせが発生してしまい、次の手順にある「考察」や「施策検討」にあたっては細かすぎると考えられます。
よって、５グループに分けても考察をする対象を絞り込んだり、そもそもグループ分けは３グループで抑えたりするなど工夫が必要となります。

今回は以下のようにグループを作成します。