RFM分析（アールエフエム分析）とは
RFM分析とは、顧客を以下の3グループに分類し分析するマーケティング手法です。
「R」……Recency（最近ではいつ）
「F」……Frequency（どれくらいの頻度で）
「M」……Monetary（どれくらいの額を）
RFM分析では上記3つの指標によって顧客をスコアリングした後に順位付けを行い、効率的なアクションプラン策定につなげることが可能です。
RFM分析の目的
RFM分析の最大の目的は、RFM分析を活用することで顧客のグルーピングを行い、顧客の特徴に合わせた効果的なアクションプランの策定を行うことです。
これにより、無駄なコストを削減でき、費用対効果を向上させることができるのです。
また、RFM分析の結果を基に本当に必要な戦略のみを行うことで、最終的な顧客のLVT（Life Time Value＝顧客生涯価値）の最大化を測ることも重要な目的と言えます。
また、CRM＝「Customer Relationship Management（カスタマー・リレーションシップ・マネジメント）」つまり、顧客関係管理においても有用であり、RFM解析を行うことで、より正確な顧客理解と詳細な顧客情報の把握も行えるため、これを目的としたRFM分析の利用も注目されています。
RFMの3つの要素の説明
Recency＝「直近の購入日」
Recencyは「直近ではいつ」、すなわち直近の購入日について抽出・グループ分けをする指標です。直近の購入日が現在に近い顧客の方が、何年も前に購入した顧客よりも再度購入する可能性が高く、優先すべき優良顧客だと判断できます。
Recencyは一般的に「R○（数字）」で分け、5段階で分ける際にはR1〜R5で表現します。
この場合R5が最も直近度が高く、R1が最も低いことを示します。どれくらいの期間で分けるかは、そのグループに属する顧客数や扱っている商品・サービスの特性などによって判断します。一般的にはRが高い顧客ほど今後の収益に貢献する可能性が高く、Rが低ければFやMの要素が高くても自社商品・サービスから離れている可能性があると考えられます。
Frequency＝「購入頻度」
Frequencyは「どれくらいの頻度で」、つまり購入頻度について抽出・グループ分けをする指標です。購入頻度が高い顧客の方が、低い顧客よりも優先度が高い優良な顧客だと判断できます。
例えば、2カ月に1回商品・サービスを購入する顧客の方が、半年に1回商品・サービスを購入する顧客よりも優先度が高いと言えるでしょう。また、購入頻度が低い顧客はサービスや料金など何らかの要素により商品・サービスに満足していない可能性があり、分析により改善につなげることも考えられます。Frequencyは一般的に「F○（数字）」で分け、5段階で分ける際にはF1〜F5で表現します。この場合F5が最も直近度が高く、F1が最も低いことを示します。Fが上がらない、もしくは下がっている顧客は自社にロイヤルティを感じていない可能性が高いと言えます。
Monetary＝「購入金額」
Monetaryは「どれくらいの額を」、つまり累計の購入金額について抽出・グループ分けをする指標です。累計の購入金額が高い顧客の方が、優先すべき対象だと考えられるでしょう。
Monetaryは一般的に「M○（数字）」で分け、5段階で分ける際にはM1～M5で表現します。
この場合M5が最も直近度が高く、M1が最も低いことを示します。Monetaryは企業の営業期間によっても、大きさが異なるでしょう。一般的には、RやFが高くてもMが少ない顧客は購買力が低いと考えられます。
RFM分析から施策実施までのやり方、手順と流れ
ここでは、RFM分析から施策実施までの手順や流れについて解説します。
①課題を解決するための仮説を立てる
RFM分析ではまず、課題を解説するための仮説を立てます。仮説を立てることは、R・M・Fのどこに注目するべきかを考える基盤になるためです。例えば、DM発送に対する費用対効果が下がっている場合、「DMを発送した対象の内、最終購入から一定期間経っている顧客は費用対効果が低い（赤字になっている）」と考えられます。現在発生している事象を何となく受け入れてしまうのではなく、可能な限り言語化して仮説を立てるように努めましょう。
ここでしっかり仮説を立てておかなければ、今後の過程を効果的に進めることができません。
②仮説を立証するデータを定義する
課題に対する仮説を立てたら、次には仮設を立証するために必要なデータを定義します。例えば、①で立てたDMの仮説に対しては、「過去5回分のDM実績に対する反応率と平均購入単価をRecency毎に抽出して、平均発送費用と比較する」と判断できます。
またこの段階で、R・F・Mのランク1～5それぞれの振り分け方を定義しましょう。例えば、「過去1週間以内の購入者はR5」、「30日以内の購入者はR4」などと定義します。
③データを抽出して分類する
データを定義したら、次にはデータを抽出して分類します。
顧客データの抽出は、以下のようなソースから行います。
・POSレジのデータ
・レシート
・会員カードから判断できる会員情報 など
データを抽出したら、その中から重複しているものや不要なデータを整理して区別してください。
④データを分析する
データの定義・抽出が完了したら、データの分析に入ります。データ定義を行なった段階で決めたランクの基準を基に顧客を振り分け、「顧客AはR5/F3/M4」などと言った形でポイント化しておきます。
データの分析はExcelでも行なえますがデータの上限制限や処理スピードの低下などの懸念点があるため、ビッグデータの場合はBI（Business Intelligence）ツールを活用すると良いでしょう。例えば、レシートからは購入した日時や購入商品の金額や詳細などRFM分析に有効な情報が大量に得られます。そのためレシートデータを分析する際には「IDレシートBIツール」を活用することでスピーディーな分析を実現し、レポート機能によって定期的なモニタリングも容易になります。
また、プログラミングを用いた解析も一般的であり、データ数が膨大でない場合や試験的に処理を行いたい場合は、pythonなどの言語を用いた解析を行うこともできます。
RFMのそれぞれの値の算出や、四分位ごとの分割を行ったうえでのスコア付けなどが必要であるため、pythonでの解析を行う場合は、コマンドを調べながら丁寧に進めることが好ましいでしょう。
⑤施策を企画する
データの分析が完了したら、そのデータをもとに施策を企画し実行に移します。その中でもし仮説と結果が異なっている場合は、新たに仮説を立てて分析し直すようにしましょう。その逆に仮説と分析結果が合っていた場合は、仮説に基づいたそれぞれの顧客にあった施策を考えます。例えば「R5/F3/M4」の顧客であれば、Fが改善することで売上向上が期待できます。そのため、キャンペーンの通知などの「お知らせ」の機会を増やしていくようにしましょう。
⑥施策を実施して修正を加える
施策を実施したら、効果に応じて適宜修正を加えていきましょう。「分析→結果観測→修正」のサイクルを回すことで、営業施策を徐々に最適化していくことが期待できます。
顧客の購買行動は日々変化していくため、定期的にRFM分析を実施して、施策を微調整していくことが大切でしょう。
「課題を発見する→仮説を立てる→データを収集・分析する→施策を実施する→更なる課題を発見する」というPDCAサイクルを回していくことができれば、ビジネスの好転が期待できます。
RFMの弱点を補完できる、他の顧客分析方法
RFM分析では、計測するタイミングで結果が変化してしまうことや、購入者の詳細な属性やライフステージの変化を考慮することができないことなどの弱点があります。
また商品によっては、RFM分析が合わない場合がありますが、これらの問題は他の分析方法と組み合わせることで、課題を解消することができます。
ここでは、RFM分析の弱点を補完するためにおすすめの顧客分析方法を紹介します。
デシル分析
デシル分析とは、購買履歴を元に全顧客の購買金額を購入金額順に10等分し、各グループの購買比率や売上構成比を導き出す分析手法です。購買比率や構成比の確認によって、営業施策上の優先度が高い優良顧客層の発見が期待できます。デシル分析は購入金額のみを指標とする分析手法であり、「購入金額」「購入頻度」「最終購入日」の3つを指標とするRFM分析とは異なります。
そのため、デシル分析は分析結果の正確性には欠けますが、比較的簡単に実施できる点では優れていると言えます。その一方でRFM分析は指標が多い分、実施難易度が高くなりますが、より正確な分析結果が得られる手法だと言えるでしょう。
セグメンテーション分析
セグメンテーション分析とは、顧客を属性や特徴などでセグメントに分け、市場を細分化して分析する手法のことです。近年の多様化している市場においては、柔軟な分析ができるセグメンテーション分析が適していると言えます。
基本的なセグメントの分類は、以下の4つです。
・デモグラフィック変数
年齢や性別、所得や職業などの人口統計的な情報のこと
基本的なセグメンテーションの1つであり、広告業界やマーケティング業界ではよく性別や年齢のセグメントが使用される
・ジオグラフィック変数
国や都道府県、市町村などの地理学的なセグメンテーション
・サイコグラフィック変数
社会的立場や価値観、趣味嗜好などの心理学的なセグメンテーション
・行動変数
購買経路や購入頻度など顧客の行動によるセグメンテーション
R・F・Mの3指標で分類するRFM分析と異なり、セグメンテーション分析ではより多数のセグメントに分けて分析を実施します。
CTB分析
CTB分析とは、「Category（カテゴリー）」「Taste（テイスト）」「Brand（ブランド）」の3指標を用いる分析手法です。カテゴリーでは顧客の嗜好を大分類・小分類に分けて大まかに把握し、テイストでは色や形、デザインや大きさ等を把握します。そしてブランドは、ファッションブランドやキッチンメーカー等の分類です。C・T・Bの3つの指標から顧客を分類し、いくつかの集団に分けて分析します。
CTB分析では、集団ごとの趣味や嗜好を把握でき、よりパーソナライズされた営業戦略を打ち出せるでしょう。
関連記事：ペルソナ分析とは？ペルソナ分析の項目や具体的な事例などを紹介！
関連記事：ABC分析とは？マーケティング強化を実現する活用方法を紹介
ビッグデータのRFM分析に役立つ「IDレシートBIツール」
「IDレシートBIツール」は、顧客の購買行動の把握によって効果的なマーケティングに貢献するツールです。数万規模のお買い物レシートのデータを蓄積した「IDレシート」は、商品の買われ方や顧客の嗜好、価値観などを把握でき、顧客の可視化を実現します。また莫大なデータを整理するBIツールによって、様々な業務を抱える多忙なマーケターでも求める情報の特徴を簡単に掴むことが可能です。
IDレシートBIツールは事実に基づいた仮説立てやマーケティングに活用でき、効果的な経営戦略をサポートします。
マーケターに有益な情報がレシート購買データには満載
レシートには、顧客の思考や市場の実態を把握できる有益な情報が満載です。具体的にはレシート1枚で、日付・時間・商品名及び金額（値引・単価・個数）・合計金額・電話番号、さらには購入した店舗のチェーン名・店舗名などの情報からユーザのリアルな購買行動を把握できます。
購買行動の把握や分析によって顧客理解を深めることができ、事実に基づいたマーケティングが可能となるのです。
IDレシートBIツールならではの魅力
IDレシートBIツールには他にはない独自の魅力があります。
- チェーンや業態横断での買い回りが見える
- モニタじゃない自然な購買を把握できる
- 定型レポートで誰でもすぐ使える
チェーンや業態横断での買い回りが見える
POSデータや消費者パネルの購買調査データは種類によって範囲や用途が限定され、なかなかマーケティング上で有効活用できなかった方もいるかもしれません。しかしIDレシートBIツールは、流通チェーン・業態・商品カテゴリ横断してデータを把握できる他にはない特徴を有しています。
例えば、時期・エリア・チェーンで絞りデータを照会することで、職場にいながら自社や他社商品の実売価格を確認できます。また商品カテゴリを越えた併買が確認できるため、顧客の嗜好や行動パターンを明確に捉えやすくなるのです。
外食レシートも併せて分析すると顧客嗜好をより詳細に把握でき、これまで見えなかった課題の特定ができる可能性もあるでしょう。
モニタじゃない自然な購買を把握できる
自然でリアルな購買情報が蓄積されているため、ペルソナがさらに高解像度で捉えられます。蓄積されたデータは、商品購入者の属性、同時/同期間併買や外食傾向などがわかりやすく整理されており、事実データが一目瞭然です。
そのため「このチェーンではこう売れている」「このカテゴリと一緒に買われている」など、POSデータでは見えづらかった根拠となるデータがIDレシートBIツールでは簡単に集められるのです。集められたデータは説得力のあるエビデンスとして商談材料に使用でき、新たなビジネスを生み出す可能性を広げられます。
定型レポートで誰でもすぐ使える
有益で莫大なデータでも誰もが使いやすい、具体的・直感的な定型レポートが提供されます。データは商品・購入者・購入店の3つの軸に分かれレポート化され、様々な切り口でのフィルター検索が可能であることやグラフ表示によって、直感的な操作や情報把握が可能です。
そのため商談前にさっと情報を調べることから、職場でじっくり情報分析を行うことまで、シーンに応じて幅広く活用できます。必要な情報に特化したデータ収集はもちろん、新たな気づきや課題の発見まで可能となり、莫大なデータを有益に使いこなすことができるのです。
詳しいIDレシートBIツールの情報についてはこちらをご覧ください。
まとめ
RFM分析とは、顧客をRecency（最終購入日）・Frequency（購入頻度）・Monetary（購入金額）の3指標によって分類する分析手法です。RFM分析によって顧客をグループ化でき、それぞれの特徴に合わせて効果的な営業ができるのです。
