RFM分析を理解しよう-購入時期、頻度、金額で顧客の状態を見える化

マーケティング

売上・利益の最大化を図るうえで、重要なプロセスの一つが顧客情報の分析です。顧客情報分析にはいくつかの手法がありますが、そのなかでもよく用いられているものの一つがRFM分析です。

この記事ではRFM分析の概要、RFM分析を行う理由、および具体的な分析手順や活用法を紹介します。

「RFM分析」とは?

RFM分析とは、最新購買時期、購買頻度、購買金額の三つの属性で顧客をグルーピングし、分析を行う手法です。

「最新購買時期(R:Recency/リセンシー)」は、顧客が直近で自社の商品を購入した日時の情報です。一般的に、何年も前に自社製品を購入した顧客より、最近購入した顧客のほうが良い顧客であると考えます。二つ目の「購買頻度(F:Frequency/フリークエンシー)」は、一定期間に顧客が何回購入したかを表します。購買頻度が多い方が良い顧客であると考えられます。最後の「購買金額(M:Monetary/マネタリー)」は、一定期間中に顧客が自社商品を購入した金額の合計を表す情報です。こちらもやはり、金額が多いほうが自社にとって良い顧客だと考えることができるでしょう。

これらの三つの属性情報を単独、あるいは組み合わせて評価し、顧客の自社に対するロイヤルティの高さや、分析時点における状況などを把握しようというのが、RFM分析という手法です。

 

なぜRFM分析を行うのか

RFM分析を行う目的は、顧客の状態を数値でシンプルに可視化することにあります。

近年、さまざまな場面でデータの重要性が見直され始めていますが、生(き)のままのデータというのは、あくまでも数字や文字の集合体にすぎず、それだけをただ眺めていても有益な情報は見えてきません。

たとえば、顧客の購入履歴データには顧客の購買傾向をはじめとしたさまざまな情報が隠されていますが、「○月○日、Aさんが1000円の化粧品を購入した」「☓月☓日、Bさんが150円のノートを購入した」といったデータの集まりだけからは、何かをつかみ取るのは難しいでしょう。

そこで、データのなかに潜む傾向を可視化するために、分析と呼ばれる作業を行います。具体的にはデータに対して集計を行ったり平均値をとったりして、データの特徴を数値で表現するのです。

RFM分析も、そうした分析手法の一つです。前述したR、F、Mの三つの軸で顧客をグルーピングし、その顧客が新規顧客なのか既存顧客なのか、優良顧客なのかそうでないのか、自社へのロイヤリティが高いか低いか、離反しつつある顧客は誰なのか、といった情報を可視化するわけです。

顧客の状態を可視化できれば、その顧客に対してどのようなアプローチを取るべきかが明らかになります。
例えば、購買頻度、購買金額の値が共に高く、最新購買時期もごく近い日時である顧客群は、自社に対するロイヤリティが高いと考えることができます。こうした顧客群に対して「お得意様限定セール」のようなキャンペーンを展開すれば、良い結果が得られる可能性があります。

また、過去のある時期において、購入頻度、購買金額とも高い値を示していたにもかかわらず、最新購買時期が古い顧客群は、何らかの理由で自社から足が遠のいていると仮定ができるでしょう。このような顧客群に対しては、早急に離反顧客呼び戻しの施策を展開すべきです。

 

RFM分析の進め方

では、RFM分析はどのように行えばよいのでしょう? 以下、RFM分析の流れをかいつまんで説明します。

1.分類基準を策定する

まず、R、F、Mのどのような組み合わせで顧客を分類するかを検討し、基準を策定します。

R(最新購買時期)については、直近の購入日が1週間以内なのか、1ヶ月以内なのか、半年以内なのか、というように、適度に範囲を区切って顧客を分類します。また、F(購買頻度)M(購買金額)についても適切な範囲を定義し、R、F、Mの組み合わせにより顧客ランクを定義します。

R、F、Mそれぞれの分類方法に厳密なルールはありませんが、一般的には5段階くらいに分類して評価することが多いようです。たとえば、Rは「2週間以内、2週間~1ヶ月以内、1ヶ月~3ヶ月、3ヶ月~半年、半年以上」の5段階、Fは「直近半年間の購買回数が10回以上、6~9回、3~5回、1~3回、0回」の5段階、といった具合です。

値の間隔は自社の過去データなどを参考に決定しますが、初めてRFM分析を行う場合はひとまず仮決めで設定し、その後PDCAを回していくなかで調整をかけていくことになるでしょう。

2.顧客データを準備する

次に、分析対象となる顧客群のデータを収集します。

RFM分析では購入の時期や頻度、金額をもとに分析を行いますので、これらの情報が含まれるデータを集める必要があります。具体的には、実店舗ならPOSデータなどから売上データを抽出し、ECサイトの場合は利用しているショッピングカートシステム(ECプラットフォーム)から注文情報などを取り出します。実店舗とECサイトの売上を統合管理するデータベースが整備されているのであれば、そこから売上情報を取り出すことができるでしょう。

なお、取り出したデータに重複やエラーデータなどが含まれると正しい分析が行えないため、この段階で、必要に応じてデータのクレンジングを行います。

3.データの集計・ランク付け

最後に顧客ごとの直近の購入日、一定期間内の購入回数と購入金額合計を集計し、それぞれの値の範囲で顧客をグループ分けします。その上で、1で定義した基準に沿って顧客のランク付けを行います。

こうしてランク付けを行った顧客群に対して、必要なアプローチをかけていきます。

 

RFM分析を正しく活用して効率的な顧客アプローチを!

以上、この記事ではRFM分析の概要を説明し、RFM分析を行う際のおおまかな流れを紹介しました。

RFM分析を正しく実施できれば、勘や経験だけに頼るのではなく、より科学的に顧客に対するアプローチを検討できます。

とはいえ、適切な顧客ランクを定義したり、元データを分析可能な状態に整備したりするのは、口でいうほど簡単ではありません。データ分析に関するノウハウ・技術が自社内に整備されていない場合は、経験豊富なパートナー業者へのアウトソーシングも視野に入れることをおすすめします。

図書印刷では、データドリブンなマーケティング・プロセスの実現を支援する「デジタルマーケティング支援サービス」をご提供しています。RFM分析による顧客の見える化だけでなく、分析にもとづいたマーケティングシナリオの設計、実行まで支援いたします。以下のページでぜひ詳細を御覧ください。

お客様の収益を最大化させる デジタルマーケティング支援サービス|図書印刷

digima-top-banner-L.png

参考:

検索