【RFM分析とは】顧客を知る目的と分析のやり方を解説！
売上の低迷やお客様の流出など、事業を行っているとさまざまな課題が立ち上がってきます。それの課題は、直感的な考えだけでは解決できず過去のデータを分析し「なぜそうなったのか」を探っていかなければなりません。
そんなときに役立つ分析手法が「RFM分析」です。
RFM分析は、顧客が自社の製品やサービスを導入している期間や価格、金額などを照らし合わせて、課題を解決するのに必要なデータを導き出してくれます。
今回はお客様を知るために必要不可欠なRFM分析について、その概要や活用方法、やり方について解説していきます。
テンプレートは以下のページでダウンロードできます。
目次
RFM分析の目的は販促の費用対効果アップ
RFM分析とは、顧客を知るためのデータ分析手法の一つです。
特定の指標によって顧客をグループ分けし、そのグループ別にアプローチの方法を変えたり、区別化して分析したりすることで、効率的な販促と売上の向上に繋げることができます。
また、RFM分析では顧客の中でも、特に自社の業績に影響を与える優良顧客や重要顧客を抽出することが可能です。その結果を活用すれば、自社への影響力が高い顧客に対して優先的なアプローチが行えるので将来的な企業成長にも効果が得られます。
RFM分析では3つの軸で顧客を分析する
RFM分析では、3つの軸を利用して、顧客分析データを収集します。
分析に必要になるデータは、「Recency （最終購入日）」「Frequency（購入回数）」「Monetary （購入金額）」の3軸で、分析データを活用したい課題や目的によって、どの軸に注力するかを変えていきます。
まずは、それぞれが顧客のどんな数値を指しているのかを学んでいきましょう。
最終購入日＝「Recency」
Recency （最終購入日）は、顧客が最後に商品を購入してから経過した期間を指します。
例えば、顧客が最後に購入した日が3か月前だった場合「R3」と表記されます。この表記方法は企業の独自ルールで変わる場合もあります。
一般的に、最後に利用した日が遠い顧客よりも、近い顧客の方が優良顧客だと判断されるので、最終購入日は数値が小さい方がランクも上になります。
購入回数＝「Frequency」
Frequency（購入回数）とは、その顧客が自社の製品を購入した回数を指す数値です。
例えば過去5年のデータを抽出した際、ある顧客が10回製品を購入していれば数値は「F10」表せます。
F数値が高い顧客は「常連客」だと判断できますが、一方で、F数値が低い顧客は「新規顧客」ということになります。つまり、F数値が高い顧客に割合が偏っているとその店舗は「常連客が多いが新規顧客の増加率が悪い」という意味になります。F数値は数値の高低だけではなく、偏りでも顧客分析がおこなえるのです。
購入金額＝「Monetary」
Monetary （購入金額）とは、今までに顧客が購入した金額の累計額です。
M数値は30,000円、50,000円などの金額で表記されます。購入累計額が高い顧客はそれだけ自社の商品を利用しているということなので、「優良顧客」という判断ができます。
この購入金額だけを注視したデータ分析方法に「デシル分析」というものがあり、構造がシンプルでデータ分析しやすい手法ですがやや精度に欠けるという特徴があります。
デシル分析とは何かについては、こちらの記事で紹介しています。
RFM分析をスムーズに行う手順とは
RFM分析は、データを抽出すれば表計算ソフトなどで分析が行えます。
しかし、データを分析するにはまず、そのデータをどんな課題に使うのかを仮説立て、どういった視点でデータを収集するかをはっきりとさせなければなりません。
RFM分析は3軸から見るデータ分析手法なので、詳細で細かな分析が行えますが扱う側がデータの使い方を固めておかなければ「何の参考にすればいいのかいまいち分からない」という状態になってしまうのです。
では、どうしたらRFM分析をスムーズに行えるのか、その手順を見ていきましょう。
手順1：課題に対する仮説を立てる
RFM分析を行うには、まず分析によって何を解決したいのか「課題」と「原因」を探る必要があります。
例えば、「商品の売り上げが落ちている」という課題に対しては「販促による商品のアピールが足りなかったのではないか」という仮説が立てられます。
社内で課題に対する議論を行い、多角度から原因を探り複数の仮説をまとめてみましょう。その中からRFM分析で探るメインの仮説を設定したら、次の手順に進みます。
手順2：解決に必要なデータを定義する
仮説が立ち上がったら、次はその仮説に対して「どうすれば解決するのか」を定義づけ、必要なデータの収集に進みます。
「特定商品の売り上げが落ちている」という課題に対して、
原因は「販促による商品のアピールが足りなかった」という仮説を立てた場合、
「販促物を配布した期間での購買率」を調査すると是非が見えてくるでしょう。
つまり、このケースにおいてRFM分析で集めるべきデータは「販促物を受け取ったあとの平均購入回数」です。そのため、特定商品の販促物を送り始めた時期からのRFM分析を行いましょう。
手順3：データを抽出して集計する
仮説に必要なデータの定義が決まったら、データベースにアクセスしデータ抽出を行ってください。基幹システムを連携している場合には、データのダウンロードは簡単に行えます。
ダウンロードしたデータの集計はExcelなどの表計算ソフトでも行えます。リアルタイムでリモートワークや支店共有をしたい場合には、Googleスプレッドシートなどのクラウド式表計算システムを活用しましょう。
ExcelのRFM分析テンプレートは、こちらのページでダウンロードできます。
手順4：分析を施策に反映させる
数値の収集と整理が終わったら、あとは仮説との統合性が取れているかを確認します。
例えば、「販促物を配布した期間での購買率」が高かった場合、「商品のアプローチが足りなかった」という仮説は証明されません。この場合には、再び課題に対して仮説を立てる所からやり直して、RFM分析をし直さなければなりません。
データ分析というものは、一度で最適解が出るわけではありません。仮説と数値を照らし合わせ、ズレを修正しながら課題を解決する糸口を探り、それを施策に落とし込むことが重要なのです。
まとめ:RFM分析は多方面から顧客データを分析できる手法
RFM分析は3つの軸を指標とするため、計算が複雑で取り掛かりづらいというイメージを持つ人もいるでしょう。しかし、元となる指標が多いということは、より精度が高く詳細なデータが生まれるということです。
顧客データの分析やマーケティング施策の実施するうえでの課題に対して具体的な解決案を模索したい時には、一方面からの支店に捕らわれず多方面からデータを分析し、原因を探っていく必要があります。RFM分析は、顧客データをより細かく洞察し、自社の課題を解決するのに最適な分析手法なのです。
既存店の分析に関するノウハウは、こちらのページで紹介しています。
【デシル分析とは】専門知識がなくてもできる顧客分析に挑戦しよう！
RFM分析とは？顧客をグループ分けする手法のメリット・デメリット
バスケット分析のやり方は？実例付きで活かし方を解説
セグメンテーションのやり方とは？ユーザの細分化でマーケティングの精度アップ！