RFM分析
RFM Analysis
顧客の購買行動を3つの指標で分析し、顧客セグメンテーションと最適化を行う手法
RFM分析とは？
RFM分析は、顧客の購買行動を「最近性（Recency）」「頻度（Frequency）」「金額（Monetary）」の3つの指標で評価し、顧客を分類する分析手法です。 ECサイトやサブスクリプション事業で、どの顧客に注力すべきか、どの顧客が流出リスクにあるかを素早く判定できます。
ひとことで言うと： 「あの顧客、最近買った？買った回数は多い？いくら使ってくれた？」の3つの質問で顧客の価値を判定する、顧客管理の「通知表」です。
ポイントまとめ：
- 何をするものか： 購買行動の3指標で顧客を9段階に分類する
- なぜ必要か： 限られたマーケティング予算を価値の高い顧客に集中投下するため
- 誰が使うか： ECサイト、デジタルマーケティング、カスタマーサクセスチームなど
なぜ重要か
全顧客に同じ対応をしていては、マーケティングリソースが無駄になります。100人の顧客がいるとき、その中でも「VIP」「流出予備軍」「新規顧客」など、対応を分けるべき層が存在します。しかし目視で判定するのは不可能です。
RFM分析を使えば、数千、数万の顧客を自動的に分類できます。その結果、最もLTV（顧客生涯価値）が高い層に対しては手厚いサービスを提供し、流出リスクが高い層に対しては再購買キャンペーンを打つ、というメリハリの利いた施策ができます。顧客セグメンテーションの中でも最もシンプルで実装しやすい手法として、世界中で使われています。
仕組みをわかりやすく解説
RFM分析は3つの指標の頭文字から名前が付いています。
Recency（最近性） は、最後の購買から現在までの日数です。直近で買った顧客ほど「今まさに活動している顧客」であり、再購買する可能性が高いと考えられます。例えば、最後の購買が1週間前なら最近性が高く、半年前なら低いです。
Frequency（頻度） は、決められた期間（例：過去1年）における購買回数です。何度も買ってくれる顧客は、あなたのサービスに満足度が高い可能性が高いと考えられます。1回だけ買った顧客と10回買った顧客では、やはり後者のほうが信頼度があります。
Monetary（金額） は、決められた期間における購買金額の合計です。これまで多くのお金を使ってくれた顧客は、事業の売上の大部分を担っている可能性が高いです。
これら3つの指標で、それぞれ顧客を「高い」「中程度」「低い」の3段階に分類します。すると、3×3×3＝27段階の細かい分類も可能ですが、実務的には最初の3×3＝9段階でシンプルに管理することが多いです。例えば、最近性が高く、頻度が高く、金額も多い顧客を「チャンピオン」と呼び、最優先でサービスするといった具合です。
実際の活用シーン
オンラインストアの顧客育成戦略
あるファッションECサイトがRFM分析を実施しました。「最近3ヶ月以内に購買、かつ過去1年で3回以上購買、かつ1万円以上消費」という層は「VIP顧客」と判定し、新商品の先行販売、送料無料クーポン、専門スタイリストによるメール相談などの特典を提供します。一方、「最後の購買が6ヶ月以上前」という層には、懐かしい商品の再販情報や大きな割引キャンペーンを仕掛けて、再度の購買を促します。
SaaS企業のチャーン対策
ソフトウェアサービスの企業が、解約リスクが高い顧客を特定するためにRFM分析を活用します。「最近ログインがない」「月1回程度のみ利用」「月額料金が低い」という3条件を満たす顧客層を、自動的に「リスク顧客」として抽出し、カスタマーサクセスチームが積極的にフォローします。これにより、解約を事前に防ぐことができます。
リテールチェーンのロイヤリティプログラム
百貨店がポイントカード会員のデータからRFM分析を実施します。「最近性が高く、頻度も高い」上位顧客には、VIPラウンジへのご招待、誕生日の特別割引、新作品の内覧会案内などを提供し、ロイヤリティを高めます。
メリットと注意点
RFM分析の最大のメリットは、シンプルで実装が簡単なことです。複雑な機械学習モデルやAI分析は不要で、スプレッドシートとSQLで実装できます。また、結果が直感的で、経営層にも説明しやすいのが利点です。
一方、落とし穴も存在します。RFM分析は「行動」を見ているだけで、顧客の「属性」（年齢、職業、地域など）や「心理」（ブランド満足度など）を考慮しません。つまり、同じRFMスコアの顧客でも、ニーズは全く異なるかもしれません。また、3つの指標だけでは季節変動や外部要因（例：経済不況による購買減少）を説明できません。RFM分析は強力なツールですが、他の分析手法と組み合わせることが重要です。
関連用語
- 顧客セグメンテーション — RFM分析は顧客セグメンテーションの最も一般的で実用的な手法の一つ
- カスタマーライフタイムバリュー — RFMスコアが高い顧客ほどLTVが高い傾向があり、施策優先順位の判定に使われる
- チャーン分析 — RFM分析で「最近性が低い」顧客を特定し、チャーンリスク顧客の検出に活用される
- ファネル分析 — RFM分析で特定した顧客セグメントごとに、ファネル分析を実施して改善機会を発見する
- カスタマージャーニー — RFM分析で層別した顧客ごとに、異なるカスタマージャーニーマップを作成して対応を最適化する
よくある質問
Q: RFM分析で「高」「中」「低」の基準はどう決めるの？
A: 業界や事業モデルによって異なります。例えば、日用品を扱うECサイトなら「最近性が高い＝1ヶ月以内」ですが、車のディーラーなら「3年以内」かもしれません。過去データの分布を見て、上位3分の1が「高」、中間3分の1が「中」、下位3分の1が「低」という風に、相対的に決めるのが一般的です。
Q: RFM分析と機械学習による予測分析は何が違うの？
A: RFM分析は「現在の顧客をどう分類するか」を示す現状分析ですが、機械学習を使った予測分析は「この顧客は将来どうなるか」を予測するものです。RFM分析で優良顧客を特定したら、その後のキャンペーン効果を予測モデルで追跡する、といった組み合わせが理想的です。
