RMF分析とは？顧客分析の手順と施策例、活用事例をわかりやすく解説

RFM分析は、企業のマーケティング活動に有用な分析手段として注目されています。しかし、「より効果的な施策を打ちたい」と考えていても、どの顧客にどのようなアプローチをするべきか分からず、顧客データを活用できないままの企業も少なくありません。

顧客一人一人にあったPRを実施できないと、マーケティング効果がないだけでなく余計なコストをかけ続けることになり、費用対効果も下がります。RFM分析はこのような問題を解決し、効率良く自社の優良顧客を見つけられる分析手法です。

顧客といっても企業との距離感や親和性は、多岐に渡るため、顧客を「優良顧客」や「休眠顧客」などランクごとにグルーピングし、それぞれにより効果的なアプローチを編み出すのにRFM分析が大いに役立ちます。

この記事では、RFM分析の目的やメリット、実際の進め方や活用事例をまとめています。自社にあった効果的な施策が実施できるよう、ぜひ参考にしてください。

監修者

石田 哲也

Twitter：@te2319
株式会社ニュートラルワークス 取締役CMO。1984年生まれ。高校卒業後にISD株式会社を起業。その後、株式会社オプトでWebマーケティングを学び、株式会社メタップスなど複数のベンチャー企業にて事業立ち上げを経験。前職はワンダープラネット株式会社でゲームプロデューサーとしてスマホゲームアプリの制作に従事。2018年に地元の神奈川へ戻り、ニュートラルワークスに入社。SEO/Web広告運用/サイト分析・改善など、Webサイトの運用改善～ゲームアプリ制作や数十万フォロワーのSNSアカウントの運用経験などWebビジネス全般を守備範囲とする。

■経歴
2003年　ISD株式会社/起業
2009年　株式会社オプト/SEMコンサルタント
2011年　株式会社メタップス/シニアディレクター
2013年　ライブエイド株式会社/執行役
2016年　ワンダープラネット株式会社/プロデューサー・BizDev
2018年　株式会社ニュートラルワークス/取締役CMO

■得意領域
Webサイト改善
SEO対策
コンテンツマーケティング
リスティング広告

■保有資格
Google アナリティクス認定資格（GAIQ）
Google 広告検索認定資格
Google 広告ディスプレイ認定資格
Google 広告モバイル認定資格

執筆者

株式会社ニュートラルワークス

QUERYY(クエリー)編集部

QUERYY(クエリー)は、株式会社ニュートラルワークスが運営するデジタルマーケティング情報メディアです。

RFM分析とは顧客をグループ分けする分析手法

RFM分析は、自社の顧客をランクごとに分類する顧客分析の手法です。顧客を購買行動の段階ごとにグループ分けし、それぞれのグループの特徴や性質を理解するのに役立ちます。

各グループごとに適したマーケティング施策を用意し、別々のアプローチが可能になるため、より効果的なマーケティング体制を整えられるようになります。

また、RFM分析では、以下の3つの要素ごとに顧客をグループ化します。

• 最終購入日（Recency）
• 購入回数（Frequency）
• 購入金額（Manetary）

この3つの英語表記の各頭文字をとって「RFM分析」となっています。

1.最終購入日（Recency）

Recencyのグルーピングでは、顧客が自社の商品やサービスを最後に購入した日付ごとに分類します。最終購入日が近い顧客ほど、企業からのアプローチによって再購入する可能性が高いと判断できます。最終購入日をどこからどこまでの期間で設定するかは、商品ジャンルによって異なります。

2.購入回数（Frequency）

Frequencyのグルーピングでは、顧客が自社の商品をどのくらいの頻度で購入しているかで分類します。購入する頻度が高ければ高いほど、見込みの高い優良顧客であると考えます。購入頻度はリピート率にも直結する重要な指標です。

Frequencyの値が高ければ商品やサービス提供の顧客満足度は高いと判断でき、反対にこの値が低い場合提供している商品やサービスに満足できていない可能性が高まります。

3.購入金額（Manetary）

Manetaryのグルーピングでは、顧客ひとりあたりの累計購入金額で分類します。顧客ひとり当たりの購入金額が多ければ、その分自社の商品やサービスを気に入って複数購入している、定期的にリピートしているなどの傾向が見られることもあります。

ただしManetaryに関しては、どのくらいの期間の購入金総額であるかが重要です。計測する期間は、商品やサービスのジャンルや特性によってそれぞれ目安が異なります。

RMF分析とデシル分析との違い

デシル分析は、全顧客の購入金額を高い順に10等分する分析手法です。購入金額の高い順にランクを分け、顧客全体の購入金額に対し、各ランクごとの金額がどのくらいの割合になるかを見ます。デシル分析はシンプルかつ簡単でありながら有益なデータを取れる手法ですが、長期間のデータでは信頼性の高い情報を得られません。

一方RFM分析では、長期間のデータ分析も可能になります。購入金額だけでなく、購入日や頻度といった時期やタイミングなどを含む3つの要素に分けることで、奥行きのある3次元的なデータが取れるところに違いがあります。
デシル分析のやり方とは？abc分析との違い、エクセルでの分析手順を解説

RFM分析を行う目的

RFM分析を行う目的は、顧客一人一人に適切なマーケティング施策をすることにあります。より効果的なマーケティングを行うには、複雑で細かなアプローチが必要です。すべての顧客に同じアプローチをしても効果がなかったり、無駄が出たりしてしまうケースもあります。

RFM分析は特に、顧客関係管理（CRM）に役立てることができます。企業の成長には、顧客と長期的に良好な関係を作り、維持することが必要です。顧客からの信頼や好感を持続させるには、顧客一人一人にあった丁寧なアプローチが欠かせません。そのために、RFM分析を使って顧客を細かく、深く理解していくことが重要なのです。

RFM分析のメリット

マーケティングに有用な分析手法は他にもありますが、RFM分析の有用性はどのような点にあるのでしょうか。ここではRFM分析を行うメリットを3つ挙げてみます。

メリット1.マーケティング施策の効率化を図れる

まずは、自社のマーケティング施策の効率化です。顧客を購買行動ごとに分類すれば、各グループに適したニーズやタイミングでのアプローチ方法を考えられるようになります。定期的なリピートや直近の購入をしてくれた優良顧客と、2年前に購入したきりの休眠顧客に同じアプローチ方法をしていては、どちらの顧客も逃しかねません。

優良顧客に対しては新商品やキャンペーンのお知らせを送付し、休眠顧客には休眠理由のアンケートを送付するなど、3つの各グループにあったPR方法を考え、効果的に実施することができます。

顧客と企業の関係性も見えてくることで無駄なPRを廃止し、その分のコストカットも可能です。予算や人的リソースを削減し、その分優良顧客の満足度を高める施策に投資することも可能になります。

メリット2.顧客をグループ化して整理できる

RFM分析を行えば、購買行動ごとのグループに分かれた明快な顧客管理ができます。顧客管理は、単純に情報を保管しておけばいいわけではありません。管理している顧客情報から、商品やサービスの品質向上、満足度の向上、会社が目指すべき方向性などさまざまなことに役立てられるのが理想的です。

RFM分析によってグループ化し、顧客情報を整理しておくだけで顧客の課題や心理を素早く読みとり、効果的なマーケティングの実施や商品・サービスの品質向上に役立てることが可能です。

メリット3.正確な顧客分析ができる

RFM分析はより詳細で奥行きのある3次元的な分析で、正確に顧客分析ができるのもメリットです。3つの指標を複数のランクに分けると、非常に膨大な数のグループに分かれます。それを実際の運用に合わせてグループを統合したり、集約したりすることで、実施可能な範囲まで絞っていくのが一般的です。

また、そこまで詳細な分析やグループ分けが不要な場合には、必要な要素のデータだけを使う2次元分析も可能。自社の状況や方針に合わせて柔軟な使い方ができる分析方法でもあります。

RFM分析のデメリット

RFM分析は有用な分析方法として注目されていますが、すべてのケースに適応するものではありません。デメリットや注意点もあるため、ここで確認しておきましょう。

デメリット1.購入頻度の低い高額商品やサービスにはあわない

RFM分析は、購入頻度の低い商品や高額な商品やサービスには不向きです。例えば、住宅や自動車、投資商材、大型家電などは、一度購入してくれた顧客が再び購入する可能性は低く、頻繁なリピート購入もないでしょう。

再び来店してもらう、もう一度商品を購入してもらうなど、顧客関係管理（CRM）をするのがRFM分析です。購入頻度の低い商品や高額商品にRFM分析は、不要になることが多いです。ただし、RFM分析のランク付けが活用できることもあります。見込顧客・休眠顧客などの枠組みが当てはめられる場合には活用できる可能性があります。

デメリット2.季節性商品やサービスとは相性が良くない

RFM分析は、季節性のある商品やサービスには適していません。季節や社会的な動き、イベントに合わせて売れる商品やサービスは、RFM分析を行わなくても見込みが立てやすいためです。

例えば、新社会人向けのリクルートスーツや小学生向けのランドセルなどが良い例です。商品やサービス自体に一定の規則性や手がかりがあるものの場合、RFM分析は不要になることが多いです。

ただし、季節性の商品やサービスでも、分析データを来年のマーケティング運用に役立てられる可能性があります。その際は、RFM分析に限らず他の分析方法を交えたり、グルーピングの要素を変えたり、柔軟にアレンジすると良いでしょう。

デメリット2.分析に時間がかかる

RFM分析は詳細で3次元的な分析ができますが、その分時間と手間のかかる手法です。RFM分析の目的は、グループ分けをすることで顧客一人一人にあったアプローチ方法を考えやすくすることです。確かにグループを細分化すれば、各所に効果的なアプローチができます。

ただ、分析結果を元にした方法を実施するのがそもそもの目的であるため、施策実行にも別途手間とコストがかかります。RFM分析をしても、売上に直結する手法がすぐに見つからないこともあるため、本当に必要な作業かどうかを慎重に判断する必要があります。

RFM分析のやり方

ここからは、RFM分析の具体的なやり方と手順を解説しますので、以下の流れに沿って分析を進めてみてください。

現状把握と仮説を立てる

実際の分析を行う前に、現状の把握をします。現行の施策全体を俯瞰して、どこに問題が生じているか、どこが課題となっているかなどのイシューを考えてみましょう。問題や課題の見当をつけ仮説を立てることで、実際の分析結果は検証の役割も果たします。分析データからの改善施策も見えやすくなるため、分析前の準備をしっかりしておきましょう。

顧客データを収集する

次に顧客データを収集します。すでにエクセルに顧客情報が入力されている場合はそこから収集すれば問題ありません。新たにデータ収集する場合は、管理システムに蓄積された購入履歴や注文履歴から必要なデータをピックアップしていきます。まずは顧客一人一人の購入日と購入金額を集めましょう。実店舗の顧客情報はPOSシステムから収集できます。

購入回数（Frequency）を把握するためには、顧客の識別IDが必要です。すべての顧客に識別IDを割り当て、購入日・購入金額・識別IDの3つを整理しておきましょう。

分類基準を設定する

データ収集ができたら、分類基準を定めます。分類の基準は自社独自に決めるものなので明確な定義はありません。

【例】

• 上位20%／ランクA
• 中位60%／ランクB
• 下位20%／ランクC

上記の例のように、大まかなパーセンテージで顧客データを分けてみましょう。一般的には3〜5段階のランク分けをすることが多いです。細かく分けすぎると分析も施策の実行も難しくなるため、5段階以下でまとめると良いです。

最終購入日（R）購入頻度（F）購入金額（M）の3軸で、それぞれの基準値を設定します。最初は分類基準のイメージが湧きにくいと思いますので、下表のような分類を参考にしてみてください。

今回はじめてRFM分析をする場合、分類基準は大まかに定めればOKです。PDCAサイクルを回す中で調整や変更を行い、分類基準をその都度ブラッシュアップしていきましょう。

顧客データの集計とランク付けを行う

事前に収集しておいた顧客データを分類基準によって分けます。一つ前のステップで決めた基準に従って、顧客をランク分けしていく作業です。実際のランク分けには、エクセルを使用するのが一般的です。R・F・Mの各要素ごとに、IF関数を使って点数を付けていきます。R・F・Mすべての点数の合計が、顧客一人一人の「RFMスコア」となります。

さらにここで集計したRFMスコアごとに、顧客を分類します。

• 優良顧客
• ロイヤル顧客
• 新規顧客
• 通常顧客
• 休眠顧客　など

上記は分類基準の一例ですが、自社ごとにRFMスコアのランク基準を設けてグループ化してみましょう。集計したRFMスコアをヒストグラムにして、ランク分けする方法も有効です。

施策を選定して実行する

集計したRFMスコアによって、すべての顧客をランクごとに分類できました。この顧客ランクごとに、どのようなマーケティング施策を行うべきか検討しましょう。どのような顧客が売上に貢献しているかを見極めることで、採用するべき施策や廃止しても良い施策などが見えてきます。マーケティング施策を選定したら実践に落とし込みましょう。

施策案が複数挙げられる場合は無理に一つに絞らず、順番に試していくと良いです。分析して終わりではなく、実践あっての分析であることを忘れないでください。

効果測定を行う

施策を実施したら、効果測定をします。RFM分析に限ったことではありませんが、マーケティングにおいてはPDCAを回し施策・改善を繰り返すことが重要です。グループの分類基準やランク分け基準が成果を左右することもあります。各ランクごとに最適な施策が見つかるまで根気よく取り組んでいきましょう。

エクセルを使ったRFM分析の手順を画像付きで解説

RFM分析はエクセルを活用して分析することが可能です。実際に前項で説明したやり方に沿って、画像を用いながら手順を分かりやすく解説します。

1.顧客データでリストを作成する

まずはエクセルに顧客ID・注文日・注文番号・注文金額を記入します。

1. データをすべて選択
2. メニューから「挿入」→「ピボットテーブル」を選択
3. ピポットテーブルのフィールドの行ラベルに「顧客ID」、値ラベルに「注文日」「注文番号」「注文金額」をそれぞれドラック＆ドロップ
4. 値の集計方法は、「注文日」が最大、「注文番号」が個数、「注文金額」合計にする

でき上がったピボットテーブルをすべて選択し、新しいシートにペーストしておきます。

2.最終購入日・注文回数・合計注文金額でR・F・Mのランク付け

次に、R・F・Mのランク付けを行います。

1. 最終購入日の右に1列挿入→​​ラベルを「最終購入日からの経過日数」（R）とする
2. R算出のために、集計日を決める→ここでは2022年1月15日とした
3. 「最終購入日からの経過日数」の列に、「集計日」-「最終購入日」の計算式を記入

ランク付けのために、5つのランクに分けて、条件は以下の通りとしました。

1. 合計注文金額の右にR・F・Mのそれぞれの列を挿入
2. それぞれにIF関数を入れてランクを割り振る

これで、どの顧客がどのレベルかが分かるようになりました。

3.RとFでクロス集計

次にRとFをクロス集計します。

1. ②のデータをすべて選択しピボットテーブルを作成
2. ピボットテーブルのフィールドの行ラベルにRを、列ラベルにFを、値ラベルに顧客IDをそれぞれドラック＆ドロップ

完成したピボットテーブルからは以下のようなことが見て分かります。

まず、上記の赤い枠にあるのが経過日数が浅い層です。赤枠で左に近いほど購入頻度が高い層です。特に「常連客」の枠に入る層は優良顧客といえるでしょう。新規客を常連客に持っていくようなナーチャリング施策を考えるのがベストです。逆に、常連客だった層が下に行くことは避けたいところです。経過日数が長くならないように何か手を打つ必要があります。

RFM分析の活用事例

RFM分析は、化粧品や健康食品のようなリピート率の高い商品や、アパレル、雑貨など顧客の日常生活に密接に関わるジャンルで多く活用されています。ここでは、RFM分析を活用している企業の事例を3つ紹介します。

事例1.LTVを意識した製菓メーカーのRFM分析活用例

とある製菓メーカーでは、自社顧客の優良化を課題としていました。全国各地に実店舗をもちながら、ECサイトや大手通販サイトなど複数の購入経路をもつ形態です。顧客データはしっかり取っていたものの、そのデータがうまく活用できず最適なマーケティングアプローチを見つけられていませんでした。

そこでRFM分析を行い、その結果を元に顧客一人一人のライフタイムバリュー（LTV）を算出し、自社独自の分類と分析に成功。RFM分析で分けたランクの中でも、LTVごとに異なる傾向が見られたため、「最優良顧客」「高LTV一般顧客」などの細やかな定義を設けています。これによってターゲットと施策の方向性を定めることができ、より具体的なKPIの設計も実現しています。

事例2.化粧品通販会社でのRFM分析活用例

ECサイトのような形態では、RFM分析において購入金額（Manetary）を除外して分析することもあります。化粧品の通販事業を行う企業の例を元に解説します。

1. 累計購入回数3回・累計購入金額15,000円の顧客
2. 累計購入回数6回・累計購入金額15,000円の顧客

上記の2者を比べ、再び購入してくれる可能性が高いのはどちらかを考えてみたとき、累計の購入回数が多い2の顧客だと考えられます。合計金額は同じでも、購入回数が多い方がより優良な顧客であると判断するのが自然です。

顧客へのPRやフォロー方法を導き出すのには、合計購入金額の大きさではなく「どのくらいの頻度で購入しているか」の回数をチェックしておけば十分なケースもあります。よってこの化粧品会社ではRFM分析のデータはRとFのみで進め、分析作業の簡素化につなげています。

RFM分析で購入金額が不要になるのは、単品購入されることが多い商品です。化粧品やアパレル、健康食品などは購入回数を見れば、自社への親近感や信頼度の高さが判断できるでしょう。合計金額を一切チェックしなくていいわけではありませんが、効率良くRFM分析を進めるには、必ずしも購入金額のデータが必要とはいえないようです。

事例3.RFM＋Pで「利益」にも着目する活用例

さまざまなデータ管理サービスを提供する「かっこ株式会社」が紹介しているRFM分析の活用事例を見てみましょう。RFM分析を行う目的の大本は、企業の利益を上げることにあります。こちらの企業では、RFM分析に利益を意味する「point」の要素を追加したRFM＋P分析を実施しています。

例えば、季節によって取り扱う商品が異なるアパレル、特定の時期に新製品が入荷する家電製品などは、定期的に割引セールを行い在庫をさばいています。扱う商品ジャンルによっては「セールの値下げ時だけ購入する」という顧客が出てくるでしょう。

このような顧客は、RFM分析においてR・F・Mのどれも高いランクに位置していますが、利益としては他の顧客よりも低くなります。賢い購買行動を起こす顧客が増えていることもあり、利益を伸ばすためにはこのような顧客を「Point」の観点から見て、分析結果に反映させる必要があると考えているのです。

分析項目が増えるので手間はかかりますが、このような分析に変更したことでより精度の高い分析データを取得できるようになりました。

RFM分析を効果的に行うコツ

RFM分析の基本を押さえたら、分析時のポイントやコツを確認しましょう。以下4つのポイントを理解することで、時間と手間のかかるRFM分析活用の効果を高められます。

ペルソナとなる人物像を考える

RFM分析を行う際には、ターゲットを詳細にイメージして定着させる「ペルソナ設計」が必要です。マーケティング施策を考えるときは、企業側が顧客のことを十分に理解しなければなりません。

ペルソナ設計では、顧客の年齢・性別・属性・趣味嗜好といった細かい人物構想を作ります。RFM分析で取得できたデータを最大限に生かすためには、顧客の人物像とそのデータを照らしあわせながら施策を考案すると良いです。
ペルソナとは？役割と定義、設定ポイントを解説

顧客ランクに応じて適切なアプローチをする

顧客ランクに応じた適切なアプローチ方法を考えていきましょう。RFM分析は、取得できたデータをそのあとの施策に落とし込んでこそ成功といえます。アプローチ方法を考案する段階でつまずいてしまい、せっかくの分析作業が無駄になる可能性も否定できません。

最終的に重要になるのは、マーケティングに関わる人々の思考力や想像力です。数字には表れない顧客の心理や、生活などに思いを巡らせて施策を練っていきましょう。

CRMをはじめとしたツールを活用する

RFM分析は非常に時間のかかる分析手法で、データの収集や集計などの処理作業も難所になりがちです。データ量が膨大で、実店舗とECサイトなど複数データを統合しなければならないケースもあるでしょう。データの集計や分析には人的リソースが必要になるため、予算も高くつくことがあります。

この問題を解決するには、CRMをはじめとする顧客管理ツールを使用するのがおすすめです。低コストで利用できる専用の分析ツールも複数あるので、導入を検討してみましょう。
CRM導入のメリット・デメリットとは？MA、SFAとの違いも解説 1990年代から国内で普及しはじめたCRMですが、今でも重要なマーケティング手法として知られています。そもそもCRMとは何なのか、導入のメリット・デメリット、CRMツール選定時の注意点などを解説します。
CRMツールおすすめ10選！ツール比較とSFA・MAとの違い解説

なるべく多くPDCAを回す

マーケティング分析の基本は、PDCAサイクルを多く回してテストと改善を繰り返すことです。RFM分析をしてすぐに目覚ましい成果が出ることは稀。ランク分けや、実際に行う施策内容によっても成果の出方は変わるため、なるべく多くのPDCAサイクルを回しましょう。

RFM分析のまとめ

RFM分析では、3つの軸から立体的な顧客分析を行うことで、複雑な購買行動の可視化が可能になります。また、分類の軸を減らしたり増やしたりと柔軟性のある点もRFM分析の特徴です。自社にあった方法で分析を行うことができるため、マーケティング施策の新しい着眼点を得られるでしょう。マーケティング施策の選定や実施、そして改善を繰り返すPDCAも重要です。

RFM分析は正確性の高い分析手法ですが、時間と手間のかかる方法でもあります。分析だけでなくその後の施策によっても成果が左右されることから、果てしない道のりと感じられるかもしれません。

ニュートラルワークスでは、Webマーケティングに関連するさまざまなご要望に対応しています。お客様にあった問題解決方法をご提案しておりますので、マーケティングでお悩みの方はお気軽にご相談ください。