RFM分析とは？デシル分析との違いや分析のやり方をわかりやすく解説！

ECサイトの売上アップを目指しマーケティングを実施する上で、データ活用は不可欠です。

 

なかでも顧客の行動に関する情報は非常に重要なデータであり、有用な顧客分析の手法として知られているのが「RFM分析」です。

 

しかし、
「RFM分析とは何？」
「RFM分析のやり方は？」
「RFM分析を効率的に行うには？」
といった疑問をお持ちの方もいらっしゃるのではないでしょうか。

 

今回はRFM分析の特徴やデシル分析との違い、具体的な分析方法、RFM分析の効果を高めるコツなどについてわかりやすく解説します。

RFM分析とは？

 

RFM分析とは、「Recency （最終購入日）」、「Frequency（購入頻度）」、「Monetary （購入金額ボリューム）」の3つの指標から顧客をグループ分けする顧客分析手法です。

 

• Recency （最終購入日）
• Frequency（購入頻度）
• Monetary （購入金額ボリューム）

顧客をランクごとにグループ分けすることで、それぞれのグループに合わせた最適な施策を打つことができるため、優先的にコストを掛けるべきターゲットを絞るなどの効率的なマーケティングが可能になります。

 

たとえば、最終購入日だけで顧客分析を行うと、今までの購入頻度や購入金額が分からないので、その顧客がどれほど売上に貢献しているのか判断できません。

 

購入頻度と購入金額から分析する場合も、その2つが高ランクだったとしても、最終購入日が数年前の場合は顧客がすでに離れている可能性も考えられ、優良顧客かどうかの判断は不可能です。

 

3つの軸で顧客をセグメント分けすることで、優良顧客や休眠顧客、新規顧客などの状況を多面的に可視化することができ、自社の顧客状況に応じたマーケティング施策につなげることができます。

 

それぞれの指標をグループ分けする方法は以下の通りです。

Recency （最終購入日）

顧客の購入データから最終購入日を抽出し、その時期によって顧客をグループ分けします。

 

グループ分けの期間は商品の特性によって異なりますが、最終購入日からの期間が短いほど評価が高くなります。

 

たとえば、数年前に購入した顧客よりも数か月前に購入した顧客のほうが良い顧客と考え、両者を同列に捉えて各施策を行うよりも、区別したほうが効率的なアプローチが可能です。

Frequency（購入頻度）

一定期間における購入回数をカウントし、購入頻度によって顧客をグループ分けします。

 

商材によって期間の設定は異なりますが、購入頻度が高いほど評価が高くなります。

 

購入頻度が高いほどリピート率が高い優良顧客だと判断でき、全体の割合として購入頻度が低いグループが多い場合にはあまりリピートされていない状況だと判断できます。

Monetary （購入金額ボリューム）

顧客の今までの購入金額の合計によってセグメント分けを行います。購入金額が高額な顧客ほど購買力が高く、優良顧客であると考えることができます。

RFM分析とデシル分析の違い

RFM分析と混同しやすい顧客分析の方法に、デシル分析があります。

 

デシル分析の「デシル」はラテン語で「10等分」を意味し、すべての顧客を一定期間の購入金額順に並べ、10等分してグループ分けを行う顧客分析手法です。

 

たとえば顧客数が1,000人の場合は、一定期間の購入金額の合計順に並べたうえで、顧客を100人ずつのグループに分けます。購入金額1位〜100位までの顧客を「デシル1」、次いで「デシル2」「デシル3」という形で10のランクに分けることで、全体の購入金額に占める各デシルの割合などが算出可能です。

 

ただし、デシル分析には、過去に1度だけ高額商品を購入しただけの顧客が上位グループに入ってしまうなど、最終購入日や購入頻度を加味したランク付けができないという問題点があります。こういった問題点を解決するための手法がRFM分析であるといえるでしょう。

RFM分析の方法・手順

 

RFM分析はどのような手順で実施すれば良いのでしょうか。RFM分析の具体的な方法・やり方についてご紹介します。

 

1. 顧客のランク付け
2. データ定義
3. データの抽出と集計
4. 施策の立案・実行
5. 効果検証・改善

顧客のランク付け

まずR（Recency／最終購入日）、F（Frequency／購入頻度）、M（Monetary／購入金額ボリューム）の3つの軸に対し、それぞれの基準を作成するところから始めます。

 

たとえばRは「1週間以内」「1ヶ月以内」「3ヶ月以内」など、Fは「10回以上」「8〜9回」「5〜7回」など、そしてMは「100万円以上」「50万円以上」「20万円以上」といった形でランク分けの基準を作成しましょう。

 

このランクの基準は、業種や扱う商材などによって異なるうえ、高額商品を扱うECサイトではFよりもMを重視するなど、3つの軸のうちどれを重視するかという重み付けも業種や商材によって異なります。

データ定義

作成した基準を基に、どのようなデータが分析において必要かを定義します。

 

実店舗とECサイトでデータを別々に管理している場合は、それらを統合する必要があります。1つのチャネルに偏ったデータで顧客分析を行うと、マーケティング施策を見誤る危険性があるので注意しましょう。

データの抽出と集計

実店舗や他部署、ECサイトなど、必要となるデータを全てのチャネルから抽出、集計します。データの抽出や集計を行う際は、データを一元管理するシステムがあると効率が上がるため便利です。

 

集計が終わったら、最初に作成した基準にデータを当てはめグループ分けし、グラフや表を作って視覚化したうえで、顧客の分析を行いましょう。

施策の立案・実行

分析したデータを基に、これからどのようなマーケティング施策を行うべきか、どうやって優良顧客を増やしていくか、さらなる分析が必要かといった意思決定を行います。

 

たとえば、分析結果を基に「優良顧客」「安定顧客」「休眠顧客」「新規顧客」の4グループに分けた場合、それぞれ効果的なアプローチは異なるはずです。

 

各グループに対してどういった施策が適しているのかを検討し、実行に移しましょう。

効果検証・改善

実施した施策の効果検証を行い、PDCAを繰り返すことが大切です。

 

施策の実施後にもRFM分析を行い、実施前と比較して各セグメントの分布にどのような変化が生じたのかを確認しましょう。

 

施策の実施によって想定した効果は得られたのか、効果が得られなかった場合には何が原因だったのかを特定し、施策の見直し・改善を繰り返します。

RFM分析の注意点

 

RFM分析を行う際には、いくつか注意すべき点があります。ここからは、注意するべきポイントについて解説します。

顧客のグループ分け

RFM分析は、ある一定期間のデータを抽出し分析を行うという特性上、分析を行う期間やスパンによって、顧客のステータスが変化するという問題が起こります。

 

例えば半年持つような高額サプリメントを、数年に渡って毎回購入してくれている優良顧客がいたとしましょう。短いスパンで買う必要がない製品なので、最終購入日が数ヶ月前であることも考えられるはずです。

 

しかし、Rが直近の日付ではないからと、「離れてしまった顧客」としてグループ分けしてしまうと、結果その顧客に対して適切なマーケティングが打てないといったことが起こりえます。

 

このように、取り扱う商品によって注文間隔やリピート率は異なるので、基準を作成する際には、商材の特性に合った数値を設定することが大切です。

 

また、顧客一人ひとりに寄り添ったきめ細かなアプローチを行うためには、RFMの観点とは別に、顧客のステータスや属性なども考慮する必要があるでしょう。

顧客へのアプローチ

RFM分析に基づいた施策は、優良顧客にアプローチすることが多くなる傾向にある一方で、優良顧客以外のグループに対するアプローチが疎かになりがちです。その結果として長期的な売上拡大につながらず、事業が先細りになる恐れがあります。

 

優良顧客へのアプローチだけでなく、新規顧客や、購入頻度は高いものの購入金額が低い顧客など、今後リピーターとなる可能性を持った顧客に対するアプローチも大切です。

RFM分析の効果を高めるコツ

 

上記の注意点を踏まえた上で、RFM分析の効果をさらに高めるためにはどのような点を重視すれば良いのでしょうか。分析を効果的に行うコツをいくつかご紹介します。

顧客のペルソナを考える

RFM分析の効果を高めるためには、何よりも顧客を知ることが大切です。

 

自社商品を購入する人の性別や年齢、属性、嗜好などを考慮すれば、RFM分析の結果を最大限に活かすことができるようになります。ペルソナを作りメインとなる顧客の人物像を設定するなど、データと顧客を掛け合わせたうえでアプローチすることを心がけましょう。

 

PDCAサイクルを回す

RFM分析は一度実施すれば良いという性質のものではありません。分析に基づいた施策の検討や、分析方法の見直し、最新データの抽出・集計などを繰り返しながら、最適なアプローチを検討することが重要です。

 

RFM分析の効果を高めるためには、PDCAサイクルを回し、継続的に施策を実行していくことが求められます。

CRMなどのツールを活用する

RFM分析に必要となるデータの抽出や分析には多くの手間と時間がかかるものです。特にデータ量が膨大で、実店舗や他部署のデータも統合しなければならない場合などには、人件費がかさむなど、予想以上にコストが掛かるケースが考えられます。

 

分析に時間的、金額的コストが余計に掛かっては、売上を伸ばせたとしても意味がありません。CRMなどの顧客管理ツールをうまく活用して、効率的にデータを集計・抽出できるようにしましょう。

 

データ分析に強いクラウド型EC「メルカート」

ECにおいては、データを収集・分析してマーケティング施策につなげることが重要です。

 

次は、データ分析に強いクラウド型ECプラットフォーム「メルカート」を紹介します。

 

データ統合とAIが導くEC運用

メルカートの最大の特徴は、バラバラに管理されがちな顧客・在庫・行動・VOCを一つの基盤に統合できる点にあります。

 

統合されたデータに基づき、AIエージェントが詳細な分析、そしてその結果から最適な販売戦略を自動で解析・提案します。

 

今回解説してきたRFM分析をはじめ、顧客属性分析や注文分析、キャンペーン分析など、高度な顧客分析を行うことが可能です。

 

さまざまなデータを参照しつつAIがそれらの作業を行うことで、施策は高速かつ高度に実施することにつながります。

 

その結果、施策1つ1つが高度なパーソナライズを実現し、売上アップに寄与します。

 

運用を極限まで効率化

リソースが限られた現場でも最大の実績を出せるよう、徹底した効率化を支援します。

 

ノーコードで更新可能な直観的なUIや生成AIを活用して商品登録を効率化する機能などにより、運用工数を大幅削減しています。

 

それに加え、AIによる分析の自動化により、これまで分析や施策立案に割いていた時間を戦略立案などよりクリエイティブな領域に割けるようになります。

 

その結果として、業務効率化を実現しながらも売上を成長させることができます。

 

盤石なセキュリティと伴走型の成功支援

初めてのEC構築や大規模なリニューアルにおいて、安全性とサポート体制は欠かせない要素です。

 

メルカートは自社起因によるセキュリティ事故ゼロ件を継続しており、盤石なセキュリティを誇ります。AI活用も、基盤内で行えることから、秘匿性の高いデータを外部に流すことなく安全にAI活用ができる堅牢な環境を提供しています。

 

さらに、専任チームによる「伴走型サクセス」が課題発見から改善提案まで深く踏み込み、Web広告やCRM支援など、社内のノウハウやリソース不足を補うプロフェッショナルな支援体制で貴社の成功を強力にバックアップします。

 

分析力の強化に「メルカート」を活用している事例

最後に、分析力の強化に「メルカート」を活用している企業事例をご紹介します。

リニューアルによりデータドリブンなサイト運営が可能に（AGCテクノグラス株式会社）

耐熱ガラスの食器ブランド「iwaki」を展開するAGCテクノグラス株式会社は、「メルカート」を導入して2020年10月に自社ECサイトをオープンしました。

 

「メルカート」でのECサイト構築以前、同社が運営していたブランドサイトはスマートフォンに未対応であり、社内でサイト更新を行うこともできなかったため、ブランドの魅力を十分に伝えられていない状況でした。

 

データドリブンの観点で情報収集力およびマーケティング力の強化に課題を感じた同社は、自社ECサイトの構築を決断。データ収集・分析を行いPDCAを回していける機能と使い勝手、そしてマーケティング面を含むサポート体制の充実度を評価し、「メルカート」の採用に至りました。

 

「メルカート」でのECサイト構築後、サイト更新のハードルが下がりスピード感のある運用が可能に。ECサイトで収集したデータに基づく施策検討が定着し、データドリブンな運用体制構築に手ごたえを実感しています。

検索流入が大幅増加し、会員数が以前の10倍規模に成長（株式会社DIGITAL LIFE）

介護業界のデジタル課題を解消し、豊かな未来社会の創出を目指す株式会社DIGITAL LIFEは、メルカートを採用して公式ECサイト「SONOSAKI LIFE」をリニューアルオープンしました。

 

かねてよりECサイトを運営していた同社でしたが、旧ECサイトはコンテンツを追加する際にゼロからHTMLを書かなければならないなど制作の負担が大きく、情報収集や分析まで手が回らない状況でした。今後のEC事業の展開を考え、情報発信力と分析力の強化が必要だと判断した同社は、ECサイトのリニューアルを決定。

 

同社が重視していたコンテンツマーケティングを展開でき、サポートが充実している点などを評価し、「メルカート」でECサイトのリニューアルを実施しました。

 

これまでは追加するコンテンツの数が年間6本程度でしたが、リニューアル後は年間45本ペースでコンテンツを追加することが可能に。検索流入が大幅に増え、会員数もリニューアル前の10倍ほどの規模まで増加しました。

 

制作に費やしていた労力が削減されたぶん、メルカートの分析機能やCRM機能を活用してEC事業のさらなる成長に取り組んでいます。

【お役立ち資料】メルカートの概要資料を無料ダウンロードする

まとめ

今回は、数ある分析手法のなかからRFM分析の特徴ややり方、注意点などを解説しました。

 

ECによる取引が増加しつつある昨今、事業の成長を図る上ではデータ活用が必要不可欠です。そして、RFM分析を行うことで効果的なマーケティング施策につなげることができます。

 

ECビジネスにおいて分析力やマーケティング力の強化に課題を感じている事業者の方は、今回ご紹介した「メルカート」によるサイト構築・リニューアルを検討してみてはいかがでしょうか。

FAQ

Q1. RFM分析とデシル分析、どちらを優先して実施すべきですか？

売上の「現在」の貢献度を測るならデシル分析が手軽ですが、顧客の「将来」の行動を予測し、離脱を防ぎたいならRFM分析が有効です。クラウドEC「メルカート」なら、AIが顧客の購買頻度や時期を多角的に分析し、デシル分析では見落としがちな「優良顧客の離脱兆候」も精度高く検知できるため、より戦略的なマーケティングが可能です。

Q2. RFM分析の結果をどのように施策に活かせばよいですか？

分析して終わるのではなく、各グループ（セグメント）に最適なアプローチを自動化することが重要です。「メルカート」に搭載されたAIエージェントは、RFM指標に基づき「最新購入日が遠い層」には再来訪を促すメールを、「購入金額が高い層」には先行案内を自動で配信します。分析から実行までを一気通貫で行えるため、運用工数をかけずに売上アップを実現できます。

Q3. 顧客データの分析・活用において、セキュリティ面での注意点は？

RFM分析には詳細な購買・個人データが必要ですが、外部の分析ツールへのデータ持ち出しは情報漏洩のリスクを伴います。自社起因の事故ゼロ件を継続する「メルカート」は、PCI DSS準拠の堅牢な基盤内でデータを保護しつつ、外部に情報を出さない安全な環境でAIによる高度な分析をフル活用できます。ブランドの信頼を守りながら、最新のデータ経営が可能です。