RFM分析とは? デシル分析との違いや具体的な分析方法など詳しく解説

このエントリーをはてなブックマークに追加

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、顧客分析は欠かせない施策ですが、その中でも有用性の高い方法の1つとして知られているのがRFM分析です。
今回はRFM分析と比較されることの多いデシル分析との違いや、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詳しく解説します。

   

RFM分析とは

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ランク付けする顧客分析手法です。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。

 

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)

数年前に購入した顧客よりも直近に購入した顧客のほうが良い顧客と考え、顧客が最後に商品を購入した日付を基準としてグループ分けします。
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)

顧客がこれまでに購入した回数をカウントします。購入頻度が高いほどリピート率が高い優良顧客、反対に購入頻度が低い場合は新規顧客と判断でき、それぞれに異なる施策が必要です。

 

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。

 

例えば、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。

 

このように、1つの軸だけ見るとRFM分析の意味は薄いですが、3つの軸から顧客をセグメント分けすることで、詳細に顧客の優良度を測ることができるようになります。

 

RFM分析とデシル分析の違い

RFM分析と似た顧客分析の方法に、デシル分析があります。デシル分析の「デシル」はラテン語の「10等分」に由来し、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。

 

例えば顧客数が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

RFM分析の方法

 

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。具体的な分析方法についてご紹介します。

 

顧客のランク付け

まずR(Recency)、F(Frequency)、M(Monetary)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。

 

例えば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。

 

意思決定

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。
これらの一連の流れを何度も繰り返すことで、顧客に対してより適切なアプローチが可能になります。

 

RFM分析の注意点

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

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。

 

顧客の人物像を考える

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・週出できるようにしましょう。

 

RFM分析を有効活用しよう

RFM分析を有効活用することで、優良顧客に対してきめ細かなサービスを行う、新規顧客や購入頻度の低い顧客をリピーターに育成するための施策を実施できるなど、顧客に合わせた最適なアプローチが可能になります。
RFM分析に役立つ各種ツールも販売されていますので、それらも活用してRFM分析を自社に取り入れ、売上の向上を目指してみてはいかがでしょうか。

お問い合わせはこちらから
このエントリーをはてなブックマークに追加

人気の記事

お電話でのお問い合わせ

03-5413-8607

平日9:30~18:30

お気軽にご相談ください!