RFM分析とは
RFM分析とは、顧客の取引履歴や関与度を基に、関係性の深さや購買行動を分析し、顧客を分類する分析手法です。ここでは、RFM分析の基本概要と、Recency(直近の購入日)、Frequency(購入頻度)、Monetary(累計購入金額)という3つの指標を用いた顧客分類の方法について解説します。また、RFM分析を効果的に活用する業界やあまり向かない業態についても触れ、具体的なエクセルを使った分析方法も紹介します。はじめてRFM分析を行う方に役立つ実践的な内容となっています。
RFM分析とは?
RFM分析(アールエフエム分析)とは、「最終購入日(Recency)」「購入頻度(Frequency)」「購入金額(Monetary)」の3つの指標を用いて、顧客をスコアリングする分析手法です。このスコアリングによって、「優良顧客」「一般顧客」「休眠・離反顧客」などのグループに分類することができ、顧客の状態に応じたマーケティング施策を効果的に実行できます。
RFM分析は、BtoCの業態で特に活用されています。例えば、ECサイトやリピート率の高い小売業、フードデリバリーサービスなどでは、顧客の購買データを分析して、優良顧客や休眠顧客を特定し、ターゲットに合わせたマーケティング施策を展開することが可能です。
一方、BtoBにおいても、RFM分析は有効です。特にサブスクリプション型のビジネスモデルや長期取引を行う企業間取引において、RFM分析を活用することで、顧客の取引履歴や関与度を可視化し、継続的な取引を促進する戦略を立てることができます。
例)
- ブランドのショッピングサイトを利用する会員の分析
- フードデリバリーアプリ利用客の分析
- 美容室の利用顧客管理
- ソフトウェアライセンス契約を行う顧客の分析
- コンサルティングサービスのリピート顧客の分析
RFM分析における3つの顧客分類指標
RFM分析には、3つの顧客分類指標があります。
- 最終購入日(Recency):顧客が最後に購入した時期を表す指標です。
最近購入した顧客ほど、製品やサービスへの関心が高く、再購買の可能性が高いとされています。例えば、BtoCの場合、過去1か月以内に購入した顧客と1年以上前に購入した顧客とでは異なるアプローチを取る必要があります。一方BtoBにおいても、最近取引があった顧客に対しては追加の提案やフォローアップを行うなど手厚くフォローを行います。 - 購入頻度(Frequency):一定期間内に顧客が何回購入したかを表す指標です。
購買頻度が多い顧客は、製品やサービスへの関心が高い優良顧客とされ、満足度も高いと考えられます。一方で購買頻度が低い顧客には、再購買を促進するプロモーションや不満払拭のための施策が必要です。 - 購入金額(Monetary):顧客の累計購入金額を示す指標です。
この金額が高い顧客ほど、企業にとって優良顧客といえます。高額商品や長期契約を複数回行っている顧客は、特にBtoBの業態において重要な存在です。BtoCでも、複数回に渡って購入する顧客には特別なサービスやロイヤルティプログラムを提供することが有効です。
各指標は単体で分析してしまうと、顧客の本質を見極めるのが難しい場合があります。例えば、購入金額の高い顧客のなかには、一度に大量も購入する顧客もいれば、少額でも定期的に購入する顧客も存在します。
RFM分析では、3つの指標を組み合わせて分析することで、顧客の行動や傾向を正確に把握し、適切なアプローチを取ることが可能です。
RFM分析の目的
RFM分析には、注力すべき顧客の把握や、顧客層ごとの適切なアプローチによるマーケティング効率の向上、コスト削減などの目的があります。
- 自社の現状把握
RFM分析で顧客を取引傾向ごとに分類し、自社の顧客にどのような取引傾向を持つのか、また注力すべき顧客グループを把握します。 - マーケティング効率の向上、コスト削減
顧客グループに適したアプローチを行い、マーケティング効率の向上を狙います。効果の低い顧客への投資を避け、注力顧客へリソースを割くことが可能です。 - 顧客満足度の向上
顧客セグメントごとに適切な対応を講じることで、顧客満足度の向上も図れます。
RFM分析のやり方解説!具体例とあわせて紹介
RFM分析の手順を、具体例を交えながら紹介します。
1. 課題設定と仮説立案
まず、現時点で感じている課題を洗い出し、「どの顧客層にどのような問題が起きているか」を仮説立てます。単にデータを集計するだけではなく、解決したい課題や目標を明確にしておくことで、方針がぶれず、分析結果を仮説検証に役立てられます。
例えば、BtoCでは「客単価を向上させたい」という課題や「購入回数の多い顧客にキャンペーンを適用してさらなる購買を促したい」といった仮説が考えられます。BtoBでは「長期契約を促進したい」や「クロスセルの機会を見つけたい」といった仮説が有効です。
2. 顧客データの集計
- RFM分析に必要な3つの指標を集計します。
- Recency(R):顧客が最後に購入した日
- Frequency(F):顧客が指定期間内に購入した回数
- Monetary(M):顧客が指定期間内に支払った金額
BtoCでは、過去1年間の顧客の購入履歴をExcelやスプレッドシートで集計する方法があります。BtoBでは、過去数年間の契約履歴や取引履歴を基に集計します。
顧客データの集計は、CRM(顧客管理)システムやPOS(販売時点情報管理)システムを使っている場合、ツールを活用すれば比較的簡単に集計が可能です。
3. 3つの指標ごとで顧客分布を確認
集計データを基に、「最終購入日(Recency)」「購入頻度(Frequency)」「購入金額(Monetary)」の3つの指標ごとで顧客分布を確認します。視覚的に分布を把握しやすくするため、ヒストグラムを作成するのがおすすめです。ヒストグラムを作成すると、次に紹介する顧客ランク分けで「どこで顧客を切り分けるか」の判断がしやすくなります。

4. 3指標ごとに顧客をランク付け
「最終購入日(Recency)」「購入頻度(Frequency)」「購入金額(Monetary)」の各指標を基に、顧客をランク付けします。ランクは5段階評価(1〜5)で行うと、初めてのRFM分析でもシンプルに進められます。
- 最終購入日(Recency):最近購入した顧客ほど高いランク(1が最も購入が過去の顧客、5が最も最近の顧客)
- 購入頻度(Frequency):購入頻度が多いほど高いランク(1が頻度が少ない顧客、5が頻繁に購入する顧客)
- 購入金額(Monetary):購入金額が多いほど高いランク(1が購入金額が少ない顧客、5が購入金額が多い顧客)
例えば、RFMスコアが「555」の顧客は、直近も含めて頻繁に高額を使っている顧客として、最も価値の高い顧客と評価できます。
【ランク付けイメージ】
スコア | 最終購入日 | 購入頻度 | 購入金額 |
5 | 購入日が1週間以内 | 購入頻度:10回以上 | 購入金額:100,000円以上 |
4 | 購入日が1ヶ月以内 | 購入頻度:7〜9回 | 購入金額:70,000〜99,999円 |
3 | 購入日が3ヶ月以内 | 購入頻度:4〜6回 | 購入金額:40,000〜69,999円 |
2 | 購入日が6ヶ月以内 | 購入頻度:2〜3回 | 購入金額:20,000〜39,999円 |
1 | 購入日が6ヶ月以上前 | 購入頻度:1回 | 購入金額:20,000円未満 |
各指標で顧客を細かく分けることは重要ですが、あまり分類しすぎると顧客パターンが膨大になり分析が困難となるため注意が必要です。
5. 改善策の立案・実施・効果検証
RFMランクを基に、顧客を「優良顧客」「一般顧客」「休眠顧客」「新規顧客」に分類します。
- 優良顧客:RFMスコアが高い顧客(例:R4-5、F4-5、M4-5)
直近も含めて頻繁に購入し、累計の購入金額も多い顧客層です。製品やサービスに対して愛着を持っていると考えられます。 - 一般顧客:RFMスコアが中程度(例:R3-4、F3-4、M3-4)
定期的に購入をしているものの、頻度や金額は優良顧客より低い顧客層です。製品やサービスに信頼感は持っているものの、競合に移る可能性も考えられます。 - 休眠顧客:RFMスコアが低い(例:R1-2、F1-2、M1-2)
長期間購入がない、もしくは少額しか購入していない顧客層です。製品やサービスからすでに離れている可能性もありますが、適切なリテンション施策を講じることで、再度購入する可能性があります。 - 新規顧客:直近に購入し、まだ十分なデータがない(例:R5、F1、M1-2)
最近購入したばかりで、金額が低い顧客層です。製品やサービスに対する理解が浅い状態ですが、アプローチ次第でより関心を高められる可能性を秘めています。BtoCでは個別のプロモーションの適用、BtoBでは初回取引後の手厚いフォローアップで、顧客の関心をさらに高められる可能性があります。
これらの顧客分類はあくまで一例であり、RFM分析により、細かく注力顧客の優先順位付けすることが可能です。例えば、同じ購入金額でも、購入頻度が多い顧客と少ない顧客に分けることも有効です。
顧客をグループ分けした後、それぞれのグループに適切なアプローチを検討しましょう。例えば、優良顧客には限定イベントへの招待、一般顧客には定期的なキャンペーン配信、休眠顧客にはアンケートを通じて購入をやめた理由を把握し、改善策を講じるなどが考えられます。施策を立案したら、計画を実行する前に効果検証の手段を検討し、実行後には必要に応じてさらなる改善を行っていくことが重要です。
エクセルを使ったRFM分析の手順
RFM分析を行う際、エクセルやスプレッドシートを活用することで、手軽に分析を進めることができます。以下では、その具体的な手順を解説します。
必要データを入力
まず、顧客データをエクセルやスプレッドシートに入力します。必要なデータ項目は以下の通りです。
- 顧客ID
- 最終購入日(Recency)
- 購入回数(Frequency)
- 購入金額(Monetary)
顧客IDは必須ではありませんが、CRMシステムなどとの連携や後で詳細なデータを参照する場合に便利です。次のようなデータ形式を使用します。
顧客ID | 最終購入日 | 購入頻度(回) | 購入金額(円) |
1 | 2024/09/10 | 5 | 80,000 |
2 | 2024/08/15 | 3 | 45,000 |
3 | 2024/07/01 | 7 | 120,000 |
4 | 2024/07/18 | 1 | 5,000 |
5 | 2024/06/20 | 6 | 100,000 |
6 | 2024/08/25 | 4 | 60,000 |
7 | 2024/07/30 | 3 | 40,000 |
8 | 2024/09/12 | 10 | 150,000 |
9 | 2024/09/01 | 5 | 90,000 |
10 | 2024/05/18 | 2 | 35,000 |
関数で最終購入日を値に変換
最終購入日(Recency)を数値化するために、エクセルの「DATEDIF」関数を使用します。例えば、セルB2に最終購入日がある場合、以下の式を入力して、今日の日付から最終購入日までの日数を計算します。
=DATEDIF(B2, TODAY(), "D")

この関数を使えば、全顧客のデータに自動的に適用することができます。オートフィル機能を使って他の行にも同じ関数を適用しましょう。
3指標ごとにランク付け
各指標(Recency、Frequency、Monetary)ごとに、5段階評価でランク付けを行います。優良数値ほど高スコア(5段階に分けるなら「5」)を付けます。以下の例に従って、IF関数を使用してランク付けを行います。
ランクの切り分け位置は任意で決められるため、指標ごとにヒストグラムを作成して分布を確認したり、製品の価格を加味して決定したりするとよいでしょう。
最終購入日(Recency)のスコア
直近の購入日からの経過日数が少ないほど高いスコアを割り当てます。
- 30日以内の顧客はスコア「5」
- 60日以内の顧客はスコア「4」
- 90日以内の顧客はスコア「3」
- 120日以内の顧客はスコア「2」
- それ以上の顧客はスコア「1」
IF関数を使用して、スコアを自動的に割り当てます。
=IF(D2<=30, 5, IF(D2<=60, 4, IF(D2<=90, 3, IF(D2<=120, 2, 1))))

購入回数(Frequency)・購入金額(Monetary)のスコア
最終購入日(Recency)とは異なり、購入回数(Frequency)と購入金額(Monetary)は、数値が高いほど高スコアを設定します。以下に、購入回数(Frequency)のスコア割り当て例を示します。
- 購入回数が10回以上の顧客はスコア「5」
- 7回以上の顧客はスコア「4」
- 5回以上の顧客はスコア「3」
- 2回以上の顧客はスコア「2」
- 1回の顧客はスコア「1」
次のIF関数を使用して、一括でランク付けが可能です。
=IF(E2 >= 10, 5, IF(E2 >= 7, 4, IF(E2 >= 5, 3, IF(E2 >= 2, 2, 1))))

購入金額(Monetary)の場合も、上記関数の回数の数値部分を任意の金額に置き換えることで一括にスコアリングが可能です。
顧客をグループ分け・データを可視化する
スコアリングの結果を基に、顧客をグループ分けして分析を行います。以下のように、3指標のスコア合計値を使用して、顧客を「優良顧客」「一般顧客」「休眠顧客」などに分類します。また、バブルチャートを使用して、RFMスコアの組み合わせを可視化し、分析結果を視覚的に把握しましょう。
例)
- 3指標のスコア合計値で「優良顧客」「一般顧客」「安定顧客」「休眠顧客・休眠予備軍」などに分類する
- R、F、Mスコアを2軸でバブルチャート化し、「RとF」「FとM」など複数の組み合わせパターンで分析する
R | F | M | スコア合計 | 4種の顧客分類 |
5 | 3 | 4 | 12 | 安定顧客 |
4 | 2 | 3 | 9 | 一般顧客 |
2 | 4 | 5 | 11 | 一般顧客 |
3 | 1 | 1 | 5 | 休眠顧客・休眠予備軍 |
2 | 3 | 5 | 10 | 一般顧客 |
4 | 2 | 4 | 10 | 一般顧客 |
3 | 2 | 3 | 8 | 一般顧客 |
5 | 5 | 5 | 15 | 優良顧客 |
5 | 3 | 4 | 12 | 安定顧客 |
1 | 2 | 3 | 6 | 休眠顧客・休眠予備軍 |
- バブルチャート

RFM分析のメリット
RFM分析には以下のようなメリットがあります。
- 自社と顧客の状況を可視化できる(=新たな課題発見にもつながる)
- 購買記録さえあれば分析できる
- より細かい顧客層ごとにアプローチできる
- マーケティングの費用対効果が高い
RFM分析では、優良顧客がどれくらいいるか、どの顧客が頻繁に購入しているかといった、自社の顧客構成を可視化できます。例えば、顧客の購入回数が少ないボリュームゾーンを見つけることで、再購買を促進するキャンペーンを計画するなど、新たなマーケティング課題を発見することが可能です。
さらに、購買記録さえあれば、既存のCRMやPOSデータを活用して、低コストで迅速に分析を行えるため、手軽に実行できる点も大きなメリットです。
また、顧客を細かく分類することで、各顧客層に合わせたマーケティング施策を展開することができ、費用対効果を高められます。例えば、優良顧客にはロイヤルプログラムを提供し、購入頻度が低い顧客には再購入を促すキャンペーン特典を送付するなど、各顧客層に最適なアプローチを行うことが有効です。
RFM分析のデメリット
RFM分析には多くのメリットがある一方で、以下のようなデメリットも存在します。
- 購入者のライフステージや市場環境などの細かい情報は考慮できない
- 計測するタイミングによって結果が異なる
- 購入時期や頻度、金額が著しく偏る製品やサービスは適切に分析できない
- CRMやPOSシステムなどを使っていない場合、データの集計が手間である
RFM分析は購買データ(最終購入日・頻度・金額)を基づいているため、顧客の年齢や職業、ライフステージ、さらには市場の変化といった細かな情報までは考慮できません。
また、RFM分析の結果は集計するタイミングによって、大きく変動する可能性があります。例えば、セールや季節需要は影響を受けやすいため、集計期間や対象期間を慎重に選ばないと正確な結果が得られないことがあります。定期的にRFM分析を実施するか、特定のイベント期間を除外するなどの対策が必要です。
さらに、季節物の製品や一部のサービスでは、購入時期や頻度、金額が極端に偏っている場合があり、RFM分析が適切に機能しないことがあります。例えば、クリスマスツリーや季節イベントに関連する製品では、分析結果が偏りやすいです。
最後に、CRMやPOSシステムなどの顧客管理ツールを導入していない企業では、顧客データの集計が手作業となり、分析に手間がかかる点もデメリットの一つです。特に、顧客数が多い場合、データの管理の負担が大きくなります。
RFM分析が向いている/向いていない業態の特徴
RFM分析が向いている業態と向いていない業態の特徴を紹介します。
【RFM分析が向いている業態】
- 定期的にリピート購入が期待できる商材(例:サブスクリプションサービスや日常消費財)
- 購入頻度や金額にばらつきが少ない商材(例:食品、化粧品、衣料品)
- 顧客の購入履歴や行動が豊富に蓄積されている業態(例:オンラインショップやポイントプログラムを活用する企業)
【RFM分析が向いていない業態】
- 購入頻度が低い商材(例:住宅や高級車)
- 金額が高額な商材(例:家電製品や高額な耐久財)
- 季節性のある製品(例:水着やクリスマスツリーなどの季節商品)
例えば、年中販売しているアパレルブランドや、オンライン販売で顧客の購入履歴が蓄積されているビジネスモデルでは、RFM分析は非常に効果的に活用できます。
一方、RFM分析は一定期間内の顧客の購入動向を基にするため、リピート購入が少ない商材や季節的な影響が大きい商品では適切な分析が難しくなります。例えば、水着ブランドやクリスマス用品、エアコンや冷蔵庫などの耐久性のある家電製品、そして高級車や住宅のような高額商材では、購入頻度が低いため、RFM分析の効果は限定的です。
RFM分析の活用例
RFMスコアに基づき、それぞれの顧客層に対して実施できる具体的な施策を紹介します。
1. R値が高い顧客
直近で購入している顧客は、製品やサービスに対して新鮮な印象を持っている可能性が高く、再度、購入する可能性が高いです。このような顧客には、新商品や期間限定商品を早めに提供することで、リピート購入を促進できます。また、また、限定割引や特別オファーを送ることで、ブランドへのロイヤルティを高めることが期待できます。BtoBでは、直近で契約した企業に対し、新しいサービスや関連するサービスを優先的に提案することで、追加購入を促進します。
2. R値が低く、M値が高い顧客
最近購入していないが、一度の購入金額が大きい顧客には、特別なアプローチが有効です。BtoCでは、特別割引クーポンや次回購入時に利用できる特典などを提案することで、再購入を促進できます。BtoBでは、顧客に特別価格での再契約提案や追加のサービスやサポートを無料で提供する提案が有効です。また、個別にカスタマイズされた内容、具体的には顧客の名前を含めたり、前回購入した商品に関連する情報を盛り込んだ個別メールを送ることで、再購入への意欲を高めることが期待できます。
3. F値が低く、M値が高い顧客
購入頻度は少ないものの、購入時に高額な製品を購入する顧客には、まとめ買いを促す施策が効果的です。BtoCでは、同カテゴリーの複数製品をセットで購入することで割引を提供したり、一定額以上の購入に対して追加の特典を付与するキャンペーンを実施することで、一回の購入でより多くの商品を購入する機会を顧客に与えることができます。BtoBにおいては、まとめて購入することでボリュームディスカウントを提供したり、長期契約や複数製品をパッケージ化して割引を適用することが有効です。
4. M値が低く、F値が高い顧客
購入頻度は高いものの、1回の購入金額が低い顧客には、クロスセルやアップセルを活用した提案が有効です。BtoCでは、既に購入した商品に関連するアイテムをおすすめしたり、高額な商品を提案することで、1回あたりの購入金額を増やすことができます。BtoBでは、既存の製品やサービスに関連する追加機能やアップグレード版を提案し、取引金額を増やします。また、ボリュームディスカウントや長期契約の割引を提示することで、顧客にさらなるメリットを提供し、顧客との関係を構築します。
RFM分析にはCRMの活用がおすすめ
RFM分析を効果的に行うには、CRM(顧客管理システム)の導入・活用がおすすめです。
【CRMの利用メリット】
- 顧客データの管理・集計が容易になる
- 設定に基づきターゲットを自動で選出できる
- ターゲットに対するアクションを自動化できる
- 顧客を追跡できるため、効果測定が容易になる
CRMは顧客データを一元管理するツールです。RFM分析に必要な情報を容易に集計できるのはもちろん、結果をもとにしたアクションプランの自動化もできます。具体的には以下のような自動化が可能です。
- 各顧客がRFM分析におけるどのランクかをシステム上に表示する
- R・F・Mの各指標の顧客分布をグラフ化して表示する
- 優良顧客へ自動で特典メールを送る
- 休眠予備軍の顧客に対して営業担当が個別フォローを忘れないようアラート表示を行う
また、RFM分析では、アクションプラン実行後の効果測定も重要です。CRMの利用により、施策の効果測定や追客が容易になり、PDCAサイクルを効率的に回すことが可能です。
評価
このコンテンツは役に立ちましたか?
入力ありがとうございました。
あなたからの評価
コメント