個々のお客様をわかりやすく分類し、マーケティングに役立てる方法の一つにRFM分析があります。日頃から蓄積しているデータベースを基にRFM分析でお客様のセグメントを知り、セグメントごとにマーケティング戦略を実施すると効果的です。
今回は、店舗や企業など、規模の大小を問わず役立つRFM分析の仕組みから活用のメリット、実践方法までを解説します。
RFM分析とは？
RFM分析とは、「お客様が何を買ったか」ではなく「どのように買ったか」を分析し、お客様を分類する方法です。顧客分析の手法として比較的取り組みやすく、マーケティングに生かしやすいという特徴があります。
RFM分析は、R（recency＝直近の購入日）、F（frequency＝購入頻度）、M（monetary＝購入金額）という三つの要素に基づきお客様を分析・分類します。たとえば、R・F・Mのいずれもが高いお客様ほど店にとって優良顧客という位置づけになります。また、Rが最近の日付で、Fが1回だけであれば新規顧客であることがわかります。それ以外のお客様も個々の要素を総合的に数値で判断してセグメント化していくことで、記憶や勘だけに頼らない正確な顧客分析が可能になります。
もしお客様に年賀状やセール告知のDMを郵送で送りたい場合、多くの人に送れば送るほどコストがかかります。そこでRFM分析の結果を利用し、優良顧客だけに郵送すれば費用対効果がアップすると考えられます。
RFM分析を活用するメリット
RFM分析でお客様をセグメント化することにより、以下のようなメリットがあります。
・お客様が「いつ・何回・いくら」買ったかが明らかになる
・セグメントごとに必要な施策（キャンペーン、商品企画など）や、コミュニケーション（DM、販促メールなど）の方法や内容を確立できる
・お客様は、適切な優待やキャンペーンなどの情報を受け取れる
・セグメントごとに適したマーケティングを実施できるため、企業とお客様の関係を強化できる
・非優良顧客も明らかになるため、セグメントごとのマーケティングコストの適正化を図りやすくなる
・自社のお客様の比重がどのセグメントに多いかわかる
このように、店舗や企業側だけでなく、お客様側にもメリットが生じるのがRFM分析のポイントです。マーケティングにかかるコストや時間の無駄をなくすためにも、施策を開始する前にきちんとお客様のセグメント化を行いましょう。
RFM分析の流れと方法
実際にRFM分析を行うにあたり、売り上げ明細などのデータを用意します。以下の四つの項目が記録されているデータを使うことでRFM分析が可能になります。
・購入日
・購入番号（注文番号）
・顧客番号や氏名（お客様を特定するもの。電話番号などでも可）
・購入金額
データが用意できたら、以下の手順にしたがってRFM分析を開始します。
1. 対象期間を決定する
過去1年、過去半年、昨年の同じ季節や月など、知りたい情報を収集するために必要な期間を決めましょう。創業からの年数が浅い場合は、営業開始日からの全ての売り上げデータを利用しても良いでしょう。
2. 分類の指標を設ける
RFM分析の目的は、お客様をセグメント化することです。そのため、最終的にお客様をどのように分類したいか、あらかじめ設定した上で分析する必要があります。業種や業態、価格帯にもよりますが、食品や日用品、アパレルなどの小売業などであれば、一例として以下のような指標で分類することが可能です。
ランク1
R（直近の購入日）＝7日以内
F（期間内の購入頻度）＝10回以上
M（期間内の購入額）＝8万以上
ランク2
R（直近の購入日）＝8から30日以内
F（期間内の購入頻度）＝5から9回以上
M（期間内の購入額）＝4から8万未満
ランク3
R（直近の購入日）＝31から90日以内
F（期間内の購入頻度）＝2から4回以上
M（期間内の購入額）＝1から4万未満
ランク4
R（直近の購入日）＝91日以前
F（期間内の購入頻度）＝1回
M（期間内の購入額）＝1万未満
3. データを分類する
上記のランク指標に基づくと、R・F・M全てが「ランク1」になるお客様が優良顧客ということになります。一方、Fは「ランク4」でもMが「ランク1」であれば、「1回あたりの購入額が高かった顧客」であることがわかり、今後につながるポテンシャルのあるお客様であるといえます。
4. 結果を分析する
たとえば、ランクごとにポイントを振り分けた場合、合計ポイントが同じ「6」でも、全く異なるパターンが出てきます。
ランク1を1ポイント、ランク2を2ポイント、ランク3を3ポイント、ランク4を4ポイントとした場合、以下のような内訳例が考えられます。
・顧客A：R「1」、F「1」、M「4」
・顧客B：R「2」、F「3」、M「1」
顧客Aと顧客Bはいずれも合計ポイントは5ですが、Aは「日常的に利用するが、1回あたりの購入額は低い」お客様であるのに対し、Bは「時々利用する程度だが、1回あたりの購入額は高い」お客様であることがわかります。このように、数字のパターンごとにもデータを分析し、1回あたりの購入額が安いAタイプのお客様には購入額をアップしてもらう施策が、1回あたりの購入額が高いBタイプのお客様であれば購入頻度をアップしてもらう施策が、それぞれマーケティングにおいて求められているという結論を導き出すことができます。
R・F・Mの全てが「ランク1」のお客様であっても、施策が必要ないわけではありません。常連の優良顧客として、優待券の発行やキャンペーンといった優遇施策を行い、大切なお客様ととらえていることを積極的に伝えることで、今後も長く優良顧客でいてくれる可能性が高まります。
RFM分析を簡単にするツール
RFM分析を行うにあたり、課題となるのがデータの収集です。オンラインショッピングなどであればお客様側が氏名などの個人を特定できる情報を入力するため、個々のお客様データが容易に蓄積され、RFM分析ができる状態になります。しかし対面型の店舗などでは記録に残る形での情報のやりとりが少なく、記憶頼りでは分析に必要なレベルのデータが集まらないことがあります。
そこで役立つのがデジタル情報を店舗側に残せるメンバーズカードやアプリです。お客様は買い物のたびにポイントがたまるなどの特典があるため、都度カードやアプリを提示するので、店舗側には「どのお客様が、いつ、どれだけ買った」という情報が残ります。
たとえば、売り上げや顧客情報を総合的に管理するシステムを導入して、RFM分析に役立つデータを自動的に蓄積するのも一つの方法です。
Squareならクレジットカード決済や専用ギフトカードの利用履歴、人気のある商品・ない商品、各従業員ごとの売り上げもひと目で分かる機能を提供しています。特に、マーケティングのための情報収集にかかる多大な時間やコストをできるだけセーブしたい中小規模の店舗や企業にとって、現代のビジネスに不可欠な資産である「顧客データ」を一括管理するお役立ちツールといえます。
日々のビジネスの中でお客様のデータを上手に蓄積することで、リサーチや分析から効果的なマーケティングにつなげていきましょう。
関連記事
・集客効果の分析は必須？データから集客方法を検討しよう！
・ お客様目線でマーケティング！4C分析とは
執筆は2019年1月21日時点の情報を参照しています。
当ウェブサイトからリンクした外部のウェブサイトの内容については、Squareは責任を負いません。
Photography provided by, Unsplash