RFM分析とは？3指標の優先順位と閾値の決め方、セグメント別の施策を解説

RFM分析とは、最終購入日・購入頻度・購入金額の3つの指標で顧客を分類する手法です。購買履歴だけで顧客を行動特性ごとに分類し、優良顧客や休眠・離反の可能性がある顧客を把握しやすい点が特徴です。ただし実務でつまずくのは、3指標をどう扱うかという判断です。

多くの解説ではR・F・Mが並列に説明されますが、施策の優先度を決めるうえで最も重要なのはRです。また「顧客ごとにランクを分ける」といっても、どこで線を引くかという閾値の設定基準は曖昧なまま語られがちです。本記事では、RFM分析の基本を押さえたうえで、3指標の優先順位、閾値の決め方、そしてセグメント別の具体的な施策までを実務目線で解説します。

RFM分析とは

3つの指標で顧客を分類する手法

RFM分析は、次の3つの指標を用いて顧客をグループ分けする分析手法です。それぞれの頭文字からRFMと呼ばれます。

• Recency（最終購入日）：最後に購入してからどのくらい経過したか。直近であるほど高評価
• Frequency（購入頻度）：一定期間に何回購入したか。回数が多いほど高評価
• Monetary（購入金額）：累計でいくら購入したか。金額が大きいほど高評価

3つとも高い顧客は優良顧客、3つとも低い顧客は離反した顧客と判断できます。属性情報がなくても購買履歴だけで分析できるため、導入のハードルが低い点も特徴です。

目的はLTVの最大化

RFM分析の目的は、顧客をグループに分けることそのものではありません。グループごとに最適な施策を打ち、LTV（顧客生涯価値）を高めることにあります。

全顧客に同じ内容を一斉配信していては、優良顧客には物足りず、離反しかけた顧客には響きません。誰に、いつ、何を届けるかを判断するための土台がRFM分析です。

【重要】R・F・Mは目的に応じて重みを変える

R・F・Mはそれぞれ異なる顧客行動を表します。どの指標を重視するかは、分析目的や商材の購買サイクルによって異なります。

たとえば休眠顧客の掘り起こしではRecencyが重要になりやすく、ロイヤル顧客を把握したい場合はFrequency、収益貢献を見る場合はMonetaryも重要です。

最も重要なのはR（最終購入日）

Rは「最後の購入からどれだけ時間が経っているか」を示し、顧客との直近の接点を把握する指標です。一方、FとMは一定期間の購買回数や購入金額を通じて、これまでの購買実績を捉えます。

過去に何度も高額な買い物をしてくれた顧客でも、1年間来店がなければ、その関係はすでに途切れかけています。逆に、購入回数がまだ少なくても直近で購入している顧客は、次の提案に反応する可能性が高い状態にあります。

R＝今の関係性／F・M＝過去の実績

販促の反応率という観点でも、最終購入日からの経過期間は強く影響します。休眠顧客の掘り起こしや再購入促進を目的とする場合は、Rを使って最終購入からの経過期間で対象を分ける方法が有効です。

もう一つ、Rには実務上の利点があります。それは変化が早く現れることです。FとMは購入が積み上がって初めて動く指標ですが、Rは日々変化します。施策を打った翌週には、対象顧客のRが改善したかどうかを確認できます。

FMが高く、Rが低い顧客は再活性化候補

過去の購買頻度や購入金額が高い一方、最終購入から一定期間が経過している顧客は、再来店・再購入施策の対象候補になります。

過去に継続購入した実績があるため、休眠理由や商品特性を確認しながら、再接触する価値があるセグメントです。

ただし、この層が常に最もROIの高い対象とは限りません。施策効果は自社データで検証し、優先順位を決めましょう。

逆にRFM全てが低い顧客は、獲得済みではあるものの長期間購入がなく、購買頻度・金額も低い休眠・低関与顧客層です。ここに販促費を投じても反応は期待しにくく、優先度は下がります。

閾値をどう決めるか

「顧客をランク分けする」と言葉では簡単ですが、実務では「何日以内をRの上位とするか」という具体的な線引きが必要です。

自社の購買サイクルから逆算する

Rの閾値を決める基準は、その商材の標準的な購入間隔です。

化粧品や食品のように月単位で消費される商材と、アパレルのようにシーズンごとに購入される商材、ジュエリーのように数年に一度の商材では、「最近購入した」の意味がまったく異なります。

Rの閾値は、自社顧客の実際の購入間隔をもとに設定します。平均購入間隔や中央値、購入間隔の分布などを確認し、「通常の再購入時期をどの程度過ぎると再購入率が下がるか」を自社データから把握すると、より実態に合った基準を設定できます

顧客数の分布で調整する

もう一つの方法が、顧客数が均等に分かれるように閾値を設定することです。各指標を5段階に分け、それぞれ全体の20%ずつになるよう区切ります。

この方式の利点は、自社の実態に自動的に合うことです。ただし顧客数が少ない段階では偏りが出やすいため、ある程度データが蓄積してから採用するほうが安定します。

分析期間の設定にも注意する

FとMを「いつからいつまで」で集計するかによって、結果は大きく変わります。全期間の累計にすると、古くからの顧客が有利になり、最近増えた優良顧客が過小評価されます。

直近1年間に区切る、あるいは累計と直近の両方を見るといった工夫が必要です。ここを固定せずに毎回変えると、前回との比較ができなくなる点にも注意してください。

▼関連記事：POSデータとは？売上アップにつながる分析手法と活用事例を解説

RFM分析の実施手順

STEP1｜仮説を立てる

分析の前に、何を明らかにしたいのかを言語化します。「DMの費用対効果が落ちているのは、最終購入から期間が空いた顧客まで送っているからではないか」といった仮説です。

仮説がないまま数字を眺めても、どの指標に注目すべきか判断できません。

STEP2｜データを集計する

必要なのは、顧客ID、購入日、購入金額の3項目です。POSシステムやECの受注データから抽出し、顧客ごとに最終購入日・購入回数・累計金額を集計します。

Excelで行う場合は、ピボットテーブルを使うと効率的です。顧客IDを行に置き、購入日の最大値、件数、金額の合計を集計すればRFMの元データが揃います。

STEP3｜スコアを付けて分類する

各指標を3〜5段階に分け、顧客ごとにスコアを割り当てます。IF関数で自動判定させれば、件数が多くても対応できます。

3指標のスコアを組み合わせることで、優良顧客や離反しかけた顧客といったセグメントが浮かび上がります。

STEP4｜施策を実行し、効果を測る

分析した時点では、まだ何も変わっていません。セグメントごとに施策を出し分け、その後の購買行動がどう変化したかを測定してください。

施策の対象者のうち何%が実際に購入したかを数値で把握することで、次の精度が上がります。

セグメント別の施策例

優良顧客（R・F・M すべて高い）

最も大切にすべき層です。特別感のある対応が有効で、新商品の先行案内、限定イベントへの招待、優待価格の提供などが挙げられます。

この層に対しては、新商品の先行案内や限定イベント、優待など、継続利用への感謝や特別感を伝える施策が選択肢になります。値引きだけに依存せず、ブランドや顧客特性に応じて施策を設計しましょう。

安定顧客（F・M 高、R 中）

定期的に購入しているものの、優良顧客まであと一歩という層です。購買頻度や金額が伸びない理由が明確でない場合は、アンケートなどで障害となっている要素を特定することも有効です。

離反しかけた優良顧客（F・M 高、R 低）

前述のとおり、最優先で手を打つべき層です。

久しぶりの案内であることを踏まえ、単なる販促ではなく「お変わりありませんか」という文脈での接触が効果的です。過去の購入商品に関連する提案ができれば、より反応は高まります。

新規顧客（R 高、F・M 低）

最近購入したものの、まだ回数が少ない層です。ここでの目標は2回目の購入につなげることです。

初回購入から2回目までの期間が空くほど、そのまま離脱する確率は上がります。購入直後のフォロー、使い方の案内、次回使えるクーポンなど、間を置かない働きかけが有効です。

離反顧客（R・F・M すべて低い）

多くの解説では「販促コストを削減する対象」とされますが、機械的に切る前に確認すべきことがあります。

一度きりの購入で終わった顧客が大量にいる場合、それは顧客の問題ではなく、商品満足度、価格、購入周期、購入目的、購入後のフォローなど複数の要因を確認する必要があります。この層の比率は、2回目購入を阻害している要因を探るための指標として活用できます。この層の多さは、施策の対象というより自社の課題を映す指標として読むべきです。

RFM分析の弱点と補い方

「何を買ったか」は分からない

RFM分析で分かるのは、いつ・何回・いくら買ったかまでです。どんな商品を好むかという情報は含まれません。

この弱点を補うには、CTB分析（カテゴリ・テイスト・ブランド）など商品の嗜好を捉える手法と組み合わせます。優良顧客を特定したうえで、その人の好みに合った提案ができれば、施策の精度はさらに上がります。

新規顧客が正しく評価されない

入会したばかりの顧客は、必然的にFとMが低くなります。しかしそれは「価値の低い顧客」という意味ではありません。

新規顧客は別枠で扱い、一定期間の実績が出てから評価対象に含めるという運用が必要です。

一度きりの高額購入者を見誤る

引っ越しや冠婚葬祭などで一度だけ高額購入した顧客は、Mが高く出ます。しかし継続的な関係が期待できるとは限りません。

Mだけでなく、Fとあわせて見ることでこの誤判断を避けられます。3指標を組み合わせて見る意味は、ここにもあります。

実店舗でRFM分析を行うための前提

そもそも顧客を識別できているか

ECでは、会員IDや注文者情報などを通じて、実店舗に比べて購買履歴と顧客情報を紐づけやすい特徴があります。会員ログインを利用していれば、同一顧客の購買履歴を継続的に把握しやすくなります。しかし実店舗では、顧客が黙ってレジに来て支払いを済ませて帰ります。この流れのなかに、顧客を識別する工程は存在しません。

つまり実店舗でRFM分析を行うには、その前段として会員化の仕組みが不可欠です。会員証を発行し、会計時に読み取ってもらう運用が定着して初めて、購買履歴が個人に紐づきます。

近年はLINEを活用したデジタル会員証が普及し、顧客はQRコードを読み取るだけで登録できるようになりました。以前より格段に会員化のハードルは下がっています。

チャネルをまたいだ名寄せができているか

自社EC・店舗など、自社で利用可能な顧客情報については名寄せできる状態を整えます。ECモールについては、各プラットフォームの規約と取得可能なデータ範囲に応じて分析設計を行います。この状態でRFM分析を行っても、結果は実態とかけ離れたものになります。

店舗会員IDやECアカウントなど異なるIDを利用していても、同一顧客として名寄せできる状態を整えることが重要です。IDが分断されたままだと、購入回数や購入金額が複数顧客に分散し、RFM分析の結果が実態とずれる可能性があります。

▼関連記事：小売業の顧客管理とは？重要性・課題・施策・成功ステップを解説

RFM分析を小売・リユース業の顧客施策に活かすなら、業種特化型クラウド基幹システムRECOREがおすすめ

RFM分析を活用して顧客の購買状況を把握し、顧客ごとに適した販促やリピート促進、LTV向上につなげたい小売・リユース業の場合は、業種特化型のクラウド基幹システム「RECORE（リコア）」が有力な選択肢となります。

小売・リユース業向けに設計されたクラウド基幹システム「RECORE（リコア）」は、買取・仕入・販売（POS）・EC・在庫管理・顧客管理・KPI分析までを一元管理できるクラウド型のオールインワン基幹システムです。在庫情報は販売や買取、仕入と同時に自動更新され、実店舗とECを横断したリアルタイム管理が可能です。Amazon、楽天市場、Yahoo!ショッピングなど、小売・リユース業界向けの複数ECモールとの連携にも対応しています。

また、今までバラバラに契約していたシステムをRECORE一つに集約することで複雑なデータ連携の必要性も無くなり、ITコストを抑えることが可能です。さらに、コストや時間的制約などのハードルの高さから基幹システムのリプレイスを検討はしていてもためらっていた方でも、RECOREをサテライト基幹システムとして位置付け、RECORE APIで既存の基幹システムと連携し必要な機能だけ導入する、パッケージ型SaaSの枠を超え、既存基幹システムとAPI連携し、必要な機能を部分導入した事例もあります。

店舗・ECを横断して顧客情報や購買履歴を一元管理し、最終購入日・購入頻度・購入金額といったデータをもとに顧客を分析しながら、セグメントに応じたCRM施策やリピート促進、LTV向上につなげたい場合は、業種特化型クラウド基幹システムRECOREの導入を検討することがおすすめです。

まとめ｜まずRで絞り、FMで優先順位をつける

本記事では、RFM分析の基本、3指標の優先順位、閾値の決め方、セグメント別の施策、弱点と補い方、そして実店舗で行うための前提を解説しました。

RFM分析を実務で活かすうえで重要なのは、3つの指標を機械的にスコア化するだけでなく、自社の目的や購買サイクルに合わせて解釈することです。

たとえば休眠顧客の掘り起こしではRecency、ロイヤル顧客の把握ではFrequency、収益貢献ではMonetaryが重要になります。なかでも、過去の購買頻度・金額は高い一方、最終購入から一定期間が経過している顧客は、再活性化施策の対象候補として確認する価値があります。

まずは自社顧客の購入間隔やR・F・Mの分布を確認し、自社に合った閾値とセグメントを設計するところから始めてみてください。