RFM分析とは？｜購買データから重要顧客を数値で見分ける手法

RFM分析とは何か——3つの指標で顧客を並べ替える

優良顧客という言葉は、多くの現場でなんとなくの印象で使われています。よく名前を聞く顧客、最近対応した顧客、声の大きい顧客が優良だと思われがちですが、それは本当に売上への貢献度と一致しているでしょうか。

RFM分析は、このなんとなくの印象を数値に置き換えるための古典的な手法です。Recency（直近購買日）・Frequency（購買頻度）・Monetary（購買金額）という3つの指標だけで顧客を並べ替え、機械的にセグメント（グループ）へ分類します。

もともとはカタログ通販やダイレクトメール業界で使われてきた手法です。Google Cloudのブログ記事でも、直近の購買日・購買回数・購買金額から価値の高い顧客（High-Value Customers）を見分ける代表的な手法として紹介されています。

仕組みが単純なぶん、統計や機械学習の専門知識がなくても、表計算ソフトと購買データさえあれば今日から始められます。新しい指標を一つ導入するというより、すでに持っているデータの並べ方を変えるだけという手軽さが、この手法が何十年も生き残ってきた理由です。

この記事では、RFMの3指標の意味と計算の考え方、セグメントごとの打ち手、SaaS事業への読み替え方、そして万能ではない部分までを順に見ていきます。

Recency・Frequency・Monetaryという3つのものさし

3つの指標はそれぞれ違う角度から顧客との関係の強さを測っています。どれか1つだけを見ていると、顧客の実像を簡単に見誤ります。

必ず3つを組み合わせて使うのが前提です。以下、それぞれが何を教えてくれるのかを順に見ていきます。

Recency（直近購買日）——まだ関心があるかを測る

Recencyは、その顧客が最後に購入してから何日、あるいは何ヶ月経ったかを表す指標です。直近に買った顧客ほど、今すぐの再購入やアップセルに反応しやすいというのが基本の前提になります。

逆に、過去に大きな金額を使っていても、直近の購買が半年前・1年前となると、関心はすでに離れている可能性が高いと考えられます。人間関係と同じで、連絡が途絶えた相手への熱量は時間とともに下がっていくと考えると理解しやすいでしょう。

Frequency（購買頻度）——習慣になっているかを測る

Frequencyは、一定期間内に何回購入したかを表す指標です。1回だけ大きな買い物をした顧客と、少額でも継続的に購入している顧客とでは、事業にとっての意味がまったく異なります。

頻度が高い顧客は、その商品やサービスが生活や業務の一部として定着しているサインであり、一般に離脱しにくい傾向があります。1回きりの購入は、たまたまのきっかけで終わってしまう可能性を常に含んでいます。

Monetary（購買金額）——どれだけ稼いでくれているかを測る

Monetaryは、一定期間の購買金額の合計です。単価の高い商品を1回買った顧客と、安価な商品を何度も買った顧客が、同じ合計金額になることもあります。

金額だけを見て上位顧客と判断すると、たまたま高額商品を1回買っただけの顧客を過大評価してしまいます。必ずFrequencyとセットで解釈する必要があります。

3つの指標のどれを重視するかは、事業モデルによっても変わります。単価が安く購入頻度が命綱になるサブスクリプション型の事業ではFrequencyの重みが増しますし、単価が高く購入回数自体が少ない高額商材ではMonetaryとRecencyの2つで判断せざるを得ない場面も出てきます。

自社のビジネスモデルに照らして、どの指標が顧客の実態を表すのかを先に決めておくことが、後の分析のぶれを防ぎます。

スコアをつけて顧客を並べ替える

3つの指標は単位も桁もばらばらなので、そのままでは比較できません。そこで実務では、各指標を同じ物差しに変換してから組み合わせます。

5分位スコアリングという考え方

もっとも広く使われるのが、各指標で顧客を5等分し、1から5のスコアを振る方法です。Recencyであれば直近購買日が新しい上位20%に5点、下位20%に1点を与えます。

Frequency・Monetaryも同じ考え方で、多い順に5点から1点まで振り分けます。こうして各顧客はR・F・Mそれぞれに1から5のスコアを持ちます。

たとえば「R5F5M5」であれば3指標すべてで最上位、「R1F1M1」であれば3指標すべてで最下位というように、3桁の数字ひとつで顧客像を要約できます。

仮の数値例で計算してみる

数値のイメージをつかむために、架空のデータで計算してみます。以下の数値はあくまで説明用の仮定であり、実データではありません。

顧客A: 直近購買 5日前 / 過去90日で8回購入 / 過去90日の合計 42,000円
顧客B: 直近購買 60日前 / 過去90日で1回購入 / 過去90日の合計 38,000円
顧客C: 直近購買 3日前 / 過去90日で1回購入 / 過去90日の合計 2,500円

仮に上位20%を5点、下位20%を1点とする5分位スコアで採点すると
顧客A: R=5, F=5, M=5 → 今も買い続けていて、頻度も金額も高い中核顧客
顧客B: R=2, F=1, M=4 → かつては高単価だったが、最近は離れている離反予備軍
顧客C: R=5, F=1, M=1 → 最近来たばかりの新規・低単価で、育成対象

顧客Aと顧客Bは合計購買金額がほぼ同じですが、RとFを見ると事業にとっての意味はまったく違います。金額だけを見ていたら、この2人を同じ優良顧客として扱ってしまうところでした。

これがRFM分析の一番の効能です。単一の指標では見えない違いを、3つの軸を掛け合わせることで浮かび上がらせます。

主要なセグメントとその打ち手

R・F・Mのスコアの組み合わせから、顧客をいくつかの典型的なグループに分類できます。すべての組み合わせを個別に扱うのは現実的ではないため、多くの現場では次のような代表的なセグメントに集約します。

この表が示しているのは優劣の順位ではなく、同じ扱いをしてはいけない相手の見分け方です。 全顧客に同じメールを同じ頻度で送ったり、同じ営業リソースを均等に配分したりするのは、実は多くの事業でもっとも非効率なやり方です。

RFMのセグメントは、限られた時間・予算・人手をどこに厚く配分するかを決めるための、シンプルな地図として機能します。

多くの現場でよく観察されるのは、まず休眠・低優先セグメントへの過剰な投資をやめ、そこで浮いた予算を離反リスクセグメントの引き戻し施策に回すという型です。すでに関係が切れかけている相手を新規に近い扱いで放置し、逆にすでに関係が切れてしまった相手にコストをかけ続けているケースは珍しくありません。

RFMで並べ替えるだけで、この配分のねじれに気づけること自体が、最初の一歩としての価値になります。

SaaS・サブスクリプション事業での読み替え

RFMはもともと1回ごとの購入があるEC・通販向けの発想ですが、月額課金のSaaSでもそのまま応用できます。ポイントは、購買に相当する行動を何に置き換えるかです。

ECの購買を何に置き換えるか

SaaSでは、決済そのものは月1回自動更新されるだけで、顧客の温度感をあまり反映しません。そこで実務では、Recencyには直近のログイン日やコア機能を使った日を、Frequencyには月あたりのログイン日数や主要機能の利用回数を、Monetaryには契約金額（ARR）や有償アドオンの利用額を当てはめます。

つまりRFMの骨格は保ったまま、中身を購買データから利用ログに差し替えるイメージです。

仮想データでのスコアリング例

ここでも架空の数値で考えてみます。説明のための仮定であり、実データではありません。

顧客D（月額5万円プラン）: 直近ログイン 1日前 / 週4日ログイン / コア機能を毎週利用
顧客E（月額20万円プラン）: 直近ログイン 40日前 / 直近1ヶ月ログイン0日 / 契約は最上位プラン

顧客Dは契約金額こそ小さいが、R・Fともに高く、定着している中核顧客に近い
顧客Eは契約金額（Monetary）は大きいものの、Recency・Frequencyが著しく低く
実質的にはほぼ使われていない、解約リスクの高い顧客と読める

契約金額の大きさだけを見ていると、顧客Eのような大口だが使われていない顧客を見落とします。RFMの視点を持ち込むと、金額の大小と利用の実態がずれている顧客を早期に見つけられます。

LTVやヘルススコアとの関係

RFMのFrequency・Recencyは、カスタマーヘルススコアが捉えようとしている解約の兆候と重なる部分が多くあります。ヘルススコアが利用ログ全体から総合的な健康状態を算出するのに対し、RFMは3つの指標だけに絞って手早く顧客を並べ替えるための簡易版と位置づけると理解しやすいでしょう。

どちらも最終的には、将来の売上をどれだけ生み続けてくれるかという意味でのLTV（顧客生涯価値）を、過去の行動データから推し量ろうとしている点は共通しています。

両者を対立させて選ぶ必要はありません。まずRFMで大まかに当たりをつけ、重要な顧客層に絞ってヘルススコアで深掘りするという使い分けもできます。

RFM分析の限界と注意点

シンプルさはRFMの最大の長所ですが、同時に限界の裏返しでもあります。使う前に、何を教えてくれて何を教えてくれない手法なのかを理解しておく必要があります。

なぜ買わないかは分からない

RFMのスコアは何が起きたかを要約するだけで、なぜそうなったかには一切答えません。離反リスクのセグメントに分類された顧客が、価格に不満なのか、競合に乗り換えたのか、単に多忙で後回しになっているだけなのかは、スコアの数字だけからは判別できません。

一時的な要因でスコアが歪む

長期休暇や決算期など、業種によっては季節要因で購買が一時的に止まることがあります。それを見ずに機械的にセグメント分けすると、実際には離反していない顧客を離反リスクに誤分類してしまうことがあります。

集計期間の取り方や、業種特有の周期をあらかじめ考慮しておく必要があります。

顧客層をまたいだ比較は歪みやすい

エンタープライズ向けと個人向けを同じ事業で扱っている場合、契約規模の桁が大きく異なるため、Monetaryのスコアはほぼエンタープライズ顧客が独占してしまいます。

属性の異なる顧客層を1つのRFMスコアで比べるのではなく、層ごとに分けて分位点を計算する方が、実態に近いセグメントが得られます。

定量と定性を組み合わせる

RFMで誰に注目すべきかの当たりをつけたら、その先は個別に確認する作業が欠かせません。離反リスクに分類された顧客に実際に話を聞いたり、行動ログを1件ずつ追ったりすることで、はじめてスコアの裏にある理由が見えてきます。

定量と定性を往復するユーザー調査の考え方は、RFMの後工程としてそのまま当てはまります。

実務での始め方——小さく始めて、施策につなげる

RFM分析は、専用のツールがなくても、既存のデータから始められる手軽さが魅力です。最後に、実務での取り組み方を整理します。

まず、いきなり全社的な仕組みを作ろうとせず、手元にある購買データや利用ログのCSVを使って簡易的にスコアを出してみることをおすすめします。表計算ソフトの分位点（パーセンタイル）を求める関数を使えば、数百から数千行程度のデータであれば十分に計算できます。

完璧なシステムを待つより、まず自分の目で顧客の分布を見てみることに価値があります。

次に大切なのは、セグメントを作って終わりにしないことです。中核顧客には特別な接点を、離反リスクには再接触の施策を、というように、セグメントごとに違うアクションを用意してはじめて意味を持ちます。

同じメールを全員に送るだけであれば、そもそもRFMで分ける意味がありません。また、一度スコアを出して終わりにせず、月次や週次など決まった間隔で計算し直すことも忘れてはいけません。

顧客は日々セグメント間を移動していきます。1回きりの分析結果を半年後まで使い続けると、実態とのずれがどんどん広がっていきます。

施策を打った後の効果測定にも、RFM単体ではなく他の分析と組み合わせるのが有効です。再接触施策が実際にどこで効いたか、どのページやどのステップで反応が変わったかを見るにはファネル分析が役立ちます。

特定の1人の顧客がスコアを変える前後でどう行動が変わったかを追うにはN1分析が向いています。RFMは誰に注目するかを決める入口であり、その先の何が効いたかは別の道具で確かめる、という役割分担を意識すると使いやすくなります。

難しい統計知識がなくても今日から試せる一方、なぜを教えてくれない・季節要因で歪むという限界も併せ持つのがRFM分析です。金額の大小だけで顧客を評価しがちな現場ほど、RとFという別の軸を持ち込む価値は大きいはずです。

まずは自分の事業のデータで、RとFとMがそれぞれどんな分布になっているかを覗いてみることから始めてみてください。