RFM分析の進め方｜顧客をセグメント分けして施策に活かす実践テクニック
著者: 与謝秀作
「顧客データはあるが、どう活用すればよいかわからない」——多くのマーケティング担当者が抱えるこの悩みに対して、最も実践的な解を提供するのがRFM分析です。RFM分析は、顧客をRecency（最終購入日）・Frequency（購入頻度）・Monetary（購入金額）の3軸で評価し、セグメントに分けるフレームワークです。シンプルな指標の組み合わせでありながら、顧客の行動パターンを的確に捉え、「誰に」「何を」「いつ」アプローチすべきかを明確にできる点が強みです。
しかし、RFM分析を行ったものの「セグメントを分けたところで止まってしまった」という声も少なくありません。分析結果を施策に落とし込めなければ、分析は単なるデータ整理に終わります。本記事では、RFM分析の基本的な進め方から、各セグメントに対する具体的な施策設計、そして運用を継続するためのポイントまで、実務で使えるレベルで解説します。
RFM分析とは、顧客の購買行動を3つの指標で評価し、顧客をグループ分け（セグメンテーション）する分析手法です。Recency（リセンシー）は最終購入日からの経過日数、Frequency（フリークエンシー）は一定期間における購入回数、Monetary（マネタリー）は一定期間における累計購入金額を指します。
この3つの指標がなぜ重要かというと、顧客の「現在の関心度」「ロイヤルティ」「経済的貢献度」をそれぞれ端的に表すからです。Recencyが高い（最近購入した）顧客は自社への関心がまだ高い状態にあり、Frequencyが高い顧客は繰り返し利用するロイヤルカスタマーであり、Monetaryが高い顧客は売上への貢献度が大きい上顧客です。この3軸を掛け合わせることで、顧客ごとの「状態」を立体的に把握できます。
RFM分析はもともとダイレクトマーケティングの領域で発展した手法であり、特にリピート購入が発生するビジネスモデルとの相性が優れています。ECサイト、定期通販（サブスクリプション）、リアル店舗を持つ小売業、BtoBの継続取引型ビジネスなどが代表的です。一方、住宅や自動車のように購入頻度が極めて低い高額商材では、Frequency指標の意味が薄れるため、そのまま適用するには工夫が必要です。BtoB SaaSのように月額課金型のビジネスでは、Monetaryを月額利用料の累計、Frequencyをログイン頻度や機能利用回数に置き換えるといったアレンジが有効です。
顧客をセグメント分けする手法は他にもあります。デシル分析は購入金額の上位から10等分する手法で、売上貢献度の偏りを把握するのに適していますが、購入の「いつ」「どれくらいの頻度で」という時間軸の情報が欠けています。コホート分析は初回購入時期で顧客をグループ化し、時間経過に伴う行動変化を追う手法で、リテンション率の推移を把握するのに優れています。クラスター分析は統計的手法で似た顧客をグループ化する手法ですが、分析の設計と解釈に専門知識が求められます。
RFM分析の強みは、3つの直感的な指標だけで顧客の状態を多面的に把握でき、分析結果をそのまま施策に結びつけやすい点にあります。専門的な統計知識がなくても実施でき、かつ実務上のアクションに直結する実用性の高さが、RFM分析が広く使われている理由です。
RFM分析に必要なデータは、顧客ID、購入日、購入金額の3つです。ECサイトの注文データ、POSデータ、CRMに蓄積された取引履歴などから抽出できます。データを準備する際の注意点として、まず分析対象期間を決めます。一般的には直近1〜2年間のデータを使用しますが、商材の購買サイクルによって適切な期間は異なります。日用品であれば6ヶ月〜1年、BtoBの継続取引であれば1〜3年程度が目安です。
また、返品やキャンセルされた注文、テスト注文、社内購入などのノイズデータは事前に除外しておきます。BtoBであれば、同一企業の異なる担当者からの注文を企業単位で名寄せする処理も必要です。データの品質がRFM分析の精度を決めるため、この準備段階は手を抜かずに取り組みましょう。
データが準備できたら、顧客ごとにR・F・Mの各指標を算出します。Recencyは、各顧客の最終購入日から分析基準日（通常は本日）までの経過日数です。経過日数が短いほどRecencyが「高い」と評価します。Frequencyは、分析対象期間における各顧客の購入回数です。回数が多いほどFrequencyが「高い」と評価します。Monetaryは、分析対象期間における各顧客の購入金額の合計です。金額が大きいほどMonetaryが「高い」と評価します。
たとえば、顧客Aが最終購入日が10日前、過去1年間に8回購入、累計購入額が50万円であれば、R＝10日、F＝8回、M＝50万円となります。顧客Bが最終購入日が180日前、過去1年間に2回購入、累計購入額が5万円であれば、R＝180日、F＝2回、M＝5万円です。この時点で、顧客Aはアクティブな上顧客、顧客Bは離脱リスクのある低貢献顧客であることが直感的にわかります。
算出した各指標の数値を、そのまま使うと管理が煩雑になるため、ランク（スコア）に変換します。最もシンプルな方法は、各指標を5段階（1〜5）にランク分けする方法です。ランク分けの閾値の決め方には、均等分割（各ランクの顧客数が均等になるように分割）と任意分割（ビジネスの実態に合わせて閾値を設定）の2つがあります。
たとえばRecencyのランク分けを、R5＝0〜30日以内、R4＝31〜90日以内、R3＝91〜180日以内、R2＝181〜365日以内、R1＝366日以上のように設定します。同様にFrequencyはF5＝10回以上、F4＝7〜9回、F3＝4〜6回、F2＝2〜3回、F1＝1回のように、MonetaryはM5＝50万円以上、M4＝20〜49万円、M3＝10〜19万円、M2＝3〜9万円、M1＝3万円未満のように設定します。閾値は自社の購買データの分布を確認しながら、各ランクに偏りが出すぎないよう調整するのがポイントです。
なお、初めてRFM分析を行う場合は3段階（高・中・低）から始めるのも現実的です。セグメント数は5段階なら最大125通り（5×5×5）、3段階なら最大27通り（3×3×3）になります。セグメント数が多すぎると施策の設計が複雑化するため、実務上は3〜5段階がバランスのよい選択です。
R・F・Mの各ランクを組み合わせて、顧客をセグメントに分類します。ただし、125通りのセグメントをすべて個別に管理するのは現実的ではありません。実務では、RFMのスコアパターンを意味のあるグループにまとめて名前をつけます。代表的なセグメントの分類例を紹介します。
「優良顧客（VIP）」はR・F・Mすべてが高い顧客です。最近も購入しており、頻繁に利用し、累計金額も大きい最も重要な顧客層です。「優良顧客予備軍」はRとFが高いがMがまだ中程度の顧客で、購入単価の引き上げ余地がある層です。「新規顧客」はRが高いがFとMが低い顧客で、初回購入したばかりの層です。「安定顧客」はRが中程度でFとMが中〜高の顧客で、定期的に購入してくれている層です。「離反リスク顧客」はRが低いがFとMが中〜高の顧客で、かつては優良だったが最近購入がない層です。「休眠顧客」はR・F・Mすべてが低い顧客で、長期間購入がなく接点も薄い層です。
各セグメントに名前をつけることで、チーム内での共通言語が生まれ、「優良顧客向けの施策」「離反リスク顧客への対応」といった形で施策を議論しやすくなります。セグメントの数は6〜10程度に収めると、施策の設計と運用がしやすくなります。
セグメント分けが完了したら、各セグメントの顧客数・売上構成比を集計します。この集計によって「自社の売上はどのセグメントに依存しているか」「どのセグメントに成長余地があるか」が可視化されます。たとえば、優良顧客が全顧客の5%で売上の40%を占めている場合、この層の維持が最優先課題であることが一目でわかります。逆に離反リスク顧客が全顧客の20%で、かつての売上貢献が大きかった場合、この層の再活性化が大きなインパクトをもたらす可能性があります。
この構成比の把握が、次のステップである施策設計の土台になります。セグメントごとの顧客数と売上を一覧表にまとめ、定期的に更新できる状態にしておきましょう。
優良顧客は、R・F・Mのすべてが高く、自社の売上を支える最も重要な層です。このセグメントへの施策の目的は「関係の維持・深化」と「LTV（顧客生涯価値）の最大化」です。新規獲得コストの5〜7倍のコストが既存顧客の維持にかかるという議論はありますが、優良顧客1人の離反が新規顧客数十人分の売上損失に相当するケースは珍しくなく、維持への投資は合理的です。
具体的な施策としては、まず特別待遇の提供があります。ロイヤルティプログラムの上位ステージ、先行セールへの招待、限定商品へのアクセス権、専任のカスタマーサクセス担当のアサインなど、「自分は特別扱いされている」と感じてもらえる体験を設計します。次に、クロスセル・アップセルの提案です。優良顧客は自社への信頼が高いため、関連商品や上位プランの提案が受け入れられやすい傾向があります。購買履歴を分析し、まだ購入していないカテゴリの商品をパーソナライズして提案します。さらに、フィードバックの収集も重要です。優良顧客は自社のプロダクトに深い理解を持っているため、新商品の開発やサービス改善のヒントを提供してくれます。定期的なアンケートやインタビューの機会を設けましょう。
優良顧客予備軍は、RとFは高いがMが中程度の顧客です。購入頻度は十分だが1回あたりの購入金額が伸びていない層なので、施策の目的は「購入単価の引き上げ」です。このセグメントは行動のパターンとして優良顧客に近く、適切なアプローチでVIPに成長する可能性が高い層です。
具体的な施策としては、まとめ買い割引やセット商品の提案が効果的です。「3点以上の購入で10%OFF」のようなインセンティブを設けることで、1回あたりの購入金額を自然に引き上げられます。また、ワンランク上の商品の提案（アップセル）も有効です。普段購入している商品の上位版やプレミアムラインを、「あなたへのおすすめ」としてパーソナライズして提案します。送料無料ラインの設定（「あと○○円で送料無料」の表示）も、客単価を引き上げるシンプルかつ効果的な手法です。
新規顧客は、Rが高いがFとMが低い顧客です。初回購入したばかりの層であり、施策の目的は「2回目の購入を促す」ことです。多くのビジネスにおいて、初回購入から2回目の購入への転換率が最も低く、ここを乗り越えられるかどうかが顧客の定着を左右します。
具体的な施策としては、購入直後のフォローアップメールが効果的です。商品の使い方や活用方法を紹介するコンテンツを送ることで、購入体験の満足度を高め、再購入の動機を作ります。2回目の購入を促すインセンティブ（次回使えるクーポン、2回目購入限定のプレゼントなど）の付与も定番の手法です。タイミングは商材によって異なりますが、初回購入から7〜14日以内が一般的な目安です。消耗品であれば、消費サイクルに合わせたリマインドメールの送信も有効です。「そろそろなくなりませんか？」というタイミングでの接触は、押しつけ感なく再購入を促せます。
安定顧客は、Rが中程度でFとMが中〜高の顧客です。定期的に購入してくれている「地味だが確実」な層であり、施策の目的は「現在のエンゲージメントの維持」と「離反リスク顧客への移行の防止」です。安定顧客は急激な変化が少ないためマーケティング施策の優先順位が下がりがちですが、この層の維持が売上の安定性を支えています。
具体的な施策としては、定期的な情報提供が基本です。新商品の情報、活用事例、業界のトレンド情報など、購買を直接促すのではなく「この企業とつながっていることに価値がある」と感じてもらえるコンテンツを継続的に提供します。ポイントプログラムやランクアップ制度も、安定顧客のエンゲージメントを維持するのに効果的です。「あと○回の購入でゴールドランクに昇格」といったゲーミフィケーション要素が、次の購入への動機づけになります。また、購入頻度が下がり始めた兆候を検知する仕組み（たとえば、平均購買間隔の1.5倍を超えたらアラートを出す）を設け、離反リスク顧客に移行する前にフォローすることも重要です。
離反リスク顧客は、Rが低い（最近購入がない）がFとMが中〜高の顧客です。かつては優良顧客だったが最近購入がない層であり、施策の目的は「関係の回復」と「再購入の促進」です。この層は過去に自社に大きな貢献をしてくれた顧客なので、再活性化に成功すれば売上へのインパクトが大きく、費用対効果の高い施策になり得ます。
具体的な施策としては、まず「お久しぶりです」のパーソナライズメールが出発点です。前回購入した商品の新バージョンや関連商品を紹介し、「あなたのことを覚えています」というメッセージを伝えます。再購入を促すインセンティブ（特別割引クーポン、送料無料オファー）の提供も有効ですが、通常のクーポンよりも割引率を高めに設定することで、再購入の心理的ハードルを下げます。アンケートによる離反理由の把握も重要です。「最近ご利用いただけていませんが、何かお困りのことはありませんか？」というアプローチで、離反の理由を探ります。商品やサービスに不満があったのか、単に忘れていたのか、競合に乗り換えたのかによって、取るべき対応が異なります。
休眠顧客は、R・F・Mすべてが低い顧客です。長期間購入がなく、もともとの購入頻度・金額も低い層です。施策の目的は「低コストでの再接触」ですが、投資対効果を冷静に見極める必要があります。休眠顧客全員に手厚い施策を打つのはコスト効率が悪いため、再活性化の可能性が相対的に高い層（たとえばFがある程度高い休眠顧客）に絞ってアプローチするのが合理的です。
具体的な施策としては、低コストのメール配信が中心になります。大幅な割引オファーや「最後のご案内」といった緊急性のあるメッセージで反応を見ます。一定期間（たとえば3回のメール配信）反応がない場合は、メールリストからの除外を検討します。配信リストを定期的に整理することで、メール配信の到達率を維持し、配信コストの最適化にもつながります。休眠顧客への過度な投資は避け、その分のリソースを優良顧客の維持や新規顧客の育成に振り向けるのが、全体最適の視点で合理的な判断です。
RFM分析の精度を左右するのは、ランク分けの閾値設定です。閾値を適当に決めてしまうと、特定のランクに顧客が偏り、セグメントとして意味をなさなくなります。まず、R・F・Mそれぞれのデータ分布をヒストグラムで確認しましょう。多くの場合、Frequencyは1〜2回に集中し、Monetaryは少額に偏るロングテール型の分布になります。この偏りを踏まえて閾値を設定することが、意味のあるセグメント分けにつながります。
均等分割（各ランクの人数を均等にする方法）は客観性が高い一方、ビジネス上の意味と合わない閾値になることがあります。たとえば、直近30日以内の購入者と31日前の購入者が同じランクに入ってしまうケースです。理想的には、ビジネスの実態を反映した任意分割をベースにしつつ、各ランクの人数が極端に偏りすぎていないかを確認するアプローチが推奨されます。
RFM分析では、3つの指標を等しく扱うのが基本ですが、ビジネスモデルによっては特定の指標に重みをつけるほうが実態に合う場合があります。たとえば、ECサイトではRecencyの重要度が高い傾向にあります。最近購入した顧客のほうがメールの開封率やクリック率が圧倒的に高いため、Rのスコアを重視してセグメントを設計すると、施策の反応率が向上しやすいです。
一方、BtoB取引ではMonetaryの重要度が高くなるケースがあります。取引金額の大きい顧客は、取引回数が少なくても重要なアカウントであるため、Mのスコアを重視する設計が合理的です。SaaSビジネスではFrequencyに相当するログイン頻度や機能利用頻度がチャーン（解約）の先行指標になるため、Fの重みを高めることでリスクの早期検知が可能になります。重み付けの方法としては、合計スコアを算出する際にR×2+F×1+M×1のように係数をかける方法がシンプルです。
RFM分析は一度実施して終わりではなく、定期的に更新して顧客の状態変化を追う必要があります。更新頻度は、購買サイクルに合わせて設定します。ECサイトや日用品であれば月次、BtoB取引であれば四半期ごとが一般的な目安です。更新の際には、前回の分析結果と比較して「どのセグメントの顧客数が増減したか」「優良顧客から離反リスク顧客に移行した顧客は何人いるか」を確認します。セグメント間の移動パターンを把握することで、施策の効果測定にも活用できます。たとえば、新規顧客向けのフォローアップ施策を実施した後に、新規顧客から安定顧客への移行率が向上していれば、施策が効果を発揮していると判断できます。
RFM分析は購買データに基づく手法であるため、購買以外の顧客行動を反映できません。たとえば、サイトを頻繁に閲覧しているがまだ購入していない見込み顧客、SNSでブランドについて発信してくれているアドボケイト（推奨者）、カスタマーサポートに頻繁に問い合わせている不満顧客などは、RFMのスコアだけでは適切に把握できません。これらの情報を補完するために、Webサイトの行動データ（閲覧履歴、滞在時間）、NPS（Net Promoter Score）、カスタマーサポートへの問い合わせ履歴などを組み合わせると、顧客理解の精度が高まります。
RFM分析の結果をスナップショット（ある時点の状態）としてのみ見ると、顧客の動態を見落とします。たとえば、あるセグメントの顧客数が前月と変わらなくても、内部では優良顧客から離反リスク顧客への移行と、新規顧客から安定顧客への成長が同時に起きている可能性があります。前回分析時のセグメントと今回のセグメントを突き合わせて、セグメント間の遷移を追うことで、顧客の「流れ」が見えるようになります。この遷移分析を行うことで、「優良顧客がどのくらいの速度で離反しているか」「新規顧客が安定顧客に育つ割合はどの程度か」といった重要な問いに答えられるようになります。
RFM分析で最もよくある失敗は、「きれいなセグメント表を作ったが、施策に結びつかなかった」というケースです。この原因は、分析と施策の設計を別々のプロセスとして進めてしまうことにあります。分析の段階から「このセグメントにはどんな施策を打てるか」を意識し、実行可能性を考慮したセグメント設計を行うことが重要です。
また、セグメントを細かくしすぎると、各セグメントに対する施策を設計・実行するリソースが足りなくなります。最初は3〜5つの大まかなセグメントから始め、各セグメントへの施策を実際に回してみてから、必要に応じてセグメントを細分化していくアプローチが現実的です。
RFM分析をスプレッドシートで手動運用することも可能ですが、顧客数が数千〜数万規模になると集計作業が煩雑になり、更新頻度を維持するのが難しくなります。CRMやMAツールにはRFM分析機能が標準で備わっているものが多く、購買データと連携させることで自動的にセグメントを更新し、セグメントに応じたメール配信やクーポン発行を自動化できます。
より高度な活用を目指す場合は、RFM分析の結果を予算管理やKPI管理と連動させることで、セグメント別のマーケティング投資対効果を可視化できます。たとえば、離反リスク顧客向けの再活性化キャンペーンにいくら投資し、何人が再購入に至り、どれだけの売上を回復できたかを追跡する仕組みです。予算管理・KPI管理・顧客分析を一元的に管理できるマーケティング管理プラットフォームを活用すれば、RFM分析の結果をリアルタイムで施策のPDCAに反映し、データドリブンな顧客マーケティングが実現します。
RFM分析は、顧客の購買行動をRecency・Frequency・Monetaryの3軸で評価し、セグメントに分けるシンプルかつ実用的な分析手法です。本記事のポイントを振り返ります。
RFM分析は顧客ID・購入日・購入金額の3つのデータがあれば実施可能で、特別な統計知識を必要としません。分析の進め方は、データ準備→指標算出→ランク分け→セグメント分類→構成比把握の5ステップです。セグメントには名前をつけ、6〜10程度にまとめると施策設計がしやすくなります。各セグメントに対する施策の方向性は明確です。優良顧客には関係深化とLTV最大化、新規顧客には2回目購入の促進、離反リスク顧客には再活性化、休眠顧客には低コストでの再接触を図ります。ランク分けの閾値はデータ分布を確認してから設定し、ビジネスモデルに応じてR・F・Mの重み付けを調整することで精度が高まります。RFM分析は定期的に更新し、セグメント間の遷移を追うことで、施策の効果測定にも活用できます。
RFM分析の最大の価値は、分析結果がそのまま施策に直結する点にあります。まずは自社の購買データを使って3段階のシンプルなRFM分析から始め、最も売上インパクトの大きいセグメントへの施策から着手してみてください。分析と施策をつなげる経験を積むことが、データドリブンな顧客マーケティングへの第一歩になります。
CVR（コンバージョン率）の意味・計算方法から業界別の平均値、CVRが低い原因と改善施策まで網羅的に解説。LP最適化・フォーム改善・広告運用・ファネル設計など、CVRを高めるための実践的なノウハウをマーケティング担当者向けにまとめました。
原価計算の基本をマーケティング視点で解説。CPA（顧客獲得単価）・CPO（受注単価）の正しい計算方法から、LTVとの関係による投資判断、チャネル別の原価比較まで、マーケターが押さえるべき原価計算の実務知識を体系的にまとめました。
配賦の意味・目的から代表的な配賦基準（売上高・人員数・面積・工数）の計算例、マーケティングコストの部門配賦における実務ポイントまでを体系的に解説。間接費の配分ルール設計に悩むマーケティング担当者・経営企画向けの実践ガイドです。
