03-6441-0989
Yuki Ueda 
RFM分析を顧客セグメンテーションに使う前に押さえるべき本質
RFM分析は、Recency（最終購買日）、Frequency（購買頻度）、Monetary（購買金額）の3つの指標で顧客を分類する手法です。筆者がこれまで200社以上の実務支援で目にしてきたのは、RFM分析を導入したものの期待した成果が出ない企業の姿でした。分析自体は正しく実施できているのに、セグメント設計の段階で致命的なミスを犯しているケースが後を絶ちません。
RFM分析は1960年代に通信販売業界で生まれ、顧客の購買行動を3つの時間軸で捉える優れたフレームワークです。しかし単純に3つの指標でスコアを付けて顧客を分類すれば良いわけではありません。事業特性、商品カテゴリー、購買サイクルによって最適な設計は大きく変わります。
本記事では、RFM分析を顧客セグメンテーションに活用する際に実務者が陥りやすい5つの落とし穴と、失敗しないための具体的な設計ステップを解説します。
RFM分析の3指標が持つ顧客理解への意味
RFM分析の各指標は、顧客の購買行動における異なる側面を捉えています。Recencyは顧客との関係の鮮度を表し、最近購入した顧客ほど次の購買につながりやすい傾向があります。Frequencyは顧客のブランドロイヤルティや習慣性を示し、繰り返し購入する顧客は離反率が低いという特徴を持ちます。Monetaryは顧客の経済的価値を測る指標で、高額購入者は利益貢献度が高い一方、価格感応度も異なります。
筆者が化粧品メーカーの分析を支援した際、Frequencyが高くてもMonetaryが低い顧客群が存在しました。詳しく調べると、サンプルや低価格商品ばかりを購入するユーザーで、本商品への移行率は3割未満でした。一方、Frequencyは低いがMonetaryが高い顧客は、ギフト需要や特定の高額ラインのみを購入する層でした。このように3指標の組み合わせは、顧客の購買動機や商品との関係性を多面的に浮かび上がらせます。
ただし3指標を独立して見るだけでは不十分です。RecencyとFrequencyの組み合わせは顧客の購買サイクルと関係の深さを示し、FrequencyとMonetaryの組み合わせは顧客の購買戦略を表します。3指標の相互作用を理解することが、実務で使えるセグメント設計の第一歩になります。
落とし穴1：業界標準のスコア区分をそのまま適用する誤解
RFM分析の実務で最も多い失敗は、書籍やWebで紹介されている5段階評価や10段階評価をそのまま自社に適用することです。筆者が見てきた失敗事例の7割が、この区分設定の誤りに起因していました。
あるECサイト運営企業では、Recencyを「30日以内=5点、60日以内=4点」と機械的に区切っていました。しかし同社の商品は季節性が強く、購買サイクルが3ヶ月単位でした。この区分では大半の優良顧客が低スコアに分類され、施策の優先順位が完全に狂っていました。
適切な区分を設定するには、自社の購買データの分布を先に確認する必要があります。Recencyなら購買間隔の中央値やパーセンタイルを基準にし、Frequencyなら購買回数の分布を見て自然な区切りを見つけます。Monetaryも同様に、金額の分布状況から実態に即した区分を決めます。
食品通販企業の事例では、購買間隔の25パーセンタイル、50パーセンタイル、75パーセンタイルを境界にRecencyを4段階に分け、自社の購買サイクルに合わせた設計にしました。結果、セグメント別の反応率が従来の1.8倍に向上しました。
落とし穴2：3指標を均等に扱う配点設計の罠
RFM分析でよく見られるのが、3つの指標に同じ重みづけをする設計です。しかし事業によって重要な指標は異なります。筆者の経験では、この配点ミスが原因でセグメントの予測精度が半減しているケースを何度も見てきました。
サブスクリプション型ビジネスでは、RecencyとFrequencyが極めて重要です。月額課金モデルでは、Monetaryは比較的均一で差別化要因になりにくい一方、継続期間と利用頻度が顧客価値を決定します。筆者が支援したオンライン学習サービスでは、Recency40%、Frequency40%、Monetary20%の配分に変更した結果、解約予測の精度が32ポイント向上しました。
逆に高額商材を扱うBtoB企業では、Monetaryの重要度が高まります。購買頻度が年に数回しかない業界では、Frequencyだけで顧客を評価すると誤った判断につながります。ある産業機械メーカーでは、Monetary60%、Recency30%、Frequency10%の配分で設計し、営業リソースの配分効率が大幅に改善しました。
配点の最適化には、過去データを使った検証が不可欠です。異なる配点パターンで顧客をセグメント化し、その後の購買実績や継続率との相関を確認します。筆者は通常5〜7パターンの配点を試し、最も予測精度が高い組み合わせを採用しています。
落とし穴3：セグメント数を先に決める設計順序の間違い
RFM分析を始める際、「5セグメントに分けよう」「10ランクで評価しよう」と先にセグメント数を決めてしまう企業が大半です。筆者が見てきた失敗の8割は、この設計順序の逆転が原因でした。
正しい手順は、まず顧客データの分布を観察し、自然な塊を見つけることです。クラスター分析やデシル分析を併用し、顧客がどのように分布しているかを確認します。その上で、実務的に対応可能なセグメント数に収束させます。
ある家電量販店では、最初から5セグメントを前提に設計しましたが、実際のデータ分布を見ると明らかに3つの大きな塊しか存在しませんでした。無理に5つに分けた結果、似たような特性の顧客が別セグメントに分類され、施策の差別化ができませんでした。データを素直に観察して3セグメントに再設計したところ、各セグメントの購買行動の違いが明確になり、施策効果が2.3倍に改善しました。
セグメント数は実行可能性も考慮する必要があります。筆者の経験では、マーケティング施策として実行できるのは3〜7セグメント程度です。10以上になると施策の差別化が困難になり、運用コストが跳ね上がります。データ分析の精緻さと実務の実行可能性のバランスを取ることが重要です。
落とし穴4：静的なセグメント設計で顧客の移動を見逃す誤り
RFM分析を一度実施して終わりにする企業が驚くほど多いです。しかし顧客は常に移動しています。優良顧客が離反予備軍になり、新規顧客が常連になります。この動きを捉えない分析は、現実と乖離した施策を生み出します。
筆者が支援したアパレル通販企業では、四半期ごとにRFMセグメントの移動を追跡する仕組みを導入しました。すると、優良セグメントから離反予備軍に移動する顧客には明確なパターンがありました。購買間隔が自社平均の1.5倍を超えると、次回購買確率が急激に下がることが判明しました。この知見を基に、購買間隔が開き始めた時点でリテンション施策を投入する設計に変更し、年間離反率を18%削減しました。
セグメント間の移動を可視化するトランジションマトリックスは有効なツールです。前回調査時と今回調査時のセグメント変化を行列で表し、どのセグメントからどのセグメントへ何人移動したかを把握します。この分析により、離反の予兆や成長の兆しを早期に発見できます。
動的な分析には、カスタマーサクセスとリサーチの視点も重要です。セグメント移動の要因を定性的に掘り下げることで、数字だけでは見えない顧客心理の変化を捉えられます。
落とし穴5：RFMスコアと施策を直結させる短絡的思考
RFM分析でセグメントを作った後、「高スコア顧客には特典を」「低スコア顧客には割引を」と機械的に施策を割り当てる企業が多数あります。しかしRFMスコアは顧客の現状を示すだけで、施策への反応性を直接表すものではありません。
筆者が見てきた中で印象的だったのは、高Monetaryセグメントに高額商品を提案し続けて失敗した事例です。詳しく調査すると、このセグメントの顧客は特定の高額商品を購入しただけで、ブランド全体へのロイヤルティは低いことが判明しました。彼らが求めていたのは別の価値で、高額商品の押し売りは逆効果でした。
RFMセグメントごとに、なぜその購買パターンになっているのかをデプスインタビューで掘り下げる必要があります。購買頻度が高い理由は習慣なのか、必要性なのか、それとも他に選択肢がないからなのか。この背景を理解しない施策は的外れになります。
ある化粧品ECでは、低Frequencyセグメントを一括りにせず、さらに購入商品カテゴリーで分類しました。すると基礎化粧品のみを購入する層と、メイクアップ商品のみを購入する層では、求める情報も反応する施策も全く異なることが分かりました。RFMスコアを顧客理解の入口とし、さらに深掘りする設計が成果を生みます。
実務で使えるRFM分析の7ステップ設計法
ここまでの落とし穴を踏まえ、失敗しないRFM分析の実践手順を解説します。筆者が現場で繰り返し検証してきた7つのステップです。
第一に、自社の購買データの基礎統計を把握します。購買間隔の分布、購買回数の分布、購買金額の分布をヒストグラムで可視化し、外れ値や偏りを確認します。この段階で異常値の除外基準も決めます。
第二に、各指標の区分を仮設定します。パーセンタイルを基準にした等分割ではなく、分布の自然な切れ目を見つけて区切ります。ビジネス上の意味がある境界線を優先します。
第三に、配点の重みづけを検討します。過去データを使って複数パターンの配点を試し、その後の購買実績や継続率との相関が最も高い組み合わせを選びます。筆者は通常、相関係数やAUCを指標に評価します。
第四に、セグメント数を決定します。デンドログラムやエルボー法で最適なクラスター数を確認し、実務的に施策を打ち分けられる範囲に調整します。各セグメントの顧客数が極端に偏らないことも確認します。
第五に、各セグメントの特性を記述します。人数、構成比、平均購買額、平均購買回数、平均購買間隔などの数値に加え、主要購入商品や利用チャネルも集計します。セグメントに名前を付けると社内での理解が進みます。
第六に、セグメント移動の追跡設計をします。前回調査との比較ができるよう、顧客IDベースで時系列データを整備します。四半期や半期ごとの定点観測で、セグメント間の流入流出を把握します。
第七に、定性調査で深層理解を補完します。各セグメントから代表的な顧客を抽出し、インタビュー調査で購買動機や商品への関わり方を掘り下げます。数値では見えない顧客の文脈を理解することで、施策の精度が飛躍的に高まります。
事例：食品宅配サービスのRFM再設計による解約率半減
筆者が支援した食品宅配サービスA社の事例を紹介します。A社は当初、書籍で紹介されていた5段階評価をそのまま適用し、125セグメントに顧客を分類していました。しかし施策の差別化ができず、解約率は月間5.2%と高止まりしていました。
筆者はまず購買データの分布を詳細に分析しました。A社の顧客は週1回配達と月2回配達の2つのプランに大別され、購買サイクルが明確でした。この特性を無視した従来の区分設定が、セグメントの予測精度を下げていました。
次に、Recencyの配点を50%に引き上げました。宅配サービスでは、配達間隔が開くことが解約の最大予兆だったからです。FrequencyとMonetaryは25%ずつに設定し、3指標の組み合わせで7セグメントに再設計しました。
セグメントごとに詳細なプロファイリングを行い、「週次ヘビーユーザー」「月次安定層」「配達間隔拡大層」など、行動特性が分かる名称を付けました。そして各セグメントから10名ずつインタビューを実施し、配達頻度が変化する要因を深掘りしました。
インタビューから、「配達間隔拡大層」は商品への不満ではなく、冷蔵庫の容量や外食機会の増加が原因だと判明しました。この層には配達量を減らす柔軟なプラン変更を提案し、解約ではなくプランダウンへ誘導する施策に切り替えました。
結果、施策開始から6ヶ月で月間解約率は2.7%まで低下し、顧客生涯価値は平均37%向上しました。RFM分析の再設計が、顧客理解の精度を高め、的確な施策につながった事例です。
RFM分析を顧客セグメンテーションに活かす際の最終確認項目
RFM分析を実務に落とし込む前に、最後に確認すべきポイントを整理します。筆者が現場で必ずチェックする5つの項目です。
第一に、区分設定がビジネスの実態と合っているか確認します。購買サイクル、商品特性、顧客の利用パターンと乖離していないか、現場の営業やカスタマーサポート担当者にヒアリングします。数字だけで判断せず、実務感覚との整合性を取ります。
第二に、セグメントごとの顧客数が極端に偏っていないか確認します。1つのセグメントに顧客が集中していたり、逆に数名しかいないセグメントがあったりする場合、区分の再設定が必要です。各セグメントが施策を打つに値する規模を持つことが重要です。
第三に、セグメント間の境界が曖昧でないか確認します。あるセグメントと別のセグメントの購買行動が酷似している場合、区分が細かすぎる可能性があります。施策を変える必要がないセグメントは統合を検討します。
第四に、定期的な見直しサイクルを設計します。市場環境や顧客行動は変化するため、RFM分析の区分も定期的にアップデートが必要です。筆者は半年から1年に一度の見直しを推奨しています。季節性が強い商材では、四半期ごとの確認も有効です。
第五に、RFM分析を他の顧客理解手法と組み合わせる設計にします。CJM効果測定やNPSと連携させることで、RFMスコアの背景にある顧客体験や感情を把握できます。複数の視点を組み合わせることが、実務で使える顧客セグメンテーションの条件です。
まとめ
RFM分析は顧客セグメンテーションの強力なツールですが、実務で成果を出すには正しい設計が不可欠です。業界標準の区分をそのまま適用する、3指標を均等に扱う、セグメント数を先に決める、静的な分析で終わる、スコアと施策を直結させる。これら5つの落とし穴を避けることが、失敗しないRFM分析の第一歩です。
自社の購買データの分布を観察し、ビジネスの実態に即した区分と配点を設計します。セグメント移動を追跡し、定性調査で深層理解を補完します。この7ステップの設計法を実践することで、RFM分析は単なる顧客分類ではなく、戦略的な意思決定を支える資産になります。
よくある質問
この記事を書いた人
石崎 健人 | 株式会社バイデンハウス マネージング・ディレクター
リサート所属モデレーター。外資系コンサルティング・ファーム等を経て現職。生活者への鋭い観察眼と洞察力を強みに、生活者インサイトの提供を得意とする。2022年より株式会社バイデンハウス代表取締役。2025年よりインタビュールーム株式会社（リサート）取締役。