顧客 RFM 分析: セグメンテーション、生涯価値、ターゲティング

すべての顧客が平等に生まれているわけではありません。上位 20% の顧客が収益の 60 ～ 80% を生み出す可能性があります。下位 20 パーセントは、支払った金額よりもサービスにかかる費用の方が高くなっています。しかし、ほとんどの中堅企業はすべての顧客を同じように扱います。つまり、同じ電子メール キャンペーン、同じサポートの優先順位、同じ維持の取り組みです。

RFM 分析は、行動に基づいて顧客をセグメント化するための最もシンプルで実用的なフレームワークです。これは、顧客が最後に購入した時期 (Recency)、購入頻度 (Frequency)、および支出額 (Monetary) という既存の 3 つのデータ ポイントを使用して、ターゲットを絞ったマーケティング、パーソナライズされたサービス、最適化された維持率を促進する実用的なセグメントを作成します。

重要なポイント

• RFM スコアリングでは、3 つの行動指標 (最新性、頻度、金額) を使用して顧客を 8 ～ 12 の実用的なグループに分類します
• 各 RFM セグメントには異なる戦略が必要です --- チャンピオンにはロイヤルティ プログラムが必要、リスクにさらされている顧客には再エンゲージメントが必要、失われた顧客には追求する価値がない可能性があります
• 顧客生涯価値 (CLV) の計算により、スナップショットからセグメンテーションが将来を見据えた計画ツールに変換されます。
• RFM セグメントは、解約予測 およびマーケティング アトリビューションの予測モデルに直接フィードされます。

---

RFM スコアリング方法

RFM 分析では、各顧客を 3 つの次元でスコア化し、スコアを組み合わせてセグメントを作成します。

最新性: 最後に購入したのはいつですか?

リーセンシーは、顧客が最後に購入してからの日数を測定します。最近購入した顧客は、数か月前に購入した顧客よりも再度購入する可能性が高くなります。

スコアリングのアプローチ: すべての顧客を最終購入日によって 5 つの均等なグループ (五分位) に分けます。最新の五分位には 5 のスコアが与えられ、最も最近のものには 1 が与えられます。

正確なカットオフはビジネスサイクルによって異なります。食料品の配達サービスでは、数か月ではなく数週間かかる場合があります。 B2B 機器サプライヤーはクォーターを使用する場合があります。

頻度: どのくらいの頻度で購入しますか?

頻度は、定義された期間 (通常は 12 ～ 24 か月) 内のトランザクションの合計数をカウントします。

|頻度スコア |購入数 |解釈 | |-||--------------|---------------| | 5 | 12 個以上の購入 |電力購入者 | | 4 | 8 ～ 11 回の購入 |定期購入者 | | 3 | 5～7 件の購入 |適度な購入者 | | 2 | 2 ～ 4 個の購入 |時々バイヤー | | 1 | 1 購入 |ワンタイムバイヤー |

金銭: 彼らはどれくらい使っていますか?

金額は、同じ期間における顧客からの総収益を測定します。一部の実装では、総支出額ではなく平均注文額が使用されます。ビジネスにとって何がより重要であるかに基づいて選択してください。

スコアの結合

各顧客は 3 桁の RFM スコアを取得します (例: 5-4-5 は、最新性が高く、頻度が高く、金額が高いことを意味します)。次元ごとに 5 つのレベルがあるため、125 通りの組み合わせが可能です。これらは 8 ～ 12 の意味のあるセグメントにグループ化されます。

---

セグメントの定義と戦略

RFM セグメント マトリックス

セグメント固有のハンドブック

チャンピオン (5-5-5): これらの顧客はあなたの支持者です。 VIP ロイヤルティ プログラムに登録してください。新製品への早期アクセスを提供します。レビュー、体験談、紹介を求めてください。値引きはしないでください --- 彼らは定価で購入します。チャンピオンを失うことは収益に多大な影響を与えるため、チャーン予測モデル で注意深く監視してください。

リスクあり (1-4-4 / 1-3-4): これらは沈黙を保った強力な顧客でした。再契約の窓口は閉まりつつあります。 (自動メールではなく) 個人的にご連絡ください。リピートするための大きなインセンティブを提供します。何が変わったのか尋ねてください。悪い経験をした場合は、それを修正してください。それらを取り戻すコストは、代替品を入手するよりもはるかに低くなります。

最近の顧客 (5-1-1): 第一印象は重要です。あなたの製品範囲について説明するウェルカム シーケンスを送信します。最初に購入したものに基づいて、2 回目の購入を推奨します。返品ポリシーを明確にします。目標は60日以内に5-1-1から5-2-2に移行することだ。

負け (1-1-1): これらの顧客にマーケティング費用を費やすのはやめてください。これらを通常のキャンペーンから削除して、電子メールの到達性を向上させ、ROI がプラスのセグメントにリソースを集中させます。 12 か月ごとに最後の勝ち取り試行を 1 回実行し、アーカイブします。

---

顧客生涯価値の計算

RFM は、顧客が今日どこにいるかを示します。顧客生涯価値 (CLV) は、関係全体における顧客の価値を示します。 RFM と CLV を組み合わせることで、スナップショットからのセグメンテーションが将来を見据えた計画ツールに変わります。

単純な CLV 式

CLV = Average Order Value x Purchase Frequency x Customer Lifespan

例:

• 平均注文額: 150 ドル
• 購入頻度：年4回
• 平均顧客寿命: 3 年
• CLV = 150 ドル x 4 x 3 = 1,800 ドル

維持率による CLV の調整

顧客が滞在する確率をより正確に計算できる式は次のとおりです。

CLV = (AOV x Frequency x Gross Margin) / Churn Rate

例:

• AOV: $150
• 頻度: 年に 4 回 (顧客あたりの年間収益: 600 ドル)
• 粗利益率: 40%
• 年間解約率: 25%
• CLV = (600 ドル x 0.40) / 0.25 = 960 ドル

RFM セグメント別 CLV

この表は、予算配分の決定を明確にします。つまり、チャンピオンとロイヤル顧客の維持に多額の投資をし、エンゲージメントを通じて潜在的なロイヤリストをロイヤルに変え、失われた顧客への支出をやめるということです。これらの CLV 計算を マーケティング アトリビューション モデル にフィードして、チャネル全体で支出を最適化します。

---

RFM 分析の実装

データ抽出

RFM 分析には、顧客ごとに 3 つのフィールド (顧客 ID、取引日、取引金額) が必要です。これを データ ウェアハウス から抽出するか、Odoo や Shopify から直接抽出します。

Odoo の場合、関連するテーブルは sale_order と sale_order_line で、顧客の詳細については res_partner と結合されています。

Shopify の場合、Orders API は customer.id、created_at、および total_price を提供します。

スコアリングの自動化

毎週または毎月のスケジュールで RFM スコアリングを自動化します。

1. 分析ウィンドウ (通常は 12 ～ 24 か月) 内のすべてのトランザクションを抽出します。
2. 各顧客の最新性、頻度、および金額を計算します。
3. 各次元に五分位スコア (1 ～ 5) を割り当てます。
4. 結合されたスコアをセグメント名にマッピングします。
5. データ ウェアハウスの顧客ディメンション テーブルにセグメントを保存します。
6. 営業チームとマーケティング チームが使用できるように、セグメント データを CRM にプッシュします。

視覚化

セルフサービス BI ダッシュボード に RFM セグメントを表示します。

• セグメント分布円グラフ: 各セグメントの顧客数は何人ですか?流通は健全ですか?
• セグメント移行ヒートマップ: 顧客は毎月どのようにセグメント間を移動していますか?チャンピオンは維持されますか?最近の顧客は忠実になっていますか?
• セグメント別の収益棒グラフ: 収益に最も貢献しているセグメントはどれですか?
• CLV 散布図: 顧客を頻度 (x 軸) および金額 (y 軸) ごとにプロットし、色で最新性を示します。

---

高度な RFM アプリケーション

予測 RFM

従来の RFM は記述的であり、顧客が何をしたかを示します。予測 RFM は、BG/NBD (ベータ幾何学 / 負の二項分布) モデルを使用して顧客が将来購入する回数を予測し、ガンマ-ガンマ モデルを使用して顧客の金銭的価値を予測します。

Python lifetimes ライブラリは両方のモデルを実装し、以下を生成します。

• 顧客ごとの将来の購入予想数
• 特定の期間における 予測 CLV
• 生存確率 (現在もアクティブな顧客)

RFM ベースのパーソナライゼーション

RFM セグメントをマーケティング自動化プラットフォーム (GoHighLevel、Mailchimp、Klaviyo) にフィードして、以下をパーソナライズします。

• メールの内容: チャンピオンにはアップセルの推奨事項が表示されます。リスクにさらされている顧客には、勝ち取り特典が表示されます。最近の顧客は製品教育を参照します。
• 広告ターゲティング: 類似オーディエンスを作成するために、チャンピオンおよびロイヤル顧客のリストを Facebook/Google にアップロードします。有料キャンペーンから失われた顧客を除外します。
• サポートの優先順位: チャンピオンおよびリスクのあるチケットを上級エージェントにルーティングします。これは、顧客のために特別な扱いをするということではありません。限られたリソースを、最大の利益を生み出す場所に割り当てるということです。

---

よくある質問

RFM スコアはどのくらいの頻度で更新する必要がありますか?

ほとんどのビジネスでは、毎月が標準的な頻度です。毎週の更新は、解約検出速度が重要な高速 e コマース (毎日の購入) またはサブスクリプション ビジネスに適しています。ビジネス モデルで本当に必要な場合を除き、毎日の更新は避けてください。更新が頻繁すぎるとノイズが発生し、セグメント移行の追跡が困難になります。

私たちのビジネスにリピート顧客がほとんどいない場合はどうすればよいでしょうか?

ほとんどの顧客が 1 回しか購入しない場合 (家具や不動産などの 1 回限り購入の業界で一般的)、頻度ディメンションの変動はほとんどありません。この場合、頻度をエンゲージメント (電子メールの開封、Web サイトへの訪問、アプリの使用状況) またはフォーカス (調査された製品カテゴリーの数) に置き換える、修正された RFM を検討してください。行動スコアリングの原則は、購入頻度が低い場合でも適用されます。

RFM 五分位数またはカスタムしきい値を使用する必要がありますか?

五分位数 (等しいサイズのグループ) が標準の開始点です。ただし、多くの場合、顧客ベースが偏っている場合は、カスタムしきい値の方が効果的です。顧客の 40% が 1 回だけ購入した場合、五分位数は不均等な分割を生じます。ビジネス上の意味に基づいてしきい値を定義します。「最近」とは通常の再購入サイクル内を意味し、「高頻度」とは業界の中央値を上回ることを意味します。

RFM はチャーン予測モデルとどのように関係しますか?

RFM スコアは、解約予測モデル にとって優れた機能です。通常、リーセンシーは、チャーンを予測する唯一の最も強力な要因です。 RFM セグメント (特に時間の経過に伴うセグメント間の動き) は、個々のスコアを超えた予測力を追加します。 RFM が基礎であり、ML チャーン モデルが次のレベルの洗練されたものであると考えてください。

---

次は何ですか

RFM 分析は顧客分析の基礎です。 チャーン予測モデル にフィードし、マーケティング アトリビューション に情報を提供し、コホート分析 を強化し、BI 戦略 の KPI 選択をガイドします。

ECOSIRE は、Odoo CRM および Shopify ストアと統合された RFM 分析と顧客セグメンテーションを実装します。当社の OpenClaw AI プラットフォーム は、スコアリングを自動化し、予測 CLV モデルを構築し、セグメントをマーケティング ツールに同期します。当社の Odoo コンサルタント チームは、CRM ビューと自動化ルールを構成してセグメントを運用可能にします。

お問い合わせ して、価値観と行動による顧客のセグメント化を開始してください。

---

ECOSIRE によって発行 --- Odoo ERP、Shopify eCommerce、OpenClaw AI にわたる AI を活用したソリューションで企業のスケールアップを支援します。