RFM分析は、顧客の購買データを「最後にいつ買ったか（Recency）」「どれくらいの頻度で買っているか（Frequency）」「いくら使っているか（Monetary）」の三つの軸で評価し、顧客をランク分けする分析方法です。すべての顧客に同じメールやクーポンを送るのではなく、ランクごとに働きかけ方を変えることで、販促の費用対効果を高めることを目的としています。
やり方の結論は、「購買履歴を顧客ごとに集計し、三つの軸それぞれにスコアを付け、スコアの組み合わせで意味のある顧客グループを作り、グループごとに施策を決める」という流れです。表計算ソフトでも実施でき、特別なツールがなくても始められる手軽さが特徴です。一方で、スコアの区切り方やグループの作り方を誤ると、施策に結びつかない分類になってしまいます。
この記事は、ECや小売、飲食、サロンなど、顧客ごとの購買履歴を持っている事業の担当者に向けて、必要なデータ、スコアの付け方、顧客グループの作り方、施策への活かし方、よくある失敗を手順に沿って解説します。
RFM分析とは：三つの指標で顧客を評価する
RFM分析は、顧客の購買行動を三つの指標で数値化する手法です。
| 指標 | 意味 | 値が良いとは | 分かること |
|---|---|---|---|
| R（Recency：最新購入日） | 最後に購入してからの経過日数 | 経過日数が短い | 今も関係が続いているか |
| F（Frequency：購入頻度） | 一定期間内の購入回数 | 回数が多い | どれくらい習慣になっているか |
| M（Monetary：購入金額） | 一定期間内の累計購入金額 | 金額が大きい | 事業への貢献の大きさ |
三つの指標を組み合わせると、顧客の状態が立体的に見えてきます。たとえば、FとMは高いのにRが悪い顧客は、かつての優良顧客が離れかけている状態です。Rは良いがFが低い顧客は、最近初めて買ってくれた新しい顧客です。同じ「購入金額の大きい顧客」でも、今も買い続けているのか、離れかけているのかで打つべき手は変わります。
RFM分析は、顧客をグループに分けて比べるセグメント分析の代表的な手法の一つです。決まった三つの軸を使うため、誰が実施しても同じ考え方で分類でき、初めての顧客分析にも向いています。より自由な切り口で優良顧客の特徴を探す方法はユーザーセグメント分析で解説しています。
RFM分析が向いている事業と向いていない事業
RFM分析は、顧客が繰り返し購入する事業で力を発揮します。一方、購買の形によっては、そのまま使うと誤った判断につながることがあります。
| 事業の形 | 向き・不向き | 理由と工夫 |
|---|---|---|
| 日用品・食品などのEC、小売 | 向いている | 購入が繰り返され、三つの指標の差がはっきり出る |
| 飲食店、美容室、サロン | 向いている | 来店履歴を購買データとして扱える |
| 単価が高く購入間隔の長い商材（家具、家電など） | 工夫が必要 | 購入頻度の差が出にくい。Rの基準を長く取る、関連商品の購入を含める |
| 月額固定のサブスクリプション | そのままでは不向き | 頻度と金額がほぼ一定になる。利用状況など別の指標に置き換える |
| BtoBの継続取引 | 工夫が必要 | 取引先ごとの発注パターンが異なるため、業種や規模で分けてから適用する |
月額固定のサブスクリプションのように、全員が毎月同じ金額を払う事業では、FとMの差が出ません。この場合は、Fを「利用回数」、Mを「追加購入やオプションの金額」に置き換えるなど、事業に合わせて指標を読み替えます。
RFM分析に必要なデータと準備
RFM分析に必要なデータは、最低限、次の三つの項目を含む購買履歴です。
- 顧客ID（同じ顧客を識別できるもの）
- 購入日
- 購入金額
ECサイトや予約システム、POSレジ、会員管理システムなどから、注文単位や来店単位のデータを書き出して使います。分析の前に、次の点を確認・整備しておきましょう。
顧客IDの重複をなくす
同じ人が別のメールアドレスで会員登録している、店舗とECで別のIDになっている、といった状態では、一人の顧客が複数人として数えられ、FとMが実際より低く出ます。可能な範囲で名寄せを行い、一人一IDにそろえます。名寄せの際は、氏名の表記揺れや電話番号の書式の違いにも注意して照合します。
対象外の取引を除く
キャンセルや返品された注文、社内のテスト注文、法人の大口一括注文など、通常の購買行動と異なる取引は除外するか別に扱います。特に返品をそのまま含めると、Mが実態より大きく見えてしまいます。
会員登録をしていない購入の扱いを決める
ECでは、会員登録をせずに購入できる仕組みにしていることがあります。この場合、同じ人の購入でも毎回別の顧客として記録され、RFM分析の対象として正しく扱えません。メールアドレスなど購入時に入力される情報で同一人物とみなすか、会員の購入だけを分析の対象にするかを決めておきます。会員以外の購入が多い場合は、その割合自体が一つの課題であり、会員登録を促す工夫を検討するきっかけになります。
分析の対象期間を決める
FとMは「一定期間内」の値です。対象期間を全期間にすると、古くからの顧客ほど値が大きくなり、今の状態が分かりにくくなります。多くの事業では、商品の購入サイクルを踏まえて、直近の一年など一定の期間で区切ります。購入間隔の長い商材では期間を長めに取ります。
RFM分析のやり方：スコアを付ける手順
データの準備ができたら、次の手順で分析を進めます。
- 基準日を決める：Rを計算する基準となる日を決める。通常は分析を行う日や、対象期間の最終日を使う。
- 顧客ごとに集計する：購買履歴を顧客IDごとにまとめ、最終購入日、対象期間内の購入回数、対象期間内の累計購入金額を算出する。
- Rを計算する：基準日から最終購入日までの経過日数を求める。
- それぞれにスコアを付ける：R・F・Mごとに、値の大きさに応じて段階的なスコアを付ける（例：5段階）。Rは経過日数が短いほど高いスコアにする。
- スコアを組み合わせる：R・F・Mのスコアの組み合わせで、顧客をグループに分ける。
- グループごとの人数と売上を確認する：各グループの人数、売上の合計、売上全体に占める比率を一覧にする。
- グループごとに施策を決める：グループの状態に合わせて、施策と担当者、効果を確かめる指標を決める。
表計算ソフトで行う場合は、注文データをピボットテーブルで顧客ごとに集計し、スコアは条件に応じた関数で付けていけば実施できます。データ量が多い場合や、定期的に更新したい場合は、データベースやデータウェアハウス上でSQLを使って集計する方が効率的です。
スコアの区切り方：二つの方法
スコアの区切り方には、大きく二つの方法があります。
一つは、顧客数が均等になるように区切る方法です。顧客を値の順に並べ、上位から同じ人数ずつに分けて5段階のスコアを付けます。機械的に区切れるため手軽ですが、購入回数が1回の顧客が大半を占める事業では、同じ1回の顧客が別のスコアに分かれてしまうことがあります。
もう一つは、事業の意味に合わせて区切る方法です。たとえばRなら「30日以内」「31〜90日」「91〜180日」「181〜365日」「365日超」のように、商品の購入サイクルに照らして意味のある区切りを決めます。Fなら「1回」「2回」「3〜4回」「5回以上」のように区切ります。施策の担当者が意味を理解しやすく、時期を変えて比べても基準が変わらないため、継続的に運用するならこちらがおすすめです。
特にFの「1回」と「2回」の境目は重要です。初回購入から2回目の購入に進むかどうかは、多くの事業で継続の分かれ目になるため、F2転換率として独立して追う価値があります。
顧客グループの作り方と名前の付け方
R・F・Mそれぞれに5段階のスコアを付けると、組み合わせは多数になり、そのままでは施策を考えられません。施策の違いが出る単位にまとめ、分かりやすい名前を付けます。代表的なグループの例を示します。
| グループ名の例 | スコアの目安 | 顧客の状態 | 施策の方向性 |
|---|---|---|---|
| 優良顧客 | R・F・Mともに高い | 最近も頻繁に買い、金額も大きい | 特別な案内や先行販売で関係を深める。値引きは控えめに |
| 育成候補 | Rが高く、Fが中程度 | 購入が習慣になりつつある | 関連商品の提案や、まとめ買いの案内 |
| 新規顧客 | Rが高く、Fが1回 | 最近初めて購入した | 2回目の購入につながる案内、使い方の情報提供 |
| 離反予備軍 | Rが下がり始め、F・Mは高い | かつての優良顧客が離れかけている | 早めの個別連絡、来店や再購入のきっかけ作り |
| 休眠顧客 | Rが低く、F・Mも低い | 長期間購入がない | 費用をかけすぎない再来店の案内。反応がなければ優先度を下げる |
グループを作ったら、各グループの人数と売上の合計を並べて、全体の構造を確かめます。少数の優良顧客が売上の大半を支えているのか、幅広い顧客から少しずつ売上が生まれているのかによって、優先すべき施策は変わります。前者なら優良顧客の離反を防ぐことが最優先になり、後者なら新規顧客を育成候補へ引き上げる施策の効果が大きくなります。売上の偏りを見る考え方はABC分析とも共通しています。
また、グループ間を顧客がどう移動しているかも重要な情報です。先月の新規顧客のうち、今月育成候補に移った人は何人か、先月の優良顧客のうち離反予備軍に落ちた人は何人か。こうした移動を毎月追うと、どの段階で顧客を失っているのかが分かり、施策の優先順位を決める手がかりになります。
最初は4〜6程度のグループから始めるのが現実的です。グループの数が多すぎると、施策を作り分ける手間が増え、運用が続きません。また、グループ名は社内で共有しやすい言葉にしておくと、営業や店舗のスタッフとの会話がスムーズになります。
ランク別の施策への活かし方
RFM分析の目的は、分類そのものではなく、グループごとに働きかけを変えることです。施策を考えるときは、次の三つの観点で整理します。
誰に費用をかけるかを決める
すべての顧客に同じクーポンを配ると、放っておいても買ってくれる優良顧客にまで値引きをすることになり、利益を削ります。一方、離反予備軍には、関係が切れる前に手厚く働きかける価値があります。グループごとに、販促の費用をどこまでかけてよいかを決めておくと、施策の判断がぶれません。
何を伝えるかを変える
新規顧客には商品の使い方や選び方の情報、育成候補には関連商品の提案、優良顧客には新商品の先行案内や感謝の気持ちを伝える案内、というように、メッセージの中身を変えます。同じ商品の案内でも、グループによって響く理由は異なります。
いつ伝えるかを決める
Rの値は日々変わります。最終購入から一定の日数が経ったタイミングで自動的に案内が届くようにしておくと、離反予備軍への働きかけが遅れにくくなります。メール配信やLINEなどの配信ツールと連携し、グループの変化に応じて配信を切り替える仕組みを作ると、運用の手間を大きく減らせます。
施策の効果を確かめる方法
グループごとの施策を始めたら、効果を確かめる仕組みも同時に用意します。おすすめは、同じグループの顧客の一部にあえて施策を行わない「比較用の群」を残しておく方法です。たとえば離反予備軍に再購入の案内を送るとき、対象者を無作為に二つに分け、片方にだけ案内を送ります。一定期間後に両者の再購入の割合を比べれば、案内そのものの効果が分かります。
全員に案内を送ると、季節や新商品の影響で購入が増えたのか、案内が効いたのかを区別できません。比較用の群を残すことに抵抗がある場合は、小さな割合から始めましょう。効果が確かめられた施策だけを続け、効果のない施策はやめる判断ができるようになります。比較の設計の考え方はA/Bテストの設計も参考になります。
架空の例：食品ECでのRFM分析の運用
たとえば、定期的に購入される加工食品を扱うECサイトで、毎月一律のクーポンを全会員に配っていたとします。売上は伸びず、値引きの負担が利益を圧迫していました。
RFM分析を行ったところ、売上の多くは少数の優良顧客が支えており、その優良顧客の多くはクーポンがなくても定期的に購入していることが分かりました。また、2回目の購入に進まない新規顧客が多く、初回購入から一定期間で離れていることも見えてきました。
そこで、優良顧客への一律クーポンをやめ、新商品の先行案内に切り替えました。新規顧客には、初回購入の数日後に保存方法やおすすめの食べ方を伝え、2回目の購入で使える特典を案内します。最終購入から一定期間が空いた優良顧客には、個別の案内を送る運用にしました。効果は、グループごとの人数の推移と、新規顧客から育成候補への移行率で確かめていきます。
よくある失敗とその避け方
分類して終わる。 顧客をランク分けした表を作ったところで満足し、施策が変わらないケースは少なくありません。分析の前に、グループごとの施策を誰が担当するかを決めておきましょう。
区切りを毎回変える。 顧客数が均等になる区切り方だけを使うと、分析のたびに基準が変わり、前回との比較ができなくなります。継続的に追うなら、事業の意味に合わせた固定の区切りを使います。
全期間で集計する。 対象期間を区切らずに全期間で集計すると、古くからの顧客のF・Mが大きくなり、今の状態が見えません。購入サイクルに合わせた期間で区切りましょう。
優良顧客に値引きを集中させる。 優良顧客を大切にすることは重要ですが、値引きで報いると利益が減るうえ、値引きがないと買わない習慣を作ってしまう恐れがあります。先行案内や特別な体験など、値引き以外の方法も検討します。
一度きりで更新しない。 顧客の状態は日々変わります。月に一度など定期的にスコアを更新し、グループ間の移動（新規から育成候補へ、優良から離反予備軍へ）を追うことで、施策の効果と顧客の変化が見えてきます。
RFM分析のチェックリスト
- 顧客ID・購入日・購入金額のそろった購買データがある
- 顧客IDの重複を可能な範囲で解消した
- キャンセル・返品・テスト注文を除外した
- 購入サイクルに合わせて対象期間と基準日を決めた
- スコアの区切りを事業の意味に合わせて決め、文書にした
- 顧客グループは施策の違いが出る数（4〜6程度）にまとめた
- グループごとに施策、担当者、効果を見る指標を決めた
- 定期的にスコアを更新し、グループ間の移動を追う仕組みがある
よくある質問
Q. RFM分析は表計算ソフトだけでできますか？
できます。注文データを顧客ごとに集計し、関数でスコアを付ければ実施できます。ただし、顧客数や注文数が多くなるとファイルが重くなり、毎月の更新にも手間がかかります。定期的に運用するなら、データベースやデータウェアハウスでの集計や、配信ツールとの連携を検討しましょう。
Q. R・F・Mのどれを最も重視すべきですか？
事業によって異なりますが、多くの場合、今後の購買を予測するうえではRとFが重要です。Mは一回の大きな購入で高くなることがあるため、Mだけで優良顧客を判断すると、一度きりの大口購入者を優良と誤認することがあります。三つを組み合わせて判断しましょう。
Q. 何段階のスコアにすればよいですか？
5段階がよく使われますが、顧客数が少ない場合や、施策を作り分ける余力が少ない場合は3段階でも十分です。大切なのは段階の数ではなく、最終的に施策の違いが出るグループにまとめられるかどうかです。
Q. RFM分析の結果はどのくらいの頻度で更新すべきですか？
商品の購入サイクルに合わせて決めます。購入間隔の短い日用品なら月に一度、購入間隔の長い商材なら四半期に一度程度が目安です。離反予備軍への働きかけのようにタイミングが重要な施策は、Rの変化を日次で検知して自動で案内する仕組みにすると効果的です。
Otsumuに相談できること
顧客IDと購買履歴が一つのシステムから取り出せるなら、RFM分析は表計算ソフトで社内でも十分に実施できます。この記事の手順に沿って、まずは直近一年のデータで顧客を4〜6のグループに分け、グループごとの人数と売上を確認するところから始めてみてください。それだけでも、販促費のかけ方を見直すきっかけになります。
一方で、店舗とECで顧客IDが分かれていて名寄せが必要、分析は一度したものの毎月の更新が続かない、グループの変化に応じて配信を自動で切り替えたい、といった場合は、データの整備や仕組みづくりに手間がかかります。分析を一回で終わらせず、継続的な運用に乗せる部分で外部の力を借りると、効果が出るまでの時間を短くできます。
OtsumuのKPI改善コンサルティングでは、顧客グループの設計と施策の優先順位付け、効果の測り方までを一緒に整理します。スコアの自動更新や配信ツールとの連携が必要な場合は、CRM開発やEC構築の一部として、必要な仕組みに絞って開発します。
購買データはあるが活かし切れていないと感じたら、30分の無料相談でデータの状況を伺い、RFM分析から始めるべきか、別の分析が合うかを一緒に検討します。
この記事のテーマに最も近い支援は、継続率・CVR改善の実行支援です。
- 離脱箇所と解約の理由を、データで特定
- 施策をICEなどで優先順位づけして実行
- A/Bテストで効果を検証し、次の施策へ
まずは30分の無料相談で、状況をお聞かせください。
この記事について
Otsumu株式会社が執筆しました。統計値や他社の事例には依拠せず、進め方と判断の枠組みを中心にまとめています。法務・税務・会計などの制度は、専門家や公的窓口で最新の情報をご確認ください。
執筆：Otsumu株式会社 ／ 編集日 2026.10.01