BtoB SaaSのマーケティングを担当している方は、顧客分析にどの手法をお使いでしょうか？
顧客分析手法には「ABC分析」「デシル分析」などさまざまな分析手法がありますが、BtoB・BtoCを問わずよく活用されている手法は「RFM分析」です。
RFM分析は3つの指標を用いて分析することで、現状の「優良顧客（ロイヤルカスタマー）」「安定顧客」「成長中の顧客」「離脱中の顧客」などを特定できます。顧客層ごとに適したマーケティング戦略を立てる際に役立つ方法です。
一般に企業の売上げの8割を占めるのは、顧客全体のうち1～2割の優良顧客と言われています。マーケティング担当者が、限られた予算の中で成果をあげるためには、とくに「現在の優良顧客」「これから優良顧客になる顧客」を見出して、効率的なアプローチを実施する必要があるでしょう。
本記事では、RFM分析とはどのような手法か？ 目的と使い方、使う際のステップについて解説します。
RFM分析は、もともと米国の通信販売会社が、カタログを発送する顧客を選別するために導入した手法です。Recency （直近の購入日）、Frequency （頻度）、Monetary （購入金額）の3つの指標で、顧客データを分析・ランクづけします。
ちなみにABC分析は、「売上実績」などの1指標のみで分析する手法です。それと比較してRFM分析は「R」と「F」の指標があることで、変動する顧客の状況をより正しく分析できるのが特徴です。
3つの指標
RFM分析の目的は、顧客の購買履歴を分析して「優良顧客」を発掘すること。そして顧客層を細かくカテゴライズし、それぞれの層に適したマーケティング施策を実施することで、売上げ拡大、ROI向上につなげることです。
RFM分析では、数値が類似しているグループを特定できます。何段階で分けるかによって、かなり細かく分類が可能です。たとえば各指標を3段階に分ければ、3×3×3の27グループに分けられます。
分け方は、RFM分析の目的によって自由に設定できます。シンプルにロイヤルカスタマー層の特定のみに活用しても、細かくカテゴライズしてマーケティング施策を練ってもかまいません。
日本では、よく優良顧客（企業の8割の売上げを占める2割の顧客）の特定に活用されます。RMFの3指標がすべて高スコアの顧客は、企業がもっとも大事にすべき「ロイヤル顧客」です。
マーケティング先進国の米国では、RFM分析で顧客を4～10グループ以上に分けて、よりパーソナライズされたマーケティング活動を行うことも珍しくありません。
4グループに分ける例：
米国のマーケティング支援企業ADMIRED marketing社は、Eコマース企業として、以下のようにセグメントを高・中・低（価値）の3つに分類し、顧客を4グループに分ける例を紹介しています。
「High value customers（価値の高い顧客）」
「Repeated customers（リピート顧客）」
「New（新規顧客）」
「One time（一度きりの顧客）」
（参照：https://admired.marketing/customer-channel-optimisation）
ここでは、RFM分析の構成要素を解説します。
Recencyは、直訳すると「最近」という意味です。
RFM分析における「R（Recency）」は、もっとも最近購入した日時を意味します。
直近で購入している顧客はニーズがあり、製品・サービスに満足すればリピーターになる可能性があると解釈できます。Rの数値が低い顧客（最近買っていない顧客）は離脱中の可能性があります。
ただ「最近」の定義は企業ごとに異なります。毎月売上げられる製品・サービスであれば、先月が最近かもしれません。
2～3年に1回売上げがたつ製品・サービスなら、昨年であっても最近でしょう。実際にRFM分析する場合は自社基準で「最近」を定義する必要があります。
Frequencyは直訳すると「頻繁に」という意味です。RFM分析における「F（Frequency）」は、一定期間内にどのくらい頻繁に製品・サービスを購入しているかを表します。
頻繁に製品・サービスを購入している顧客は、製品・サービスとマッチングしている可能性が高い常連顧客です。Fが低い（たまにしか購入しない顧客）はニーズ自体が少ないかそれほど製品・サービスを気に入っていない可能性があります。
一度だけ大きな取引に至った顧客（Mの高い顧客）でも、Fがかなり低い場合は製品・サービスに不満足でリピートしていない、資金状況が変化した、あるいはニーズが充足したなどの可能性が考えられます。
Monetaryは直訳すると「通貨、金銭」という意味です。
RFM分析におけるM（Monetary）は、一定期間の累計購入金額を意味します。
当然、企業にとって購入金額が大きい（売上げ金額が大きい）ほど上位顧客となるでしょう。Mの指標が高いということは、顧客の資金力が潤沢であること、製品・サービスに満足していることを意味します。
上記のように1つの指標だけではロイヤル顧客を特定することは難しいため、RFM分析では3指標、2指標を組み合わせて分析します。
ここで、RFM分析のメリットとデメリットを理解しておきましょう。
＜メリット＞
＜デメリット＞
まずは、3つのメリットを紹介します。
BtoB SaaSビジネスを手掛けている企業、とくにスタートアップ企業においては、マーケティングにかかる費用をできる限り削減しながら、ビジネスの成功を目指す必要があります。その中では、データに基づいてマーケティング戦略を立案して、実行していくことが重要です。
費用対効果の高いマーケティング戦略を考えるに当たっては、お客様や見込み客の情報をどれだけ理解できるかが鍵になります。そのため、いかにその情報を取得していけるかが重要です。
たとえば、カスタマーサクセス担当の立場者であれば、「顧客をいかに維持していくか？」「解約を防止するには？」と日々考えているはずです。この情報には、マーケティング部門での施策を考える上で参考になる情報が多く含まれています。これらの情報を蓄積して、マーケティング担当者はお客様や見込み客に対して適切な施策を考案しましょう。
RFM分析は、もっとも価値のある顧客を特定し、ランク付けに基づいてセグメント化します。分析によって優良顧客層を明らかにすることで、その人たちのニーズに沿ったコミュニケーションを考えるうえで役立ちます。その結果、次のような成果が期待できるでしょう。
最適なターゲットに向けてマーケティング施策を行うことで、マーケティング（ここでは、特にCRM関連）施策の効率が向上する。
限られた人手・時間・費用をもっとも効率よく活用できる策を導き出すことができる。
アプローチを優先・強化すべき顧客層を明らかにして、焦点を当てることで、マーケティング投資のリターンを最大化できる。
RFM分析を活用することで、優良顧客に向けて、よりパーソナライズ・最適化されたメッセージを届けることができるため、顧客エンゲージメントやロイヤルティが高まると期待できます。
たとえば、直近の購入履歴や、その他の購買行動に基づいて、各顧客にもっとも関連性の高いメッセージを送ることが可能です。特定の製品を長く継続的に契約している顧客には、その製品に関連する新機能の案内や、オプションサービスの特典情報を提供するといったコミュニケーションが考えられるでしょう。
たとえば、サイボウズのノーコードツール「kintone」は、単体で利用するだけではなく、実は有料プラグインや連携サービスなど、200種類超の拡張機能が存在します。ユーザーは「kintone」単体で利用を続けるよりも、より便利な有料サービスがあることを知り、自社の目的に応じて追加していくことで、よりソフトウェアの利便性を強く感じられるようになります。
（出典：kintone（キントーン）- 拡張機能 | サイボウズの業務改善プラットフォーム）
RFM分析によって、各顧客のニーズや購買パターンに合わせたコミュニケーションを展開することで、顧客満足度が向上し、長期的な関係を築くことにつながります。リテンションレート（製品・サービスを長く使い続けてくれる人の割合）が向上すれば、結果としてビジネス全体の成長も後押しします。
RFM分析を通じて離反するリスクの高い顧客を早期に発見し、適切なタイミングでリテンション施策を講じることで、解約率を低減し、ライフタイムバリュー（LTV）を向上させることが可能です。
たとえば、オンラインストレージサービスで知られるDropboxでは、サービス利用状況から特に離反リスクの高い「赤信号」顧客に対して優先的に対策を講じています。具体的には、サービスのマニュアルや、オンライントレーニングなどを案内するそうです。このような取り組みにより、顧客のニーズに迅速に対応し、解約防止を図っています。
（出典：Official teams page - Dropbox）
RFM分析を活用すると複数のメリットがある一方で、デメリットもあると言えます。具体的には次の2点が挙げられます。
まず1点目は、RFM分析の3つの構成要素「Recency：最終購入日」「Frequency：購入頻度」「Monetary：購入金額」でしか顧客を評価できないことです。たとえば、購入した商品の種類、過去のマーケティング施策に対する反応や、年齢・性別・地域といった属性データを考慮に含めることが不可能です。
そのため、厳密に顧客の優先順位を把握するためには、他の評価方法と組み合わせる必要があります。たとえば、顧客からの支持が高い商材分析できる「ABC分析」や、顧客のLTV貢献度を可視化する「CPM分析」などが挙げられます。
RFM分析はあくまで「過去の」履歴データ（過去にいつ、何回購入したか？ という記録）に基づいているため、現在や将来の顧客行動を正確に予測することが困難です。
たとえば「顧客の将来の製品・サービス利用状況はどのくらいか？」「顧客が将来、解約を考えそうなリスクはどのくらいか？」「解約を防ぐために、今後どのようなコミュニケーションを取っていくべきか？」といった「今後」に対する洞察を得ようとすることは難しいと言えます。
BtoB SaaSビジネスモデル上、長期間にわたり顧客を維持し、将来の解約を防ぐ方法を考えることは重要です。しかし、顧客が新しいSaaSツールを導入した後、初期設定やトレーニング期間中の利用頻度は高いかもしれませんが、その後の安定運用期には利用頻度が低下してしまうといったケースも起こり得ます。
このような顧客に対し「契約期間中の利用率や、顧客満足度を高めるには？」「次の契約更新での解約を防止し、継続利用してもらうには？」といった、具体的なコミュニケーション施策を考えなければなりません。顧客の行動データや、満足度調査なども組み合わせることで、より包括的な顧客分析が可能となるでしょう。
前章で、RFM分析との組み合わせることが推奨される、他の分析手法をいくつか紹介しました。
ここでは、RFM分析と
という、3つの分析手法の違いを解説します。
RFM分析とデシル分析は、どちらも顧客セグメンテーションに利用される手法です。しかし、アプローチや目的が異なります。
RFM分析は、Recency（最新購買日）、Frequency（購買頻度）、Monetary（購買金額）という複数の購買指標を使って詳細な顧客行動を分析しようする手法です。
一方、デシル分析は、顧客を購入金額の多い順に並べて上位10％ずつグループに分ける手法です。各グループの売上構成比を算出し、どのグループが売上げに貢献しているかを明確にします。購入金額に基づいて顧客をグループ分けし、シンプルに高価値顧客を特定する手法であるため、RFM分析よりもより容易に実行しやすく、特定の高価値顧客層に注力する戦略を立てやすいと言えます。
RFM分析は、短期的な売上げ向上を目的として顧客をセグメント化し、特定の行動パターンを持つ顧客にターゲティングします。
一方、CPM分析（Customer Portfolio Management）は、新規購買からの在籍日数、累計購入金額、離脱期間などの指標を使用し、顧客のライフタイムバリュー（LTV）を最大化することを目指します。10のセグメントに顧客を分類し、RFM分析という手法と比較すると、より長期的な視点で顧客を育成・維持する戦略を立てるうえで役立つものだと言えます。
ABC分析は、売上額や販売数量などの基準でアイテムや顧客をランク分けする手法です。「Aランク」は全体の売上げの大部分を占める高価値アイテム、「Bランク」は中間、「Cランク」は低価値アイテムと分け、経営資源の配分を最適化します。パレートの法則に基づいており、資源の集中投下や在庫管理に有効です。
つまり、RFM分析は顧客の行動を基にした短期的なターゲティングに向いており、ABC分析は売上げや在庫の最適化に向けた経営資源配分を重視する分析手法だと言えます。
マーケティングにおいて、広範にわたる顧客層を分析・細分化し、それぞれのグループ（セグメント）に分類するプロセスを「セグメント化（セグメンテーション）」と呼びます。
「顧客セグメンテーション」は、顧客の属性や行動に基づいて市場を細分化し、ターゲットグループを見つける方法のことです。次表で示す通り、「地域」「年代」「性別」「職業」といった変数も分類の軸になります。
|
分類の変数 |
具体例 |
|
地理的変数（ジオグラフィック変数） |
気候、交通利便性、人口密度、都市化の進展度 |
|
人口動態変数（デモグラフィック変数） |
年齢層、性別、職業、収入レベル、家族構成、世帯人数 |
|
心理的変数（サイコグラフィック変数） |
趣味、性格、消費傾向、価値観 |
|
行動変数（ビヘイビアル） |
購入チャネル、情報収集方法、製品の理解度 |
RFM分析は顧客セグメンテーションの一部として利用されるもので、顧客を「購買行動」という軸で分類するために活用されています。
顧客をいくつかのグループに分類した事例としては、次のようなものがあります。
米国のカスタマーエンゲージメントプラットフォーム企業MoEngage社は、以下のように11種類に顧客をカテゴライズして、それぞれに適した戦略を立てることを推奨しています。
（参照：moengage.com）
上記はあくまで例です。顧客を何グループに分けるかも、呼称を「A～C顧客」とするか「VIP顧客」「優良顧客」「チャンピオン」などにするかにも、ルールがあるわけではありません。自社のRFM分析を行う目的に基づいて最適な区分を決め、わかりやすいネーミングをつけましょう。
ここでは、RFM分析の進め方を紹介します。
まず、RFM分析を使う目的を明確にします。RFM分析は、設定次第でいくらでも精緻な分析が可能ですが、目的によってはそこまで細かく分類する必要がない場合もあります。
目的が明確でないと分析の対象データを何年間分にするか、顧客を何グループに分けるかが決めづらくなります。柔軟に使える分析手法だけに、最初の設定がポイントです。
目的例：
次に、顧客の購買データを集めましょう。RFM分析にかぎらず正しい分析結果を導き出すには、一定のデータの「量」が必要です。
また、データの「質」も重要です。データに偏りがないことが大切であり、顧客データが各部門に点在している場合、統合してからRFM分析をする必要があります。さらに、全角・半角の指定や住所、年月日などの表記ルールがばらばらだと、データが重複していることが多いため、一度名寄せをしてデータを整理整頓しましょう。
データ収集
顧客の購買履歴データを収集します。「各購入の日時」「購入回数」「購入金額」が必要です。
データ整形
収集したデータについて、フォーマットの統一や使えないデータの削除など、データクレンジング
を行います。たとえば、Excelで分析を進めようとするなら、Excelで読み込めるデータ形式に整えるプロセスが含まれます。
データベース管理
整えたデータに効率よくアクセス・管理・運用できるよう、データベースに格納します。たとえばデータ量が多い場合には、ファイル容量が大きく取り扱いにくいExcelのまま保管しておくよりも、「Microsoft Access」や、ノーコードツール「kintone」なども、データベース構築・管理のためのソフトウェアとして考えられます。
RFM分析を行うためには、自社独自の「R」「F」「M」のルールを決める必要があります。なぜなら「優良顧客」の基準は、企業ごとに異なるからです。
たとえば購入金額のランクを5ランクに分ける場合、もっとも高いランク「5」の条件を「100万円以上」に設定する企業もあれば「1000万円以上」に設定する企業もあるでしょう。
同様にR（最近）とF（頻繁）の定義も、各社のセールスサイクルによってかなり異なります。あくまで、自社の製品・サービスの価格帯、実績を考慮して決めましょう。
例）
以下は、SaaS企業の例ではありませんが、5ランク、3ランクに分けた場合の例です。
5ランク
（画像出典：アドバンリンク株式会社）
3ランク
（出典：Mtame）
ExcelやGoogleスプレッドシート、ITツール（CRM、RFM専用ツール）などでRFM分析を行います。
CRMには、RFM自動分析機能がついているものもあります。ついていない場合、データベースから顧客の購入履歴をエクスポートしたり、データとしてスプレッドシートに取り入れたりすることが必要です。
ステップ2で定めた数値に基づき、各顧客のスコアを出しましょう。近似した数値の顧客をグループに分けします。なお、RFM分析は3指標ありますが、分析の目的によっては1指標だけ、2指標だけを活用しても問題ありません。
例：
顧客スコアのイメージ
（出典：Cxl.com）
分析結果が出たら、顧客のグループごとに有効なマーケティング戦略を立案します。各グループのニーズを踏まえたアプローチをして、PDCAを回していきましょう。
優良顧客に対してはマーケティング予算を集中的に投下し、他社に奪われないようにするのが大事です。離脱傾向の見える顧客に対しては、何かしらの特典を提供したり、逆に不満足なポイントがないかリサーチし、可能であれば製品・サービスを改善したりして、離脱をくいとめるように試みます。
休眠顧客に対しては掘り起こしのアプローチをする、逆にアプローチ自体を停止しマーケティングコストを削減する2つの選択肢があります。
RFM分析の結果をもとにマーケティング施策を実行した後は、その施策の成果を検証し、継続的に改善していくプロセスが不可欠です。
顧客の購買行動に関するデータは、常に更新されていきます。その変化を素早くキャッチアップしてマーケティング施策を見直し、アップデートする必要があります。顧客行動に変化があったと素早く気付くことができるよう、CRMやSFAの活用が有効でしょう。また、顧客の行動に応じてマーケティング上のアプローチを変えたい場合には、MAの利用もおすすめです。
RFM分析はExcelを使用して手動で行うことも可能ですが、膨大なデータを扱う際には工数がかかり、入力ミスやデータ破損など、ヒューマンエラーのリスクも高まります。
たとえば「数字のタイプミス」「スペスミスや誤字」「同一データの重複入力」「コピー＆ペースト中に、入力済みの正しいデータや関数が破損してしまう」など「ちょっとしたうっかりミス」が重要なデータファイル全体に影響を及ぼしてしまうケースもあるでしょう。
そこで、顧客情報を日頃から蓄積・一元管理できる「CRM」、商談の進捗状況の管理ができる「SFA」、大量のデータ分析とビジネスの課題発見を助けてくれる「BI」といったツールを活用することで、自動化と精度の向上が期待でき、迅速かつ正確に分析を行うことができます。特に大規模なデータを扱う場合は、ツールの使用を推奨します。
RFM分析をマーケティング施策に活用している企業事例を紹介します。
ある化粧品メーカーの通販事業部門では、会員に対するDMやカタログの送付で売上げを伸ばしていましたが、販促費用が高く利益を圧迫していました。
そこでRFM分析を実施し、以下の改善を行いました。
【現状】優良顧客と休眠顧客に同じDMを頻繁に送付 ↓ 【改善策】優良顧客へのDMを減らし、休眠顧客には特別な呼び戻し施策を実施 |
このような取り組み改善により、販促コストを削減しながら売上げを伸ばすことができました。
この事例はBtoCビジネスでの事例ですが、BtoBビジネスにおいても、RFM分析に基づいてマーケティング施策を策定することで、効率的な資源配分や顧客リテンションが可能となることが示唆されます。
たとえば、優良顧客に対しては製品・サービス活用ノウハウの応用版（例：他ツールとの連携、カスタマイズのコツ、ヘビーユーザーの活用事例など）を案内し、定期的なフォローアップを行うとよいでしょう。
一方で休眠状態の顧客に向けては、初歩的な活用方法のウェビナー動画や、カスタマーサクセスのオンボーディングプログラムなど、活用の促進や呼び戻しに特化した施策を実施するなどして再アプローチを試みることで、より高いROIの達成が期待できるでしょう。
マーケティング施策を成功させるには、顧客理解がポイントです。顧客を理解するためには直に顧客とコミュニケーションをとることも重要ですが、データを分析し数値からシビアに傾向を判断することも重要です。顧客の動向は常に変化します。
RFM分析を定期的に行い、自社の最優良顧客はどの企業か？ ロイヤル顧客に育成すべき顧客はどの企業か？ 離脱傾向が見られる顧客にはどう対応するか、などをつかみましょう。
顧客層にパーソナライズされたマーケティング施策を実施すれば、顧客満足度の向上、リテンションが期待できます。引いては売上げ・収益の増加、ROIの向上につながるでしょう。