RFM分析とは｜3指標のスコアリングとセグメント別施策・Excel実践手順まで

販促のメールやDMを、顧客リスト全員に同じ内容で送っていないでしょうか。先月買ってくれた常連にも、一年前に一度きりで離れた人にも、同じクーポンを一斉配信する——これは、限られた予算と時間を平らに薄めてしまうやり方だと言えるでしょう。本来なら、常連には常連の、離れかけた人には離れかけた人の、それぞれ違う声のかけ方があるはずです。

その「誰に、どんな声をかけるか」を、購入履歴という手元のデータだけで判断できるようにするのがRFM分析です。難しい統計知識は要りません。三つの数字を見て、顧客をいくつかのグループに分け、グループごとに打ち手を変える。それだけで、同じ広告費・同じ工数でも成果の出方が変わってきます。この記事では、その考え方と実際の手順を、順を追って解説します。

RFM分析とは：3つの指標で顧客を見る

RFM分析は、顧客一人ひとりの購買行動を、次の3つの頭文字であらわす指標で捉える手法です。まずは、それぞれが何を意味するのかを丁寧に押さえます。

Recency(最終購入からの経過日数)

Recencyは「直近性」を意味し、その顧客が最後に買い物をしてから今日まで何日経っているかを見る指標です。3つの中でも、実は最も重要とされることが多い指標だと言えるでしょう。理由はシンプルで、つい先週買ってくれた人と、二年前に一度買ったきりの人とでは、次にもう一度買ってくれる確率がまるで違うからです。

最終購入日が近い顧客ほど、あなたの店やサービスを覚えており、関係が生きています。反対に、経過日数が長くなるほど記憶は薄れ、他社に乗り換えている可能性も高まります。だからこそ、Recencyが浅い顧客に向けた施策は反応が得やすく、費用対効果が高くなる傾向があります。

Frequency(購入頻度)

Frequencyは、一定の期間内にその顧客が何回買い物をしたかを示す指標です。回数が多いほど、あなたの商品やサービスを日常的に使ってくれている、いわば「習慣化された顧客」だと考えられます。頻度の高さは、ブランドへの信頼や満足度のあらわれでもあります。

集計期間の取り方には注意が必要です。過去1年で数えるのか、直近3か月で数えるのかによって、同じ顧客でも数値が変わります。扱う商材の購入サイクルに合わせて期間を決めるとよいでしょう。日用品のように頻繁に買われる商材なら短めに、高額で買い替えの少ない商材なら長めに設定するのが自然です。

Monetary(購入金額)

Monetaryは、その顧客がこれまでに(あるいは対象期間に)いくら使ってくれたかという金額の合計です。金額が大きい顧客は、売上への貢献度が高く、事業を支えてくれている存在だと言えます。1回あたりの単価が高い顧客もいれば、単価は低くても回数を重ねて累計が大きくなる顧客もいます。

Monetaryを見るときは、金額の大きさだけに引っ張られすぎないことが大切です。大きく使ってくれた顧客が必ずしも「今」活きているとは限らないためです。二年前に高額商品を一度だけ買った人は、Monetaryは高くてもRecencyが極端に低い、という状態が起こり得ます。3指標を組み合わせて初めて、顧客の姿が立体的に見えてくるのです。

セクションのまとめ：RFM分析は「いつ・どれだけ・いくら」買ったかの3指標で顧客を捉える手法で、なかでもRecency(直近性)が次の購入確率を最も強く示す傾向があります。

スコアリングとランク分けの進め方

3つの指標は、そのままでは単位もばらばらで比べにくいものです。そこで、それぞれを1〜5点のような段階に採点(スコアリング)し、共通の物差しに揃えます。ここが分析の心臓部です。

5段階スコアリングの基本

もっとも一般的なのは、各指標を5段階に分けて1〜5点をつける方法です。Recencyなら「最近買った人ほど高得点」、FrequencyとMonetaryなら「多いほど高得点」となるように点数を割り当てます。全顧客を良い順に並べ、上位20%を5点、次の20%を4点……と等分する「五分位(クインタイル)」でスコア化する方法が扱いやすく、実務でよく使われます。

下の表は、あくまで一例としての区切り方です。実際の閾値は、自社の顧客データの分布を見ながら調整する必要があります。他社の基準をそのまま持ち込むのではなく、自社の「普通」を基準にすることが肝心です。

スコア	Recency(最終購入)	Frequency(年間回数)	Monetary(累計金額)
5点	30日以内	10回以上	10万円以上
4点	31〜90日	6〜9回	5〜10万円
3点	91〜180日	3〜5回	2〜5万円
2点	181〜365日	2回	1〜2万円
1点	366日以上	1回	1万円未満

スコアからセグメントを組み立てる

各顧客にR・F・Mそれぞれのスコアがつくと、たとえば「R5・F4・M5」のように3桁の組み合わせで表現できます。この組み合わせをもとに、顧客をいくつかのグループ(セグメント)にまとめていきます。3指標がすべて高い顧客は最優良層、Rは低いがFとMが高い顧客はかつての優良客で離反しかけている層、といった具合です。

3桁の全パターンは125通りにもなりますが、それを一つずつ相手にする必要はありません。中小企業の実務では、次のように4〜6程度の実用的なグループに束ねるのが現実的です。細かく分けすぎると、施策を用意しきれず机上の空論になってしまいます。

セクションのまとめ：各指標を五分位などで1〜5点に採点し、その組み合わせを4〜6の実用的なセグメントに束ねることで、「誰に何をするか」の地図ができあがります。

セグメント別の施策：優良・離反・新規・休眠

セグメントに分けたら、次はグループごとに打ち手を変えます。同じ予算でも、届け方を変えるだけで反応は大きく変わります。ここでは代表的な4タイプへの施策を整理します。

セグメント	状態	主な施策の方向性
優良顧客	最近・高頻度・高額	特別扱いで関係維持。限定情報・先行案内・お礼
新規顧客	最近・まだ低頻度	2回目を促す。使い方案内・フォローで定着
離反優良顧客	かつて優良・最近来ない	最優先で呼び戻し。個別の声かけ・特別提案
休眠顧客	長く離れている	低コストで再接触。反応がなければ深追いしない

優良顧客：守りに徹する

優良顧客は、事業の売上を支える最重要層です。この層に対して大切なのは、新しく何かを売り込むことよりも、「大事にされている」と感じてもらい、関係を長く保つことだと言えるでしょう。新商品の先行案内、会員限定の特典、購入後の丁寧なお礼など、特別扱いが効きます。

一般に、新規顧客の獲得には既存顧客の維持よりずっと多くのコストがかかると言われます。だからこそ、目立ちにくいこの層を静かに守り続けることが、費用対効果の面で理にかなっています。値引き競争に巻き込まず、価値と信頼で結びつくことを意識するとよいでしょう。

新規顧客：2回目の壁を越えてもらう

新規顧客は、最近買ってくれたばかりで、まだ頻度は低い層です。ここでの課題は明確で、「2回目の購入」を引き出すことに尽きます。多くの事業で、1回だけで離れてしまう顧客の割合は非常に高く、2回目を買ってもらえるとその後も続く可能性がぐっと高まります。

初回購入から間を空けずに、使い方の案内、関連商品の紹介、次回に使えるささやかな特典などでフォローするのが効果的です。この層を優良顧客へと育てていく流れは、リピート率やLTV(顧客生涯価値)の改善に直結します。関連記事もあわせて参照してください。

離反優良顧客と休眠顧客：呼び戻しに濃淡をつける

もっとも見落とされがちで、しかし最優先で手を打つべきなのが「離反優良顧客」です。かつては頻繁に高額を使ってくれていたのに、最近ぱたりと来なくなった——この層は、まだあなたを覚えており、戻ってくる余地が大きい相手です。単なる一斉配信ではなく、「お久しぶりです」という個別性のある声かけや、その人に合わせた特別な提案が響きます。

一方、長く離れている休眠顧客に対しては、力の入れ方に濃淡をつけるのが賢明です。復活すれば嬉しいものの、全員に手厚くアプローチするのは非効率になりがちです。メール一斉配信のような低コストな再接触を試し、反応がなければ深追いしない、という割り切りも必要でしょう。「やらないことを決める」のも、限られたリソースを守る立派な戦略です。

セクションのまとめ：優良顧客は守り、新規顧客は2回目へ導き、離反優良顧客は最優先で呼び戻し、休眠顧客は低コストで再接触——セグメントごとに力の入れどころを変えるのがRFM分析の要です。

RFM分析の実践手順(Excel・ツール)

考え方がわかったら、実際に手を動かしてみましょう。専用ツールがなくても、購入履歴のデータとExcel(またはGoogleスプレッドシート)があれば、RFM分析は十分に始められます。

ステップ1：データを準備する

まず、通販システムやPOS、予約システムなどから購入履歴をCSVで書き出します。最低限必要な列は「顧客を識別できるID(またはメールアドレス)」「購入日」「購入金額」の3つです。この3列さえあれば、RFMの計算はすべて成り立ちます。個人情報を扱うため、ファイルの保管場所や共有範囲には十分に気をつけてください。

ステップ2：顧客ごとにR・F・Mを集計する

次に、顧客IDごとに3つの数値を集計します。ピボットテーブルを使うと手早く処理できます。Recencyは「基準日(集計する当日など)から各顧客の最終購入日を引いた日数」、Frequencyは「対象期間内の購入回数」、Monetaryは「購入金額の合計」です。関数で行う場合は、MAXIFSで最終購入日を、COUNTIFSで回数を、SUMIFSで金額を求めると整理しやすいでしょう。

この段階で、1顧客につき1行、そこにR(日数)・F(回数)・M(金額)の生の数値が並んだ表ができあがります。ここまで来れば、分析の下ごしらえは完了です。

ステップ3：スコア化する

生の数値を、1〜5点のスコアに変換します。あらかじめ決めた閾値でIF関数を使って区切る方法が分かりやすいでしょう。より客観的に等分したい場合は、PERCENTRANKやパーセンタイル関数を使い、上位20%ごとに区切って五分位でスコア化します。Recencyだけは「日数が少ないほど高得点」と向きが逆になるので、点数の付け方を反転させる点に注意してください。

ステップ4：分類し、施策に落とす

各顧客のR・F・Mスコアが揃ったら、その組み合わせでセグメントに振り分けます。たとえば「Rが4〜5かつFが4〜5」なら優良顧客、「Rが1〜2だが過去のF・Mが高い」なら離反優良顧客、といった条件をIF関数や作業列で判定します。最後に、各セグメントに前章で整理した打ち手を割り当てれば、明日から動けるアクションリストの完成です。

ツールを使う選択肢

顧客数が数千を超えて手作業がつらくなってきたら、MA(マーケティングオートメーション)ツールやCRM、あるいはBIツールの導入を検討する段階かもしれません。多くのツールにはRFM分析やセグメント配信の機能が備わっており、集計から配信までを自動化できます。ただし、いきなり高機能なツールに飛びつく必要はありません。まずはExcelで一度手を動かし、自社にとって意味のある区切りや施策の感覚をつかんでから、ツールに載せ替えるのが失敗の少ない順序だと言えるでしょう。

セクションのまとめ：RFM分析はID・購入日・金額の3列があればExcelで実践でき、「準備→集計→スコア化→分類と施策」の4ステップで回せます。まずは手作業で感覚をつかむのが近道です。

RFM分析の注意点と限界

便利なRFM分析にも、万能ではない部分があります。使う前に、その限界を知っておくと判断を誤りにくくなります。

過去の行動しか見ていない

RFM分析が扱うのは、あくまで「これまでの購買実績」です。今後どうなるかの未来予測ではありませんし、なぜその顧客がそう行動したのかという理由も教えてくれません。たとえば離反優良顧客が離れた原因が、引っ越しなのか、不満なのか、単なる一時的な事情なのかは、RFMの数字だけでは分かりません。数字はあくまで出発点であり、その先はアンケートや問い合わせ内容など、別の情報で補う姿勢が求められます。

商材の性質によっては向かない

RFMは、繰り返し購入される商材や、継続利用されるサービスと相性が良い手法です。反対に、住宅や自動車のように一生に数回しか買わない超高額商材や、購入サイクルが極端に長い商材では、FrequencyやRecencyがうまく機能しないことがあります。自社の商材がRFMに向くかどうかを、はじめに見極めておくとよいでしょう。

閾値は定期的に見直す

一度決めたスコアの区切りは、永遠に正しいわけではありません。季節性のある商材なら繁忙期と閑散期で顧客の動きは変わりますし、事業の成長とともに顧客層の分布も動きます。少なくとも数か月に一度は分析をやり直し、閾値やセグメントの定義が今の実態に合っているかを点検する習慣を持つことが望まれます。

セクションのまとめ：RFM分析は過去実績のみを見る手法で、理由や未来は分かりません。商材との相性を見極め、閾値を定期的に見直しながら、他の情報と組み合わせて使うことが大切です。

AIを使えば、RFM分析の運用は手間を半分にできます

データの集計やセグメントごとの文面づくりは、AIを半自動化の道具として使うことで、ぐっと負担を減らせます。人間は判断に集中し、手を動かす部分をAIに任せる分担が現実的です。

活用1：集計とスコア化の関数づくり

「顧客IDごとにRecency・Frequency・Monetaryを求めるExcelの数式を教えてほしい」「五分位でスコア化する式を作ってほしい」といった依頼を生成AIに投げると、具体的な関数やピボットの手順を返してくれます。関数に不慣れな担当者でも、AIに相談しながら進めれば、集計作業のハードルは大きく下がるでしょう。エラーが出たときの原因調べにも役立ちます。

活用2：セグメント別の文面づくり

優良顧客へのお礼、離反優良顧客への呼び戻し、新規顧客へのフォロー——セグメントごとに声のトーンを変えたメールやDMの文面を、AIにたたき台として複数案つくらせることができます。「常連向けに感謝を伝える、押し売りにならない文面を3案」といった具合に、狙いを添えて指示すると精度が上がります。ゼロから書くより何倍も速く、しかも人間は選んで整える作業に集中できます。

AIに任せきりにしないほうがよい領域

一方で、次のような領域は人間が判断を握るべきです。

• スコアの閾値やセグメント定義など、事業の実態に照らした最終判断
• 顧客一人ひとりの背景を踏まえた、個別の呼び戻し提案の可否
• ブランドの声やトーンに合っているかの最終確認
• 個人情報や顧客の購入データそのものをAIに入力すること(プライバシー配慮)

とりわけ、実際の顧客リストや購入履歴をそのままAIサービスに貼り付けるのは避けるべきです。数式の相談は「サンプルの数値」で行い、本番データはローカルで処理する——この切り分けを守れば、AIは強力な相棒になります。最終判断は人間が責任を持つ役割分担が、安全で長続きします。

セクションのまとめ：集計の数式づくりやセグメント別の文面作成はAIで半自動化でき、担当者の手間を大きく減らせます。ただし閾値の判断や本番データの扱いは人間が握るのが安全です。

RFM分析で「やってはいけない」5つのこと

RFM分析は手軽な反面、使い方を誤ると労力ばかりかかって成果につながりません。中小企業がつまずきやすい5つの失敗を挙げておきます。

やってはいけない1：分析して満足し、施策につなげない

もっとも多い失敗が、きれいなセグメント表をつくった時点で力尽きてしまうことです。RFM分析は分けること自体が目的ではなく、分けた先で打ち手を変えて初めて意味を持ちます。1セグメントでもよいので、必ず具体的な行動に落としてください。

やってはいけない2：最初から細かく分けすぎる

125通りのすべてに施策を用意しようとすると、準備しきれずに頓挫します。最初はRecency中心の2〜3グループで十分です。運用が回り始めてから、少しずつ細かくしていくのが続けるコツです。

やってはいけない3：他社の閾値をそのまま真似る

「30日以内なら5点」といった区切りは、あくまで一例です。自社の顧客の購入サイクルや分布を無視して他社基準を当てはめると、全員が同じスコアに固まったりして、分類が機能しなくなります。必ず自社データの分布を見て決めてください。

やってはいけない4：Monetaryだけを重視する

「たくさん使ってくれた人が一番大事」と思い込み、Monetaryばかり見るのは危険です。金額が大きくても、もう何年も来ていない顧客は活きていません。3指標をバランスよく見て、とりわけRecencyを軽視しないことが肝心です。

やってはいけない5：一度きりで終わらせる

顧客の状態は刻々と変わります。1回分析しただけで満足すると、すぐに実態とずれていきます。理想は月次や四半期ごとの定点観測です。仕組み化して繰り返すことで、はじめて資産になります。

セクションのまとめ：施策につなげない・細かく分けすぎる・他社基準を真似る・Monetary偏重・一度きりで終わる——この5つの失敗はいずれも避けるべきです。

あわせて読みたい関連記事

RFM分析は顧客分析の一手法です。全体像や周辺の指標も押さえると、施策の精度がさらに高まります。

• 顧客分析とは｜手法の全体像と進め方をやさしく解説 — RFM以外の分析手法も含めた顧客分析の全体地図を確認できます。
• LTV(顧客生涯価値)とは｜計算方法と高め方 — 優良顧客を育てることが、なぜ利益に効くのかを深掘りします。
• リピート率とは｜計算方法と改善の考え方 — 新規顧客に2回目を促す施策の土台となる指標です。

よくある質問

RFM分析について、実務でよく寄せられる質問をまとめました。

まとめ：全員一律をやめ、誰に何をするかを決める

RFM分析は、手元の購入履歴だけで「大事にすべき顧客は誰か」「今すぐ声をかけるべき顧客は誰か」を見える化する、費用をかけずに始められる顧客分析です。本記事の要点を改めて整理します。

• RFM分析はRecency(最終購入)・Frequency(頻度)・Monetary(金額)の3指標で顧客を捉える手法である
• 3指標のうち、次の購入確率を最も強く示すRecencyが重要とされることが多い
• 各指標を五分位などで1〜5点に採点し、4〜6の実用的なセグメントに束ねる
• 優良顧客は守り、新規顧客は2回目へ、離反優良顧客は最優先で呼び戻し、休眠顧客は低コストで再接触する
• ID・購入日・金額の3列があればExcelで「準備→集計→スコア化→分類」の4ステップで実践できる
• 集計の数式や文面づくりはAIで半自動化できるが、閾値判断と本番データの扱いは人間が握る
• 過去実績のみを見る限界を理解し、閾値を定期的に見直しながら他の情報と組み合わせる

大切なのは、完璧な分類を目指すことではなく、粗くてもよいから顧客を分け、グループごとに打ち手を変えて回し続けることです。全員に同じ販促を送るのをやめる——その第一歩を、まずは手元のExcelから踏み出してみてください。

あわせて読みたい：コホート分析とは