「自社の本当の優良顧客は誰か」を勘で語っていないか
「売上の80%は2割の顧客に支えられている」というパレートの法則は、多くの業界で実際に観察されます。しかし、自社の優良顧客が具体的に誰なのかと聞かれて、勘ではなくデータで答えられる経営者は意外と多くありません。
「あの常連客は売上に貢献している」「あの法人は大口取引だ」といった印象は、実際の購買データと照らし合わせると外れていることがあります。本記事では、専門知識なしで自社の優良顧客を特定する方法として、RFM分析の基本と経営判断への活かし方を整理します。
RFM分析とは：3つの指標で顧客を分類する手法
RFM分析は、顧客を次の3つの指標で評価する分析手法です。
- R（Recency／最終購入日）：直近の購入がいつだったか。最近買った人ほど高評価
- F（Frequency／購入頻度）：一定期間に何回買ったか。よく買う人ほど高評価
- M（Monetary／購入金額）：累計でいくら使ったか。たくさん使う人ほど高評価
各指標を5段階などに分けて、顧客を「R5×F5×M5」のような組み合わせで分類します。RもFもMも高い顧客が優良顧客、すべて低い顧客は離反した顧客、と解釈できます。
なぜRFM分析が売上向上に最もインパクトが大きいのか
顧客分析にはさまざまな手法がありますが、売上向上を論理的に追求するならRFM分析を中心に据えるのが定石です。理由は単純で、売上は「金額×頻度×直近性」の関数だからです。Mが高い顧客は単純に売上に直結し、Fが高い顧客は反復的に売上を生み、Rが高い顧客は今後も買う可能性が高い。3つの軸で顧客を切ることで、売上の構造そのものが見えてきます。
顧客のデモグラフィック属性（性別・年代・地域）で分析する手法もありますが、属性は売上との因果が間接的です。RFMは購買行動そのものを軸にするため、施策の検討に直接つながります。
RFM分析でよく見えてくる典型的なインサイト
1. パレートの法則がきれいに観察される
多くの業界で、上位20%の顧客が売上の60〜80%を占めるパレート的な分布が出ます。これは経験則として知られていますが、自社のデータで実際に確認できると経営判断の解像度が変わります。「重点的に守るべき顧客層」が定量的に把握できるようになります。
2. 直感と違う層が優良顧客になっていることがある
「うちの優良顧客はAタイプだろう」と経営者が想定していたのに、RFM分析を実施したらBタイプの方が圧倒的にM値が高かった、というケースは珍しくありません。営業・マーケティングの会話では目立つ顧客が、必ずしもデータ上の優良顧客ではない、という発見が起きます。
3. 単価が高い顧客は値段に追い詰められた状況で出てくることがある
業種によっては、「特定の状況で割高な単価でも買わざるを得ない顧客層」がM値の上位に出てきます。これは需要の価格弾力性が低い領域であり、その層に向けた施策設計のヒントになります。
「優良顧客に集中する」が必ずしも正解ではない
RFM分析で優良顧客が特定できると、つい「その層を囲い込もう」と考えがちです。しかしマーケティングサイエンスの研究では、ヘビーユーザー（優良顧客）の囲い込み戦略は失敗することが知られています。
ロイヤリティが高い顧客 ≠ 高額顧客
ロイヤリティとは、ある特定のブランドへの購入割合が高いことを指します。一方、高額顧客（M値が高い顧客）は他社の商品も含めて多く買っている人が含まれます。ロイヤリティが高い人は、購入金額自体は中位以下ということもあります。
つまり「優良顧客＝ロイヤルカスタマー」という常識は、データで見ると必ずしも一致しません。RFMで特定したM上位層に対して「ブランドへのロイヤリティが高い前提」で囲い込み施策を打つと外れる可能性があります。
前年のトップ層は翌年30%しか残らない
ある業界での実例として、前年のRFM分析で上位20%（つまり最高額利用層）に分類された顧客のうち、翌年も同じトップ層に残ったのは30%程度だったケースがあります。残り70%は他のランクから流入してきた顧客で構成されていた、という結果です。
これは「優良顧客の維持」を施策の中心にしても、顧客の入れ替わりが大きく、効果が出にくいことを示します。一方で、新しく流入してくる顧客を取り込む仕組みのほうが、全体の売上維持に貢献します。
RFM分析の正しい使い方：囲い込みではなくインサイト発見
RFM分析の経営判断への活かし方は、「優良顧客を囲い込む」ではなく、次のような使い方が現実的です。
- プロダクト・サービスのポジションを把握する：自社が業界の中でどんな顧客層に支えられているのか、立ち位置を可視化する
- 離反した顧客の特徴を見る：かつてM上位だったがR値が落ちた顧客の共通点から、プロダクトの弱みを発見する
- 新規流入の品質を測る：今期新規顧客がRFMのどのセグメントに育つかを追跡し、獲得チャネルの質を判定する
- 諦めるセグメントを明示する：M値が低くF値も低い顧客に対して施策コストをかけないという判断材料にする
RFM分析を実施する3ステップ
ステップ1：購買データを集めて顧客IDで紐付ける
分析の前提として、誰が・いつ・いくら使ったかが顧客ID単位で紐づいたデータが必要です。会員ID・メールアドレス・電話番号などをキーに、複数チャネル（EC・店舗・コールセンターなど）の購買履歴を統合します。これがCDP（顧客データ基盤）の典型的なユースケースです。
ステップ2：R・F・Mそれぞれを5段階に分割する
各指標を顧客全体の分布から5段階（または3段階）に分けます。例えばRなら「直近30日以内」「31〜90日」「91〜180日」「181〜365日」「365日超」のように区切ります。区切り方は業種により調整します。
ステップ3：セグメントごとに施策を設計する
「R5F5M5」の最優良層、「R1F5M5」の離反予兆層、「R5F1M1」の新規層など、セグメントごとに想定される顧客状態と必要な施策を整理します。施策は「囲い込み」ではなく、「インサイト発見」「諦める層の判定」「プロダクト改善のシグナル取り」が中心です。
始める前のチェックリスト
- 分析対象の購買データが、複数チャネルを通して顧客ID単位で統合されているか
- 分析期間（過去1年など）が経営判断のサイクルと合っているか
- R・F・Mの分割基準が業種特性を踏まえて設計されているか
- 分析結果を「囲い込み施策」ではなく「インサイト発見」の道具として使う前提が経営層と共有されているか
- 翌年も追跡してセグメント遷移を観測する仕組みがあるか
よくある失敗例と回避策
失敗例1：トップ層への優遇キャンペーンを打ったが効果が出なかった
「M値最上位の顧客に特別オファーを送る」キャンペーンを実施したが、反応率が想定を下回った。理由は、M上位の顧客は他社の商品も含めて多く買っていただけで、自社へのロイヤリティが高いわけではなかった、というケース。
回避策は、施策を打つ前に「この層は本当にロイヤルティが高いのか」をF値（自社に対する購入頻度）で確認すること。M値だけで判断しないことが重要です。
失敗例2：囲い込みに集中しすぎて新規獲得が手薄になった
RFM上位層への施策に予算を集中投下したが、上位層の翌年残留率が30%程度しかないため、全体の売上が下落した、というケース。
回避策は、上位層への施策と新規流入の促進をバランスして配分すること。RFM分析は新規流入が重要であることを示す根拠としても使えます。
FAQ
Q. RFM分析を始めるのに、どれくらいのデータ量が必要ですか
A. 最低でも1年分の購買データと、数千件以上の顧客レコードがあると分析の意味が出ます。これより小さい規模では、統計的なゆらぎが大きく、施策設計の根拠としては弱くなります。
Q. RFM以外の顧客分析手法はありますか
A. デシル分析（売上順に10等分する手法）、コホート分析（獲得時期別の追跡）、LTV分析（生涯価値の予測）などがあります。ただし、売上向上を主目的とするならRFMが最も直接的です。
Q. RFM分析は中小企業でもできますか
A. 顧客IDで紐づいた購買データがあれば規模を問わず実施できます。小規模ならExcel + ピボットテーブルでも可能ですし、CDPやBigQueryを使えば数千円〜1万円程度のコストで定期実行できます。
関連記事
- 中小企業こそデータドリブン経営に切り替えるべき理由｜クラウド時代の現実解
- CDPとは何か｜発注検討者のための基本と「ベンダー提案を読み解く」ための知識
- 顧客の解約予測でわかること・できないこと｜チャーン分析を経営判断につなげる
Beekleでは、生成AI／CDP／業務システムの企画・要件定義・開発・運用までワンストップで支援しています。「何を作れば成功か」の整理、検証フェーズの設計、本番化判断まで、発注側の判断材料が揃うように伴走します。費用感の概算だけでも歓迎です。