CRMによって顧客ロイヤリティを向上させ、LTVを改善させようとする際に、RFM分析の話が出ることが多いかと思います。
しかし、簡単に思えても実際に実行してみると意外と発生する問題が多く、LTV向上という成果を出すのは難しいものです。
この記事では、RFM分析を利用したCRMで陥りがちな、注意したい３つのポイントをお伝えします。
※CRM 「Customer Relationship Management」の略で、
顧客との関係を構築し、ビジネスの成長を実現するための戦略や施策を指す
※LTV （顧客生涯価値）とは顧客1人当たりが作り出す累計売上
※RFM 「Recency Frequency Monetary」の略。詳しくは後述
目次
RFM分析とは？
RFM分析とは顧客分析手法のひとつで、顧客の行動傾向にあわせた施策を実施することによりLTVの最大化を図るために使われます。
具体的には顧客の購買行動を下記の３つの指標で分類し、顧客のランク付けおよび選別をもとにマーケティング施策を立てる手法をいいます。
- Recency …最後に注文をした日付からの経過日数
- Frequency …累計の購入回数
- Monetary …累計の利用金額
これら3つの指標の頭文字を取ってRFM分析と呼びます。
直近の注文があり、累計購入回数が多く、かつ、累計利用金額が多い顧客ほどランクが高い優良顧客と判断できます。
反対に最後の注文からの経過期間が長く、利用回数が少なく、かつ利用金額が低い顧客ほどランクが低い（というとイメージが良くないですが）顧客となります。
もともとは、メールよりも郵送コストの高いダイレクトメールを使ったCRMを実施する際に、反応率の低い顧客へDMを送付することによる無駄なコストを防ぐために古くから使われていた手法です。
ここまでの概要だけを聞くと顧客の引き上げやすさや、引き上げるべきタイミング、引き上げたときの将来的な収益に対する期待、などが数値化・可視化できるため素晴らしい分析方法のように思えますが、気を付けて分析および施策立てを進めないと効果的に売上向上につなげることが難しくなります。
RFM分析を実施する際に気を付けたい３つのポイント
まずは全体感をおさえ、最初から細かすぎるシナリオを組まない
RFM分析をする上で陥りがちな失敗が、最初から細かい数字を見過ぎてしまうことです。
まずは、直近動いている顧客・休眠しそうな顧客・休眠している顧客がどのぐらいいて、それぞれ累計回数やLTVごとにどんな分布になっているかなど、全体感をとらえましょう。
最初から細かすぎるシナリオをセットしてしまうとPDCAを回しても労力にみあった改善結果が得られないことが多いので、まずはある程度の母数をもったグルーピングをしてPDCAを回しながら効果的に細分化していく方が、結果としてシナリオの最適化は早く進めることができます。
意味あるランク分けにする
ターゲット別に最適な施策を実施するためには、累計購入回数やLTVがいくらからをロイヤル顧客として見るのか？どの程度の期間注文が無かったら休眠とするのか？など、ランク分けの定義は感覚値ではなく根拠のあるものにする必要があります。
R（最終注文からの経過日数）について
例えば、顧客別のリードタイム（注文間隔）の情報をもとに、8割の顧客が90日以内にリピートしているのであれば
- 90日を過ぎると休眠候補顧客
- 最長のリードタイムの顧客が300日だとした場合に300日以降は休眠顧客
として定義するなど、現状の顧客の行動や企業側の販売手法、商品ジャンルにあわせたランク分けが必要になります。
F（累計注文回数）について
同じように利用回数にしても
- 購入1回目→2回目のリピート率が20％
- 2回目～5回目までは50％で推移
- 6回目を越えると80％がリピートしている
といった場合、これらのリピート率の変化にあわせたランク分けが必要となります。
M（累計注文金額）について
LTVについても同様で、累計利用金額と回数の相関関係をもとにランク分けすることで、施策を打つ際に現状の顧客の実態にあわせたグルーピングが可能になります。
数字の裏にある顧客の心理を考える
RFMはあくまで計測時点での顧客の分布を数値化したものなので、各ランクに所属する顧客は当然時間軸で変化します。
そのためグループごとの数字ではなく、その裏に隠された顧客の心理や時間軸によって変化する顧客心理とその行動もふまえた施策のプランニングが必須になります。
例えば、累計の注文回数（F）が多いのに累計の注文金額（M）が少ない顧客グループがいた場合、単純にそこのターゲットに対して高額な商品を紹介するのではなく、なぜ、低単価な利用が多いのか？顧客の視点にたって考える必要があります。
わかりやすい事例でいうと、メンズファッションをメインに扱っていたアパレルECで、低単価の利用が多かった顧客の購入履歴を調べると、アンダーウェアやくつ下などの消耗品を繰り返し買っている顧客の比率が多いというデータが出ていました。
その顧客に対し、そのECサイトのメイン商材である高額なドレスシャツを購入できるようブランドや商品に対する啓蒙コンテンツを流したところ、LTVが1.5倍に上昇した、という成功事例もありました。
RFM分析を利用したCRMの効果的な事例
RFM分析をもとにした施策としては、主に休眠の復活、休眠の阻止、ロイヤル顧客のさらなる利用促進＆活用の３つに分けられます。
効果的な事例をいくつか箇条書きで紹介します。
休眠顧客の復活
- 同商品でリピートしない顧客に、関連する別の商品へ誘導（クロスセル）
- 価格がネックで離れていた顧客に対し、限定クーポンの配布
- 他モールや他店舗での購入によって自社サイトで買わなくなった顧客に対し、自社サイトならではのメリットを訴求
- 製品の良さについて理解が足りないためにリピートしていない顧客に対し、製品やブランドの啓蒙コンテンツ配信
休眠の阻止
- バースデーメールやポイント明細など、顧客が自分にお得なこととしてとらえるコンテンツの配信
- 定期的なキャンペーンの配信（期間限定のおまけやセット、数量限定品、セール情報など）
- 新製品の投入やまだ購入していない関連製品の紹介（アップセルやクロスセル）
- アンケートによる満足度や意見の収集と対策の実施（休眠してしまってからでは声が集まらないため）
ロイヤル顧客対策
- ロイヤル顧客限定のキャンペーン（特別先行販売、限定ノベルティの配布、限定セールなどの優遇措置）
- 生産工場見学などリアルイベント（イベントの様子を後日コンテンツとしても利用）
- ロイヤル顧客から新規顧客の紹介を広げるための、インセンティブ付の紹介キャンペーン
まとめ
効果的なCRMを実現する上でRFM分析は必要不可欠な対応ですが、顧客心理にもとづいた仮説なしでは、ただのデータにしか過ぎません。
自社の顧客心理をしっかりと理解した上で、安易に値引きオファーを出すといった対応ではなく、「顧客視点にもとづいた施策を、より精度高く実施して顧客を効果的に育成する」という本来のCRMの目的を忘れずに、RFM分析を活用することが重要であるといえるでしょう。
なぜなら、顧客心理を理解したおもてなしを実現することは現時点ではAIでの自動化は困難で、人間にしかできないことであり、ロイヤル顧客に育つ顧客がECサイトに求めるのも、そのような心のこもったおもてなしであるからです。
