RFM分析：顧客とRFMセグメンテーションの詳細

この記事では、顧客グループ（またはセグメント）の行動に基づくRFM（最新性、頻度、金銭的価値）分析について見ていきます。 この分析方法により、ユーザーの行動とユーザーがどのように支払いを行うかを調査できます。 その結果、ダイレクトマーケティングに関する貴重な洞察を得ることができます。

RFM分析を使用すると、購入の頻度と価値によって顧客をセグメント化し、最も多くのお金を費やしている顧客を特定できます。

• 最新性–顧客があなたから何かを購入してからどれくらい経ちますか
• 頻度–顧客があなたから購入する頻度
• 金銭的価値–顧客が行った購入の合計値

これらの指標によると、顧客をグループに分けて、どの顧客が頻繁に多くのものを購入し、どの顧客が少数であるが頻繁に購入し、どの顧客が長い間何も購入していないかを理解することができます。

原則として、一般的なプロモーションのオファーに反応する顧客はごくわずかです。 RFMは、顧客の反応を予測し、インタラクションを改善し、利益を増やすための優れたセグメンテーション方法です。 RFMは、顧客行動データを使用して、各顧客グループとの連携方法を決定します。

RFM分析の本質は、顧客が最後に購入した最近の頻度、購入の頻度、および注文の平均値に基づいて、顧客をグループに分割することです。 これらの指標ごとに、1から3までの番号が割り当てられた3つのグループのいずれかに顧客を割り当てます。

最新性：

• 1 –長年の顧客。
• 2 –比較的最近の顧客。
• 3 –最近の顧客。

周波数：

• 1 –めったに購入しない（単一注文）。
• 2 –購入頻度は低いです。
• 3 –頻繁に購入します。

金銭価値

• 1 –購入額が少ない。
• 2 –購入の平均値。
• 3 –購入価値が高い。

顧客には、最新性、頻度、および金銭的価値の数値を連結することによってRFM値が割り当てられます。 たとえば、顧客111は、かなり前に金銭的価値の低い1つの注文をしました。 一方、顧客333は、高額の注文を行い、最近購入することがよくあります。 すべてのカテゴリに3が含まれる顧客は、最高の顧客です。

RFM分析を実行するには、 OWOX BIを使用する方法とExcel（またはGoogleスプレッドシート）を使用する方法の2つの便利な方法があります。

Excelとは異なり、OWOXBIではRFMを自動的に計算できます。

この分析のデータソースは、次のフィールドを持つ各注文に関するデータを含むGoogleBigQueryのテーブルまたはビューです。

• userId –Webサイトデータベース/ERP内の顧客のユーザーID。
• 収益–注文からの収益。
• 作成済み–注文作成日。

ステップ1 。 ERPからの確認済み注文のデータを使用することをお勧めします。 OWOX BI Pipelineを使用して、このデータをBigQueryに簡単にエクスポートできます。

ステップ2 。 OWOX BIは、RFM分析結果のGoogleAnalyticsへのインポートをカスタマイズする機会も提供します。 これにより、次のことが可能になります。

• ユーザーに関する追加情報を使用して、より詳細なオーディエンス分析を行うために、GoogleAnalyticsで新しいカスタムレポートとセグメントを作成します
• RFM分析を使用して、Google広告、メールニュースレター、ポイントプログラムのリマーケティングオーディエンスを作成します

ステップ3 。 GoogleBigQueryからGoogleAnalyticsへのRFM分析データのインポートの設定は、次の2つのステップで構成されます。

1. GoogleAnalyticsWebリソースを設定します。
2. OWOXBIパイプラインでストリームを作成します。

最後の2つのポイントを詳しく見てみましょう。

1. ユーザーレベルでカスタムディメンションを作成して、RFM分析の結果を保存します（カスタム定義→カスタムディメンション→ +新しいカスタムディメンション）：

2. Google Analyticsにデータをインポートするためのデータセットを作成します（[データのインポート]→[新しいデータセット]） ：
   

• インポート動作をクエリ時間として指定します。 これにより、インポートされたデータを履歴データと組み合わせることができます。 それ以外の場合、データは、RFM分析の結果をダウンロードした後にGoogleAnalyticsで収集されたヒットとのみマージされます。 クエリ時間のインポートは、Googleのユーザーのみが利用できることに注意してください

• 次に、データセットに名前を付け、インポートされたデータを利用できるビューのリストを決定します。
  

• 最後に、データスキーマを定義し、データセットを保存します。

それでおしまい。 これで、データをインポートするためのGoogleアナリティクスのウェブプロパティ設定が構成されました。 これで、インポートに進むことができます。

1. 正しい構造でデータを返すSQLクエリを準備します。

2. ここで説明されているように、 OWOXBIパイプラインでストリームを作成します。

データがGoogleAnalyticsに表示されるまで待ちます。

すべての準備が整いました。 OWOX BIは、ユーザーの関与をあまり必要とせずに、RFM分析を自動的に実行します。

1. ExcelでRFMを計算するには、CRMからトランザクションデータ（顧客名、購入日、購入金額）をダウンロードすることから始めます。
   

2. 各顧客の最後の購入日、顧客があなたから購入した合計回数、およびそれらすべての注文の合計金額を決定するには、ピボットテーブルを使用します。
   

3. CRMの一部の顧客は何かを購入したことがない可能性があるため、すべてのトランザクションを1つの行にまとめる必要があります。 これを行うには、値Clientを行に追加します。
   

4. 次に、各顧客の注文数を数える必要があります。 これを行うには、値に購入日を追加します（[要約]列にCOUNTAを指定することを忘れないでください）。

5. 次に、各顧客のすべての注文の合計値を計算します。 これを行うには、購入金額を値に追加し、[要約]列に[合計]を指定します。
   

6. 次に、各顧客の最後の購入日を計算する必要があります。 これを行うには、値に購入日を追加し、既知のグラフでMAXを指定します。

分析の準備は以上です。 次に、このデータを新しいページに転送して、RFM値を計算する必要があります。

7. まず、列の名前を「顧客」、 「最終購入日」、「注文頻度」、 「注文数」、「購入額」に変更します。次に、分析の主要部分に進みます。 式= TODAY （）を使用して、顧客が最後に購入した日数を計算します。 これは、R（最新）値のデータになります。

8. この時点で、最新性、頻度（注文数）、および金銭的価値（金額）に関するすべてのデータがあります。 次に、このデータに基づいて1から3までの値を割り当てます（上記の基準に従って）。

Recencyの値から始めましょう。 最初に行う必要があるのは、顧客の33％と66％が私たちから購入した期間を計算することです。 これは、式= PERCENTILE.INC（C2：C12; 0.33）および= PERCENTILE.INC（C2：C12; 0.66）を使用して簡単に実行できます。 現在、33％のお客様が61日以内に当社の製品を購入し、66％が93日以上前に購入したことがわかっています。

9. したがって、61日以内に購入した顧客には最高値の3を割り当てます。61日から93日前に注文した顧客には、2の値を割り当てます。残りの93日以上前に購入した顧客には、値1。これはすべて、式= IF（C2 <61; 3; IF（C2 <93; 2; 1））で自動的に計算できます。

10. 同じ原則を使用して、 F （頻度）とM （金銭的価値）の値を計算します。最初に、顧客の33％と66％が購入した回数を計算し、その結果に基づいて、1から3.

11. より明確にするために、各顧客の3つの値すべてを連結してRFM値を計算します。 これは、式= D2 * 100 + F2 * 10+H2を使用して行うことができます。
    

それでおしまい。 Googleスプレッドシート（​​またはExcel）でRFM分析に必要なすべての計算を行いました。 これらの式はいくつかの誤算を自動化するのに役立ちますが、それでもRFMの計算に多くの時間を費やす必要があることに注意してください。

ただし、時間と従業員の時間を重視する場合、または大規模なデータベースがある場合は、OWOXBIを使用してRFM分析を実行することをお勧めします。 まだOWOXBIユーザーでない場合は、すべての機能を無料で試すことができます。

すべての計算の準備が整い、顧客をセグメント化したら、マーケティングの部分に移ります。

RFM値で顧客をグループ化することにより、顧客ベースで何が起こっているのかを即座に把握できます。 いくつかのクライアントグループの例を見てみましょう。

グループ3R-3F-3M–最もアクティブで、頻繁に購入する

これらはあなたの理想的な顧客です。 ロイヤルティプログラムを開始したり、特別なイベントに招待したり、会社をどのように発展させたいかを尋ねたりすることで、彼らとのエンゲージメントを拡大することができます。 これらの顧客に、彼らが尊敬されていることを示し、ユーザーを歓迎することが重要です。

グループ1R-1F-1M–最もアクティブではなく、一度購入した/一度も購入したことがなく、ほとんど費やしていません

これらの顧客は最も有望ではないように見えますが、完全に取り消すべきではありません。彼らは少なくとも一度はあなたの製品に興味を示しました。 ほとんどの場合、マーケターは、これらの顧客を「製品にまったく関心がない」と「有望」に分けるために、特別な挑発的なメッセージを作成します。 有望な顧客は次のカテゴリーに移すことができます。

カテゴリの1つに1つ

一部の顧客の値は122（lame Recency）である可能性があります。 このセグメントには、あなたに戻ることを決定するための少しの時間が与えられるべきです。 あなたの会社への新たな関心を喚起するために、彼らが以前に購入したものと一緒に通常購入される製品を彼らに提供するようにしてください。

カテゴリの1つで3

これらのユーザーは、あなたの研究にとって有望なセグメントです。 それらは、他の指標を上げるための適切な方法を実験して見つけるのに十分な一貫性があります。

RFM方法論は絶対的なものではありませんが、顧客ベースを分析するための非常に便利なツールです。 ほんの少しの作業で、顧客に対して個別のアプローチを取る方法がわかります。

同時に、データは季節、プロモーション、休日の影響を受けることに注意してください。 今月の購入履歴が豊富な顧客が来月何も購入しない場合、これはすぐに別のセグメントに転送する必要があるという意味ではありません。 おそらくこれは季節性の影響であり、しばらくすると購入を再開します。

それでも質問がある場合は、以下のコメントでお問い合わせください:)

また、Google Analyticsやその他の分析ツールについて詳しく知りたい場合は、ニュースレターを購読してください。 毎月、現代のマーケターやアナリストに役立つヒントを入手できます。