RFM分析とは｜小売・アパレル企業が顧客理解を深めるための基本指標と実務活用法

会員データや購買履歴はある。
それでも、実際の販促会議では「誰にクーポンを出すか」「どの顧客へ再来店を促すか」が感覚で決まることがあります。
全顧客に同じ案内を送れば作業は早く済みますが、反応しやすい顧客には物足りず、離れかけている顧客にはタイミングが遅れることもあります。

RFM分析は、顧客を最終購入日・購入頻度・購入金額で分類し、販促や接客の優先順位を決めるための分析手法です。
アパレル・小売では、セール案内、再来店促進、優良顧客向け施策、休眠顧客への掘り起こしなどで使う場面があります。
ただし、分類しただけでは施策は動きません。誰に、いつ、どの案内を出すかまで決めて初めて、現場で使える分析になります。

この記事では、RFM分析の意味とやり方を説明したうえで、アパレル・小売の販促や接客でどこまで使えるのかを扱います。
Excelで試す場合の限界や、顧客管理システムへ移す目安もあわせて見ます。

1. RFM分析とは

RFM分析とは、顧客の購買行動を「Recency」「Frequency」「Monetary」の3つの指標で評価し、顧客ランクやセグメントに分ける分析手法です。

RFM分析で見たいのは、顧客の性格そのものではありません。
直近で購入しているか、どれくらい繰り返し購入しているか、どの程度の購入金額があるかを見て、「今声をかけるべき顧客か」「まだ育成中の顧客か」「そろそろ離れそうな顧客か」を分けます。

指標	意味	見ること
Recency	最終購入日	最後の購入からどれくらい経過しているか
Frequency	購入頻度	一定期間内に何回購入しているか
Monetary	購入金額	累計または期間内でいくら購入しているか

たとえば、最近も購入していて、購入回数が多く、購入金額も高い顧客は、優良顧客として先行案内や限定特典の対象になります。
一方で、以前は購入金額が高かったものの、直近の購入が止まっている顧客は、休眠前の掘り起こし対象として見ておきたい層です。

このようにRFM分析は、売上だけを眺める分析ではなく、顧客ごとに次のアクションを変えるための分類です。

2. RFM分析で見る3つの指標

RFM分析では、3つの指標をきれいに並べるだけでは足りません。
購入金額が高い顧客でも、最終購入日がかなり古ければ、今も優良顧客として扱ってよいかは迷います。
反対に、購入金額はまだ高くなくても、最近購入し始めた顧客は育成対象として見たほうがよい場合があります。

2.1. Recency：最終購入日

Recencyは、顧客が最後に購入してからどれくらい日数が経過しているかを見る指標です。
直近で購入している顧客ほど、ブランドや店舗への関心がまだ残っている可能性があります。

アパレルでは、シーズンやセール時期の影響を受けやすいため、単純に「30日以内」「90日以内」と固定するだけではなく、商材の購入サイクルに合わせて基準を決めます。
日常的に買い足される商品と、年に数回しか買わない高単価商品では、同じ経過日数でも意味が変わります。

2.2. Frequency：購入頻度

Frequencyは、一定期間内の購入回数を見る指標です。購入頻度が高い顧客は、店舗・EC・ブランドとの接点が多く、リピート施策や会員ランク施策の対象になりやすい顧客です。

ただし、購入回数だけを見ると、小物や低単価商品を何度も購入している顧客と、高単価商品を少ない回数で購入している顧客を同じようには扱えません。
そのため、FrequencyはMonetaryと組み合わせて見る必要があります。

2.3. Monetary：購入金額

Monetaryは、顧客が一定期間内または累計でどれくらい購入しているかを見る指標です。
売上貢献度を把握し、優良顧客、育成顧客、高額購入顧客などを分ける際に使います。

小売では、値引き販売やセール購入が多い顧客も購入金額が高く出る場合があります。
粗利やプロパー購入比率まで見るなら、購買金額だけでなく、販売価格、値引き額、商品カテゴリも並べて見ます。

3. RFM分析のやり方

RFM分析は、最初から複雑な統計処理にする必要はありません。
まずは顧客ID、購入日、購入回数、購入金額を集計し、粗くスコアを付けます。
初回は多少ざっくりしていても、販促や接客の対象を分けられるかを見るほうが現実的です。

手順	作業内容	決めること
1. 対象期間を決める	直近6か月、直近1年など、分析対象の期間を決める	季節性や購買サイクルを反映できる期間にする
2. 購買データを集める	顧客ID、購入日、購入金額、購入店舗、商品カテゴリを用意する	店舗とECを同じ顧客で見られる状態にする
3. RFM指標を算出する	最終購入日、購入回数、購入金額を顧客ごとに集計する	返品やキャンセルを集計に含めるかを決める
4. スコアを付ける	各指標を5段階や3段階でランク付けする	何日以内、何回以上、いくら以上を高評価にするかを決める
5. 施策に落とし込む	セグメントごとにメール、LINE、アプリ通知、店頭接客を設計する	誰に、いつ、何を案内するかを決める

スコアの基準は、業種や商材によって変わります。
月に何度も購入される商材なら購入頻度の基準は高くなりますが、シーズンごとに購入されるアパレル商品では、半年から1年単位で見るほうが実態に合う場合があります。

最初から細かく分類しすぎると、施策を作り切れません。
初回は「優良顧客」「育成顧客」「休眠予備軍」「休眠顧客」など、販促や接客の打ち手が変わる単位まで分けるのが現実的です。

4. RFM分析で分ける顧客セグメントと施策例

RFM分析の目的は、顧客を細かく分類して満足することではありません。
分類した顧客に対して、配信内容、クーポン条件、店頭での声かけを変えることです。
ここでは、アパレル・小売で使いやすい顧客セグメントと、その顧客に出す施策例を一覧にします。

セグメント	RFMの傾向	施策例
優良顧客	直近購入があり、購入頻度も購入金額も高い	先行販売、限定イベント、会員ランク特典、担当者からの個別案内
育成顧客	直近購入はあるが、購入回数や購入金額はまだ低い	次回購入クーポン、コーディネート提案、カテゴリ別のおすすめ配信
高額購入顧客	購入金額は高いが、購入頻度は低い	高単価商品の新作案内、予約販売、購入商品のメンテナンス案内
休眠予備軍	以前は購入していたが、最終購入日から時間が空いている	再来店クーポン、好みのカテゴリに絞った案内、店舗スタッフからのフォロー
休眠顧客	最終購入日が古く、購入頻度も低い	大きめの再開促進キャンペーン、配信停止リスクを考慮した低頻度配信
新規顧客	直近で初回購入がある	ブランド紹介、サイズ・スタイリング情報、2回目購入を促す案内

同じクーポンでも、優良顧客と休眠顧客では役割が異なります。
優良顧客に毎回値引きを出すと利益を削るだけになることがありますが、休眠予備軍には再来店のきっかけとして機能する場合があります。

セグメントを作るときは、顧客名簿をきれいに分けることよりも、各セグメントに対して実行できる施策があるかを先に見ます。
施策が変わらない分類は、運用上の負担だけを増やします。

5. アパレル・小売でのRFM分析の活用例

アパレル・小売では、RFM分析を販促配信だけで終わらせないほうが使いやすくなります。
店頭接客、EC施策、商品カテゴリ別の提案、在庫消化の判断までつなげると、顧客分類が日々の動きに近づきます。
ここでは、現場で使いやすい活用例を挙げます。

5.1. 優良顧客に先行案内を出す

RFMスコアが高い顧客には、新作、予約販売、会員限定イベントを先に案内します。
すでに購入頻度が高い顧客へは、単純な値引きよりも、限定性や早く見られる体験のほうが反応しやすい場合があります。

店頭では、購入履歴から好みのブランド、サイズ、カラー、価格帯を見て、スタッフが来店前に提案内容を用意します。
ECでは、閲覧履歴やカテゴリ別購入実績と組み合わせて、メールやアプリ通知の内容を変えます。

5.2. 休眠予備軍に再来店のきっかけを作る

最終購入日から一定期間が経過した顧客には、休眠する前に再来店を促します。
過去に購入したカテゴリの新作、サイズ展開、関連商品の入荷情報など、顧客が前回購入した理由に近い案内から始めると、単なる一斉配信より反応を見やすくなります。

休眠顧客への施策では、値引き率だけを上げると、再購入しても利益が残りにくくなります。
RFM分析では「以前は高頻度だった顧客」「一度だけ高額購入した顧客」を分け、再開の見込みに応じて施策の強さを変えます。

5.3. 店舗とECの顧客行動をつなげて見る

店舗だけ、ECだけでRFM分析を行うと、顧客の状態を誤って判断することがあります。店舗で購入していない顧客でも、ECでは直近購入があるかもしれません。
反対に、ECで反応がない顧客が店舗では継続購入している場合もあります。

店舗、EC、アプリ、LINEなどの接点を顧客IDでつなげると、顧客ごとの購買頻度や購入金額を追いやすくなります。
オムニチャネル施策を行う場合は、チャネル別ではなく顧客単位でRFMを見られる状態が前提になります。

5.4. 商品カテゴリやSKU別に施策を変える

同じ優良顧客でも、よく購入する商品カテゴリは異なります。
婦人服、紳士服、雑貨、靴、バッグなどのカテゴリ別に購買履歴を見ると、同じRFMランクでも案内すべき商品が変わります。

たとえば、購入頻度は高いが単価が低い顧客には、関連カテゴリのセット提案を行えます。
購入金額は高いが頻度が低い顧客には、次のシーズン商品や予約販売を案内するほうが合う場合があります。

6. ExcelでRFM分析を始める流れ

RFM分析は、最初から専用ツールを用意しなくても、Excelで試せます。
目的は、完璧な分析表を作ることではなく、自社の顧客データでセグメントが作れるか、施策に使える分類になるかを確認することです。

6.1. Excelで用意するデータ

ExcelでRFM分析を行う場合は、少なくとも次の項目を用意します。

• 顧客ID
• 購入日
• 購入金額
• 購入店舗または購入チャネル
• 商品カテゴリ

顧客名や電話番号ではなく、顧客IDで集計できる状態にしておくと、店舗やECのデータを後からつなげやすくなります。

6.2. Excelでの集計手順

まず、顧客IDごとに最終購入日、購入回数、購入金額を集計します。
次に、最終購入日からの経過日数を算出し、購入回数と購入金額を合わせて、各指標を3段階または5段階でスコア化します。

スコアを付けたら、RFMの組み合わせで顧客セグメントを作ります。
たとえば、Rが高くFとMも高い顧客は優良顧客、Rが低くFとMが過去に高かった顧客は休眠予備軍として扱います。

6.3. Excel運用で止まりやすいポイント

Excelは試作には向いていますが、毎月同じ作業を手で繰り返す運用には限界があります。
データ抽出、名寄せ、スコア更新、配信リスト作成を人手で行うと、担当者によって基準が変わったり、前月のファイルが上書きされたりするリスクがあります。

RFM分析を一度試す段階ではExcelで十分です。
毎月の販促、店舗接客、会員ランク更新まで使うなら、顧客管理システムやCRMでデータ更新と施策実行をつなぐ形が現実的です。

7. RFM分析の注意点

RFM分析は顧客分類に使いやすい一方で、3つの指標だけできれいに判断できない顧客も出ます。
分類結果をそのまま施策に使う前に、どこで誤判定が起きやすいかを見ておきます。

7.1. 購入理由までは分からない

RFM分析で分かるのは、いつ、何回、いくら購入したかです。なぜ購入したのか、なぜ購入しなくなったのかまでは分かりません。

たとえば、最終購入日が古い顧客でも、単に対象商品の購入サイクルが長いだけかもしれません。反対に、直近購入がある顧客でも、セール品だけを目的に来店している場合があります。
施策を決めるときは、商品カテゴリ、値引き有無、来店チャネル、キャンペーン反応も合わせて見ます。

7.2. 高い購入金額が優良顧客とは限らない

Monetaryが高い顧客は売上貢献度が高く見えますが、値引き購入が多い場合は利益貢献が低いことがあります。
アパレルでは、セール期にまとめ買いした顧客と、プロパー商品を継続購入する顧客を同じ評価にすると、施策の優先順位を誤ります。

粗利まで見る場合は、販売管理やPOSのデータから値引き額、原価、商品カテゴリを合わせます。
購入金額だけで会員特典を出すと、利益が出にくい顧客へ過剰な優遇を行う可能性があります。

7.3. スコア基準を固定しすぎない

RFMスコアの基準は、商材、価格帯、季節、店舗数によって変わります。
前年と同じ基準を使い続けると、購入サイクルが変わったときに顧客ランクが実態とずれることがあります。

特に、出店・閉店、EC強化、価格改定、セール方針の変更があった時期は、過去の基準をそのまま使うと分類が歪みます。
半期やシーズンごとに、スコア分布と施策結果を見直します。

7.4. セグメントを増やしすぎない

RFMの組み合わせを細かく分けると、多数の顧客セグメントを作れます。
しかし、配信文面、クーポン条件、店頭接客の運用が追いつかない分類は、現場で使われません。

最初は、施策が明確に変わる単位で分類します。
優良顧客、育成顧客、休眠予備軍、休眠顧客のように、担当者が次の行動を判断できる数に抑えるほうが継続しやすくなります。

8. RFM分析を販促・接客へつなげるために必要なデータ

RFM分析を施策に使うには、最終購入日・購入回数・購入金額だけでは少し足りません。
同じ顧客ランクでも、購入カテゴリや利用チャネルが違えば、出すべき案内は変わります。
顧客を分けた後に「何を案内するか」で止まらないよう、購買履歴の中身まで見られる状態を作っておきます。

8.1. 顧客IDで店舗とECをつなげる

店舗会員、EC会員、アプリ会員が別々に管理されていると、同じ顧客を別人として集計してしまいます。
RFM分析を顧客単位で行うには、店舗とECの購買履歴を顧客IDでつなげる必要があります。

名寄せができていない状態では、店舗では休眠顧客、ECでは優良顧客のように判定が分かれることがあります。
販促対象を決める前に、顧客データがどこまで統合されているかを見ておきます。

8.2. 商品カテゴリとSKUを持たせる

購入金額だけでは、顧客が何に反応しているのか分かりません。
商品カテゴリ、ブランド、サイズ、カラー、SKUを購買履歴に紐づけると、顧客ランクごとに提案する商品を変えられます。

アパレルでは、同じ購入金額でも、仕事用の定番商品を買う顧客と、トレンド商品を買う顧客では次に響く案内が違います。
RFM分析に商品軸を加えると、施策の内容を具体化しやすくなります。

8.3. キャンペーン反応を蓄積する

RFM分析で作ったセグメントに施策を出したら、配信結果を次回の判断に戻します。
メールの開封、クリック、クーポン利用、来店、購入、配信停止まで見ると、同じセグメント内でも反応の違いが見えてきます。

施策結果を残さないまま次の配信を行うと、RFM分析は毎回の抽出作業で終わります。
分析、施策、結果確認、基準見直しまでを一連の運用にして、次回の配信条件へ戻します。

9. 顧客管理システムでRFM分析を継続する方法

RFM分析は、一度作った表を見て終わりになりやすい分析でもあります。
販促や接客に使い続けるには、顧客データの更新、ランク付け、対象者抽出、施策実行、結果確認を毎回同じ基準で回す必要があります。
Excelで試したRFM分析を継続運用へ移す段階では、顧客管理システムやCRMで顧客情報と購買履歴をまとめて見られるようにします。

9.1. 顧客ランクを自動で更新する

顧客管理システムで購買履歴を取り込むと、最終購入日、購入回数、購入金額を定期的に更新できます。
顧客ランクが自動で変われば、休眠予備軍に入った顧客を早めに拾い上げ、再来店施策へ回しやすくなります。

毎月のCSV加工に頼る運用では、担当者が変わったときに集計条件が変わることがあります。
システム上でスコア基準を定義しておけば、同じ条件で顧客セグメントを追えます。

9.2. 販促配信と店頭接客へつなげる

RFM分析の結果は、メールやLINEの配信リストだけでなく、店頭接客にも回せます。
顧客が来店したときに、購入履歴、顧客ランク、好みのカテゴリが見えれば、スタッフは過去の購買に合わせて提案しやすくなります。

ECやアプリでは、顧客セグメントに応じておすすめ商品やキャンペーンを出し分けます。
店舗とECのデータを分けずに見ることで、顧客ごとのコミュニケーションがぶれにくくなります。

9.3. LoyalCustomerVisionで顧客分析を運用に落とし込む

ディー・ティー・ピーのLoyalCustomerVisionは、顧客情報と購買履歴をもとに、RFM分析や顧客ランク管理を販促・接客へつなげるための顧客管理システムです。
店舗、EC、会員情報を顧客単位で見ながら、セグメントごとに次のアクションを検討しやすくなります。

RFM分析をExcelで試したあと、毎月の抽出や配信リスト作成が負担になっているなら、そこが運用を切り替える目安になります。
顧客分類を作るだけでは、担当者の作業はあまり減りません。
施策実行と結果確認までつなげて、初めて分析結果を売上改善やリピート促進に使いやすくなります。

10. まとめ：RFM分析は顧客を分けるだけでなく、次の施策を決めるために使う

RFM分析は、最終購入日、購入頻度、購入金額の3つの指標で顧客を分類し、販促や接客の優先順位を決めるための分析手法です。
アパレル・小売では、優良顧客への先行案内、育成顧客への次回購入促進、休眠予備軍への再来店施策などに使います。
ただ、分類名を付けただけでは施策は変わりません。

一方で、RFM分析だけでは購入理由や好みの商品までは分かりません。
商品カテゴリ、SKU、店舗・ECの利用状況、キャンペーン反応を合わせて見ると、顧客セグメントごとの施策を具体化しやすくなります。

Excelで試す段階では、顧客ID、購入日、購入金額を集計し、シンプルなスコアで顧客分類を作るだけでも十分です。
その後、毎月の販促や店頭接客へ使うなら、データ更新、ランク付け、施策実行、結果確認までを同じ流れで回せる状態にします。
ここまでつなげないと、RFM分析は「作ったけれど使われない表」になりやすいためです。

この記事の執筆・編集

株式会社ディー・ティー・ピー
システム営業部 編集チーム

株式会社ディー・ティー・ピー システム営業部 編集チームは、アパレル・小売企業向け基幹システムの専門チームです。
販売管理、在庫管理、顧客管理、販促支援を含むシステムの販売と導入を支援し、300社以上の導入実績があります。
本記事では、顧客データをRFM分析で分類し、販促、接客、リピート促進へつなげるための考え方を前提に解説しました。