購買データのチカラ
購買行動データ分析で
ヒットの道筋が見える!

購買データのチカラ » POSとID-POSデータの違いとは? » RFM分析

RFM分析

商品を顧客に販売するビジネスモデルにおいてはマーケティングの他、販売実績に基づくさまざまな分析が求められます。ここでは中でも「最近の購入日」「来店・購入頻度」「購入金額」の3視点から分析するRFM分析を紹介します。

RFM分析とは

RFM分析とは

RFM分析は「最近の購入日(Recency)」「来店・購入頻度(Frequency)」「購入金額(Monetary)」という3つの視点から分析を行う手法であり、それぞれの頭文字を取ってRFM分析と呼ばれています。この3視点をベースにして顧客のランク付けやグルーピングを行い、それぞれのグループに対してさまざまな施策を検討します。

RFM分析の進め方

まずは分析のベースとなるR・F・Mのデータをそれぞれ集計する必要があり、POSレジのデータなどを用いて整理を行います。この集計したデータをエクセルなどの表計算ソフトで整理・編集し、顧客ごとのランク付けやグループ分けをしていきます。表形式でもデータ分析を行うことは可能ですが、より効果的に分析を進めるためにはグラフなども含めビジュアル化するとよいでしょう。

RFM分析のメリット

状況が可視化できる

店頭で顧客に接している販売員は感覚として「あのお客さんはよく来る」「あのお客さんはたくさん買ってくれる」などといった顧客特性を把握していることもあるでしょう。しかし感覚は人によって異なりますし、現場スタッフの感覚止まりでは売上拡大などに活用することができません。データに基づくRFM分析を行うと、こういった顧客特性を可視化して把握できます。

PDCAサイクルを回しやすくなる

PDCAサイクルを上手く回すためには仮説を立てることや施策実施後の効果測定も必要です。しっかりとデータ集計をしたうえでRFM分析を行うことで、どの層に対してどのような施策でリーチし、その結果として数字がどう変わっていくかをモニタリングすることができます。

RFM分析のデメリット

分析に時間がかかる

データは細かく取れば取るほどさまざまな検証が可能です。RFM分析は顧客ごとのデータを集計しますので、その点でいうと精緻な分析をすることができます。一方でデーターの質や量が不十分な場合正確な分析手法がしにくく、最新の顧客行動が反映されてしないなどの欠点もあります。

低頻度の優良顧客見落とし

RFM分析は基本的に購入頻度が高い・購入金額が高いという顧客を高く評価します。さらにその中でも購入頻度に重点を置いた集計・分析を行うことが多く、その場合、購入頻度は低いものの優良顧客である、という顧客を見落としてしまうおそれがあります。そのためデータの集計結果のみではなく広い視野を持った分析が求められます。

ID-POSを活用したRFM分析

カテゴリー(顧客属性)を取得してデータの補完ができる

RFM分析にはR・F・Mの3視点だけでなく別の視点を加えることでより深いデータ分析を行えます。たとえば顧客属性・カテゴリーを加えたRFMC分析とすることで、性別や年齢などの区分ごとの、人気商品・サービスを掘り下げて分析できます。

アイテム(購入商品)を取得してデータの補完ができる

RFM分析に購入商品・アイテムを加えることでRFMI分析とすることもできます。この分析ではアイテムを購入した顧客を把握できるので、顧客に対するアプローチ方法や内容を深く検討することができます。反対にアイテム購入しなかった顧客について掘り下げることができますので、強みを伸ばすだけでなく弱みを補うための検討も進めることができます。

ID-POSを駆使してRFM分析を

ID-POSは誰がその商品を購入したのかが分かるPOSシステムですので、RFM分析を行ううえでは必要不可欠といえるでしょう。POSを導入しておらず細かなデータ集計をしない状態で営業している店舗もあるかもしれませんが、ID-POSを導入してPDCAサイクルを構築してはいかがでしょうか。

ヒット商品で売上拡大を目指す!
コンビニへ商品を卸す
NB食品メーカー

IDレシートBIツール
フェリカネットワークス
「IDレシートBIツール」公式サイト画面キャプチャ
引用元HP:「IDレシートBIツール」
公式サイト(https://receiptreward.jp/solution/)
おすすめの理由
  • 大手コンビニ3社(セブンイレブン/21,592店舗、ファミリーマート/16,259店舗、ローソン/14,643店舗)の顧客データを分析し、売れ筋商品や不人気商品を特定。人気商品の特徴を基に、新商品の開発や既存商品の改良を実施できる。
  • JANコードのない商品の分析ができるため、主要外食400チェーンのデータも網羅。それにより、消費者の嗜好とトレンドを取り入れた商品開発を検討できる

分析データの活用例を見る

商品改良や適切な売値で利益UP!
スーパーへ商品を卸す
PB食品メーカー

real shopper SM
ショッパーインサイト
「real shopper SM」公式サイト画面キャプチャ
引用元:「real shopper SM」
公式サイト(https://shopperinsight.co.jp/service/)
おすすめの理由
  • 複数のスーパーの生鮮食品や惣菜を含むID-POSデータを横断的に確認し、地域ごとに異なる消費者のニーズを把握。嗜好や購買パターンを理解し、商品改良につなげられる
  • 自社ブランドの値引き額、値引き率での売上変化や購入者の質を分析し、適切な価格を探索できる。それによって売上と利益を最大化。

分析データの活用例を見る

継続顧客の割合を増やす商品開発!
ドラッグストアへ商品を卸す
化粧品メーカー

SOO Dashboard
Segment of One & Only
「SOO Dashboard」公式サイト画面キャプチャ
引用元:SOO Dashboard
公式サイト(https://www.segone.jp/soo-dashboard)
おすすめの理由
  • 1,300店舗のドラッグストアの購買データから、ブランド構造分析でブランドの新規購入、継続購入、離反の割合を確認でき、継続顧客を増やすための戦略を立案できる。
  • ドラッグストアに特化したID-POSデータ分析。年齢、性別、購買頻度別の売上データから顧客セグメントごとの嗜好を把握できる。

分析データの活用例を見る

※セブンイレブンの店舗数(国内):2024年7月末時点
※ファミリーパートの店舗数(国内):2024年7月末時点
※ローソンの店舗数(国内):2024年2月末時点

レシートを活用した購買行動データ分析とは?