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。
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。
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。
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。
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。
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。
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。