RFM分析の解釈から考えることは？

RFM分析については、
以下のような解釈がなされます。

・Rが高い顧客ほど将来の収益に貢献する可能性が高い
・Rが低ければFやMが高くても他社に奪われ離反している可能性が高い
・Rが同じならFが高いほど常連客になっている
・Rが同じならFやMが高いほど購買力がある顧客
・RやFが高くてもMが少ない顧客は購買力が低い
・Fが低くMが高い顧客はRの高い方が良い顧客
・Fが上がらないか下がっている顧客は他社に奪われている可能性が高い
・RFMすべてが低い顧客は切り捨てることも検討

RFM分析は3次元であるためイメージ
しにくいところがありますが、
このようなイメージで
とらえていただければよいと思います。

通常はRFMをそれぞれ3〜5つくらいの
グループに分けます。

5つに分けた場合、
全体では5×5×5＝125のグループに
分かれます。

しかしながら実際の運用では
125のグループに別々の施策を打つことは
現実的ではありません。

さらにこれらのグループを
RFMスコアを用いていくつかに集約します。

具体的には、RFだけ、FMだけというように
2つの要素だけを用います。

2次元で分析するのです。
ランクをどこで区切るかは重要な問題です。
業界によっても、相当違うのが実情です。

１）R（直近購買日）の分布をみる
Recencyは一般に最近
ほど頻度が高くなる傾向にあります。

２）F（購買頻度）の分布をみる
Frequencyはほとんどが1〜2回しか
買っていない顧客だが、頻度の多い人は極めて多い
という指数関数的な分布を示すことがあります。

このようなデータを取り扱う場合は、
Ｘ軸の区間を等間隔で取るのではなく、
指数的に取ったほうが視覚的にもわかりやすくなります。

３）M（購買金額）の分布をみる
Monetaryも比較的指数関数的な分布になります。
通販会社は送料が無料になるポイントがあるような場合で
送料が無料になる金額まで商品を購入します。

これも1つの購買行動なので、
送料無料になる金額を境に、
顧客を分けるというのも1つの考え方です。

４）RFMランク別の顧客数の確認
このようなことに注意し、R、F、Mを
それぞれ5つのランクに分けます。

顧客にはそれぞれ1〜5までの
3つの値が割り振られることになり、
顧客が125に分類されます。

今回の区切り方の場合、
R、F、Mのそれぞれのランクには、
以下のように顧客が割り振られました。

ランク1を5点
ランク2を4点
というように点数化をすると、
合計15点の超優良顧客は
右上に配置するようにします。

最も重要度の低い顧客は左下に配置されます。

例えば13点以上を優良顧客に
位置づけることができます。

全ての顧客をより少ない
グループに集約することも可能となります。

文字ではわかりにくいですが、図表や数値化にすると
分かりやすいです。