RFM分析とは — 3つの軸が意味するもの
RFM分析とは、顧客の購買行動を3つの指標で定量化し、顧客価値を可視化するフレームワークです。 1990年代にダイレクトマーケティングの分野で確立されたこの手法は、現在もECサイトや実店舗を問わず 幅広く活用されています。
Recency（最終購買日）
最後に購入してからどれくらい経過しているか。直近に購入した顧客ほどスコアが高くなります。 一般的に「30日以内」「31〜90日」「91〜180日」「181〜365日」「366日以上」の5段階で区切ります。 Recencyが低い顧客は離脱予備軍として早めのフォローが必要です。
Frequency（購買頻度）
一定期間内に何回購入したか。回数が多いほどブランドへのロイヤルティが高いことを示します。 年間購買回数の中央値をもとに区切り、「12回以上」から「1回」まで5段階に分類するのが一般的です。 F=1の顧客をF=2に引き上げる「F2転換施策」は、LTVを最大化するうえで最も費用対効果が高い施策の一つです。
Monetary（購買金額）
累計または年間の購買総額。金額が大きいほどブランドへの経済的貢献度が高い顧客です。 ただしMonetaryは「大きい買い物を1回しかしない」顧客と「少額を頻繁に買う」顧客を混同しやすいため、 単独ではなくRとFを組み合わせて解釈することが重要です。
ポイント
3つの指標を組み合わせることで、「最近よく買っている高額顧客（優良）」から 「以前は大きな買い物をしたが最近音沙汰がない（休眠リスク）」まで、顧客を立体的に把握できます。 このマトリクスこそがRFM分析の真骨頂です。
なぜLINE CRMにRFM分析が必要なのか
LINE公式アカウントは2026年現在、国内月間アクティブユーザー9,600万人超を誇り、 小売・飲食・美容など多くの業種でメインの顧客接点になっています。 しかし多くの運営者が抱える課題は共通しています——「友だち数は増えているのに、売上に直結しない」という悩みです。
この根本原因は一斉配信の限界にあります。セグメント配信で開封率を改善する方法でも触れていますが、全員に同じメッセージを送れば、 VIP顧客には「知っている情報」、新規顧客には「理解できない情報」が届き、 ブロック率を上げるだけです。実際、一斉配信メインのアカウントのブロック率は セグメント配信を活用しているアカウントに比べて平均2〜3倍高い傾向があります。
RFM分析をLINE CRMに導入することで、次の3つが実現します。
- 配信コストの最適化：全員への無駄打ちをなくし、反応しやすいセグメントに絞って配信できる
- メッセージの精度向上：顧客の状態に合ったコンテンツを届け、開封率・クリック率が向上する
- LTV（顧客生涯価値）の最大化：優良顧客の離脱を防ぎつつ、育成すべき顧客を効率的にグレードアップできる
RFMスコアの付け方 — 5段階スコアリングの具体例
RFM分析では、各指標を5段階（1〜5点）に区切り、合計スコアで顧客をランク付けします。 以下はオンラインショップを例にした具体的なスコアリング基準です。
| スコア | R（最終購買） | F（購買回数/年） | M（累計購買金額） |
|---|---|---|---|
| 5 | 30日以内 | 12回以上 | 100,000円以上 |
| 4 | 31〜90日 | 7〜11回 | 50,000〜99,999円 |
| 3 | 91〜180日 | 4〜6回 | 20,000〜49,999円 |
| 2 | 181〜365日 | 2〜3回 | 5,000〜19,999円 |
| 1 | 366日以上 | 1回 | 5,000円未満 |
この基準はあくまで出発点です。自社の顧客の購買サイクルや客単価の分布に合わせて調整してください。 重要なのは「各スコアに意味のある顧客数が入ること」です。スコア5に全体の1%しか入らない、 あるいは80%が集中してしまうような基準は見直しが必要です。
スコアリングの実践ヒント
スコアの区切りはまず顧客データのパーセンタイル（20%・40%・60%・80%分位点）で自動分割するのが最もバランスが取れます。 Engage Ch®ではこのパーセンタイル分割を自動で計算し、RFMセグメントを即座に生成できます。
セグメント別アプローチ例
RFMスコアに基づいてセグメントを作ったら、それぞれに最適なアプローチを設計します。 以下に代表的な4セグメントと具体的な施策を紹介します。
優良顧客（R:4〜5 / F:4〜5 / M:4〜5）
最も大切にすべきブランドのファン
課題：このセグメントを失うとLTVへのダメージが最大。競合への乗り換えを防ぐことが最優先。
- VIP限定セールや先行販売への招待メッセージ
- パーソナルな感謝メッセージ（誕生日・購買記念日）
- プレミアム会員ランクへの昇格案内と特典訴求
- 新商品の「最初の1人」になれる限定オファー
新規顧客（R:4〜5 / F:1 / M:1〜3）
初回購入後のF2転換が最大の関門
課題：初回購入後、何もしなければ約70%の顧客は2度と購入しないと言われています。
- 購入後3〜7日以内にフォローメッセージ（使い方・活用アドバイス）
- 初回購入から30日以内の「2回目限定クーポン」配信
- 関連商品レコメンドでクロスセルを促進
- レビュー投稿依頼＋投稿特典でエンゲージメントを醸成
離脱リスク顧客（R:2〜3 / F:3〜5 / M:3〜5）
かつての優良顧客が足が遠のき始めた状態
課題：過去の購買頻度・金額は高いが最近来ていない。早期に手を打てばリカバリー可能。
- 「お久しぶりです」パーソナルメッセージ（最後の購入商品に言及）
- 限定割引クーポン（期限付きで緊急性を演出）
- 新商品・季節商品の先行情報で再来店動機を作る
- 「あなただけの特別オファー」形式で特別感を訴求
休眠顧客（R:1 / F:1〜2 / M:1〜2）
1年以上購入がなく、再活性化が必要
課題：コストをかけすぎず、反応がある層だけを効率よく掘り起こす戦略が必要。
- 「〇〇さんを想い出しました」系のソフトなウィンバックメッセージ
- 大幅値引きよりも「変化・新着情報」で価値提示
- アンケートで離脱理由を把握し、施策に反映
- 2回施策を打っても反応なしの場合はブロック防止のため配信頻度を落とす
LINE上での活用シーン
リッチメッセージの出し分け
RFMセグメントに応じてリッチメッセージのビジュアルとコピーを変えることで、クリック率が大幅に向上します。 リッチメニューの設計もセグメントに連動させることで、さらに効果が高まります。 たとえばVIP顧客向けには「会員限定」「プレミアム」という言葉を前面に出し、高級感のあるデザインを使用。 新規顧客向けには「ようこそ」「初回限定」でウェルカム感を演出します。
Engage Ch®では1つのLINEメッセージ配信操作で、セグメントごとに異なるリッチメッセージを自動で出し分けられます。 従来は個別に配信を組まなければならなかった作業が、1ステップで完了します。
セグメント連動クーポン配信
クーポンの割引率もRFMスコアによって変えるべきです。優良顧客に30%OFFを配布する必要はありません。 むしろ「プレミアム会員専用」という希少性の方が動機づけになる場合が多いです。
| セグメント | 推奨クーポン施策 | 割引の目安 |
|---|---|---|
| 優良顧客 | 先行販売・VIP招待・特典付きポイント | 5〜10%割引または特典付与 |
| 新規顧客 | 2回目購入クーポン（期限30日） | 10〜15%割引 |
| 離脱リスク顧客 | 限定タイムセール・シーズン訴求 | 15〜20%割引 |
| 休眠顧客 | ウィンバック専用・期限付き大幅割引 | 20〜30%割引（最終手段） |
ステップ配信との組み合わせ
RFM分析は静的なスナップショットですが、月次や週次で再計算してセグメントを更新することで動的なCRMが実現します。 顧客のスコアが変化したタイミングで自動的にフォローを入れる「トリガー型配信」と組み合わせると、 手作業ゼロで顧客ライフサイクルに沿ったコミュニケーションが完成します。
たとえば「F=1からF=2に変化した顧客」に自動で「ありがとうカード＋次回クーポン」を送るシナリオは、 F2転換率を平均18〜25%改善するという実績データがあります。具体的なF2転換・休眠掘り起こしの自動配信シナリオも参考にしてください。
実装のポイント
RFM分析の効果を最大化するには「分析 → セグメント作成 → 配信 → 結果測定」のサイクルを高速で回すことが重要です。 ツールを選ぶ際は、RFMスコアの自動計算、セグメントのリアルタイム更新、配信結果のセグメント別レポートがワンプラットフォームで完結するかどうかを確認してください。
まとめ
RFM分析は「難しそう」と思われがちですが、本質は単純です。 「いつ・何回・いくら」を数値化して顧客を知り、それぞれに合った言葉で話しかける——これだけです。
LINE CRMにRFM分析を組み込むことで実現できる変化をまとめます。
- 配信の無駄打ちが減り、メッセージ通数コストを20〜40%削減
- セグメント配信によりクリック率が一斉配信比で平均2.3倍向上
- F2転換施策でリピート率が15〜25%改善
- 休眠顧客ウィンバックで掘り起こし成功率が3〜5%向上（一斉配信での反応率0.5%と比較）
ただし、これらの数値はあくまで参考値です。業種・商材・顧客の購買サイクルによって最適なRFM設計は異なります。 まずは自社データでスコアリングを試み、PDCAを回すことがなにより重要です。