エクセルを使ってRFM分析をするには？メリット・デメリットも解説 | パソコンスキルと資格のSCワンポイント講座

Geminiにて作成

RFM分析とは一体どんな分析方法でしょう？行う目的は？

RFM分析とは一体どんな分析方法でしょう？行う目的は？

これらを疑問に思う方々も多いかもしれません。

最適なマーケティングを行うための手法の一つとして、RFM分析という顧客分析方法があります。

RFM分析は、基本の3要素である直近の購入日・商品の合計購入回数・合計購入金額の3データのみで誰でも簡単にマーケティング分析が可能です

まずは、基本を理解して、実際に分析につなげてみてください。
これから、RFM分析の基本的な目的と方法やメリット・デメリットを簡単に解説します

RFM分析の基本の3要素と目的

C:\Users\school01\Desktop\RFM\RFMとは.jpg
Canvaにて作成

RFM分析は以下の3指標の頭文字から名付けられてます。

Recency：直近の購入日

Frequency：商品の合計購入回数

Monetary amount：合計購入金額
実際に必要なデータは直近の購入日・商品の合計購入回数・合計購入金額のみで分析が可能です。

購買データを軸に顧客をセグメントで分けた後、各セグメントの顧客向けにマーケティング施策を講じるのに適しています。では、実際にどう行うのかを見てみましょう。

Excelや表計算ソフトでRFM分析をしてみよう

C:\Users\school01\Desktop\RFM\RFM分析の写真.jpg
Canvaにて作成

ここからは、実際に例としてエクセルで簡単にRFM分析をする流れを説明します。
基本的な手順は4ステップになります

データを準備

直近購入日から現在までの日数を割り出し
顧客ランクを分類
割り出した顧客ランクを施策への活用

では各ステップを実際に見てみましょう

1.データを準備

実際のデータを表にします

Recency：直近の購入日　各顧客の実際購入日の日付（複数ある場合は現在からの直近日）

Frequency：商品の合計購入回数　各顧客が対象期間内に何回購入したか

Monetary amount：合計購入金額　各顧客の対象期間内の購入総計

ここでみなさんは、3つのデータを集計するのは可能だが対象商品に絞るのか？それとも取扱品全体に対してか？と悩むかもしれません。
それは、どのターゲットに対して今回RFM分析を行うかによって変わります。

ですので、今回は商品Xに対してRFM分析をしようとなれば、商品Xに対してのデータを抽出すればよいですし、店舗全体でアプローチするのであれば、対象期間内全商品つまり各お客様の購入総計からデータを抽出することになります。

対象となるデータをどう抽出するのかわからないということであれば、Excelのピボットテーブル等で一旦データを整理してから取り掛かってみてください。

2.直近購入日から現在までの日数を割り出し

“C:\Users\school01\Desktop\RFM\スクリーンショット 2026-09-25 105159.png”
個人作成

次に、直近購入日から現在までの日数を割り出します。
実際に顧客の購入日は様々です。月に何度も購入する方や1年に一度の方もいるかもしれません。それを直近購入日の日付からの経過日数としてデータ化します。

実際の関数は下記となります。

経過日数=DATEDIF(実際購入日セル,データ集計日セル,”d”)

もしくは

データ集計日セル－実際購入日セル

※実際購入日はデータ集計日より前であることが前提

ここで気を付けるべき点は、データ集計日は全データ同日にするということです。
これで各顧客が購入してから何日経過したかが経過日数としてデータ化されます。

3.顧客ランクを分類

“C:\Users\school01\Desktop\RFM\スクリーンショット 2026-09-25 105217.png”
個人作成

出来上がったデータから顧客を分類してみます。
何段階に評価するかはその時々で変わりますが、例として3段階分類の方法を見てみましょう。

3段階分類として、以下3段階に分類してみます。

優良顧客　評価　３
一般顧客　評価　２
離反顧客　評価　１

そして、RFM各項目で評価付けを行います。
各評価の基準は、分析を行う対象により設定が必要です。
また、設定を変えることで違う結果も見える場合があるので、設定を変えて分類することで
分析することも可能です

例としてどう評価付けするかを挙げてみます。

Recency：直近の購入日　各顧客の実際購入日の日付（複数ある場合は現在からの直近日）
例）2か月以内　　3
　　半年以内　　　2
　　半年以上経過　1

Frequency：商品の合計購入回数　各顧客が対象期間内に購入したか
例）5回以上購入　３
　　２～4回購入　２
　　1回のみ購入　１

Monetary amount：合計購入金額　各顧客の対象期間内の購入総計
例）10,000円以上　３
　　3000円～10,000円未満　2
　　3000円未満　　1

上記は一例ですが、どの範囲基準で設定するかでデータの見え方は異なってきます。
この評価基準は慎重に設定することをおすすめします。

4.割り出した顧客ランクを施策への活用

C:\Users\school01\Desktop\RFM\Gemini_Generated_Image_rt2pcbrt2pcbrt2p.jpg
Geminiにて作成

最後に、”3.顧客ランクを分類する”の段階で振り分けた分類からどう効果的に販売や商品開発等の施策へ活用していくかを考えてみます。

この段階では、ＲＦＭそれぞれの要素を切り分けて比較したり、全てを合算して評価したりと様々な評価が可能です。

そこからより効果的にどの指標で改善すればよいのかを把握し、新たな施策へつなげることで売上・集客増加を向上させていきます。
また新たな施策は、各分類セグメント毎にKPI（目指す指標）を決め、各段階ごとに設定することでより細かく分析結果を活かすことができます。

ポイントとしては、「R（Recency: 直近の購入日）」の劣化を最優先で防ぐことが大切です。
RFM分析において最も離脱に直結するのが「R（Recency: 直近の購入日）」の低下です。F（Frequency：商品の合計購入回数）やM（Monetary amount：合計購入金額）が高い顧客であっても、R（Recency: 直近の購入日）が落ち始めた、購入間隔が空き始めた等のタイミングで即座にトリガー（例：最終購入から30日後にリマインドメール）が走る仕組みを作ると次の購買へとつながります。
例えば、「Rスコアが3から2に落ちたら離脱防止メールを自動送信する」といった仕組みを構築すれば、より効果的な購買結果に結びつきます。