RFM分析というかっこいい名前の分析手法

今回はRFM分析というものについて学んだことをまとめていこうと思います。

どうでもいいですが、間違えて覚えてしまいそうな名前ですよね。FRM分析とかの方が自分にはしっくりきます・・・

 

RFM分析とは

 

RFM分析とは、Recency (直近いつ)、Frequency (頻度)、Monetary (購入金額)の3つの指標で顧客を並べ替え段階的に分け、顧客をグループ化した上で、それぞれのグループの性質を知り、マーケティング施策を講じる手法です。

Data Analysis > 顧客分析の手法

RFMはそれぞれ

Recency

Frequency

Monetary

の頭文字なのですね。

自分の今回のお仕事だと、引用の最後の部分、「マーケティング施策を講じる」の部分が「サイト改善提案を講じる」になるわけですね。

見る指標としては、

R:前回購入から直近の訪問までどれくらいの期間が空いたか

F:累計購入回数

M:累計購入金額

となります。

 

なぜFRM分析という手法を用いるのか?

 

やみくもにデータを見ても、どこを見たらいいのかわからないし、問題点もみつかってこないし、非常に効率が悪いです。

RFM分析を行うことで、その会社のどこが問題かどうかがわかります。

例えば、累計購入回数・累計購入金額が非常に多く、直近のサイト訪問に6ヶ月以上空きがある訪問者グループの人数が多かった場合、それは優良顧客が別サービスに移行してしまっている可能性が考えられます。

また、累計購入回数1回の人数が多く、購入回数2回以上のグループが非常に少ない場合、リピーターをなかなか獲得できていない、という問題が浮かび上がります。

 

こんな風にして、グループ化してそのグループの人数が多いか少ないかを見ることで、会社の課題がいくつか浮かび上がります。

課題が見つかったら、グループ同士のサイトでの行動を比較することにより、サイト上の問題の箇所を特定することができます。

 

例えば、リピータを全然獲得できていない!ということが課題としてわかったら、

新規訪問者グループのみのデータと、リピータグループのみのデータで、サイト上の行動を比較して、新規とリピータでみられているコンテンツの違いなどがあれば、リピータがよくみているコンテンツを押し出すようにすればよい、となりますね。

 

Adobe Analyticsの場合、「前回購入からの訪問」指標に注意!

 

累計購入回数・累計購入金額なんかはすぐデータがとれるのですが、R(前回購入からの期間)

のデータの取り方は要注意です。

「前回購入からの訪問」というまさに打ってつけじゃないかと思える指標が存在するのですが、これを利用すると罠にはまります。

 

というのも、分析期間中に同じ訪問者の行動が数回以上カウントされてしまう可能性があるからです。

 

分析対象期間が、2017/1/1 ~ 2017/8/31 だったとします。

この期間にAさんは以下のような行動をとりました

イベント①: 1/1に訪問&購入

イベント②: 7/1に訪問

イベント③: 7/2に訪問&購入

イベント④: 7/6に訪問

この例の場合、今回の分析期間において、「前回購入からの訪問」指標では、Aさんのデータは

180日(1/1~7/1)181日(1/1~7/2)と4日(7/2~7/6)で3回カウントされます。

Rでみたいのは、期間内最新の購入から最新の訪問までにどれくらいの期間があるか、です。なので今回取得したいデータはAさんの場合、「4日」ということになります。

でも前回購入からの訪問だと、180日,181日というカウントもされてしまいますので、まともなデータがとれません。

 

ですので、1つの方法としては

STEP1:訪問者ID×購入回数をDWHで取得

STEP2:エクセルの関数で、最新の購入のログのみを残す

STEP3:特定の日付を設定し、そこと購入日の差分を出す

(セグメントを作成する場合)

STEP4:STEP3で出した数値でフィルターをかけて、IDでセグメント作成

 

余談

 

R,F,Mと3つの要素があるため、先にいずれか2要素でクロスしてグループ化し、そのグループと残り1要素でクロスするとよいですね。

 

AAで訪問者単位でセグメントを作成して比較することは今までもたびたび分析に用いていましたが、R要素でセグメント化することははじめてだったので勉強になりました。

 

 

学びの記録おわり