2026年10月8日にIBMのRFM分析ノードとSAPのABC分析説明を再確認した。RFMは顧客の最近性・頻度・金額、ABCは数値キーの累積寄与や固定境界、デシルは順位帯であり、同じ表でも顧客・商品・期間・売上・粗利の粒度を混ぜると解釈が変わる。小さなPOS表では同点・返品・欠測・分母・境界を先に固定し、分類を値引きや配信へ移す前に比較群、粗利、返品、停止条件を置く。
30秒で要点
POSの小さな表でも、RFM・ABC・デシルは別の問いに答えます。RFMは顧客、ABCは商品や売上キー、デシルは順位帯を見ます。先に顧客ID・商品ID・期間・返品処理・売上か粗利かを固定し、同じ粒度へ集計してから施策と再計測へ進みます。
- RFM: 最近買ったか、何回買ったか、いくら買ったかを顧客単位で見る
- ABC: 累積売上・粗利などの寄与を並べ、管理優先度を決める
- デシル: 指標の順位を10等分して、上位と下位の差を比較する
- 留保: 分類は因果効果や優良顧客を自動で証明しない。サンプルと境界の確認が必要
1. まず「誰の何を、いつまで」で表を作る
IBMのRFM分析ノードは、取引を顧客へ集計して recency・frequency・monetary を計算し、分位やビンでスコアを付ける流れを説明しています。顧客IDが欠ける行、返品・キャンセル、同一注文の重複があると、顧客の順位も施策の対象も変わります。
表が収まらない場合は、横にスクロールできます
| 固定する項目 | 例 | 先に決める理由 |
|---|---|---|
| 顧客の単位 | 会員ID、会社ID、匿名ID | 同一人物・法人の二重集計を防ぐ |
| 期間 | 直近90日、比較前90日 | recency と再購入を同じ窓で比較する |
| 取引 | 注文、明細、返品、キャンセル | 売上と返金を混ぜない |
| 金額 | 税込売上、値引後売上、粗利 | RFMのMとABCの順位が変わる |
| 欠損 | 顧客不明、商品不明 | 除外・別群・補完のルールを記録する |
この記事の数値例は説明用に作った仮想データです。実績、業界ベンチマーク、売上予測として扱いません。
2. 同じ仮想取引を三つの見方へ変換する
次の表は、3顧客・4商品・6取引からなる小さな例です。金額は円、返品はすでに差し引いたという設定にします。
表が収まらない場合は、横にスクロールできます
| 顧客 | 商品 | 最終購入日 | 購入回数 | 純売上 | 粗利 |
|---|---|---|---|---|---|
| C01 | P01 | 2026-09-28 | 2 | 24,000 | 8,400 |
| C01 | P03 | 2026-08-20 | 1 | 6,000 | 1,800 |
| C02 | P02 | 2026-09-02 | 3 | 18,000 | 7,200 |
| C02 | P04 | 2026-07-12 | 1 | 2,000 | 600 |
| C03 | P01 | 2026-06-18 | 1 | 12,000 | 3,600 |
| C03 | P03 | 2026-05-31 | 1 | 3,000 | 900 |
この例から顧客別に集計すると、C01は直近性と金額、C02は頻度、C03は古さが目立ちます。どの指標も1つだけで施策を決めず、返品率・粗利・接触履歴も横に置きます。
3. RFMはスコアの境界を「自然法則」にしない
R・F・Mをそれぞれ1〜5の分位へ割り当てる場合、観測期間、同点、顧客数、ゼロ購入をどう扱ったかを残します。たとえばRの「5」は最近の群という意味であり、将来の再購入確率が5倍という意味ではありません。分位を別期間に適用するときは、境界値を固定したか、期間ごとに再計算したかを明示します。
IBMの資料が示すように、高スコア群へ施策を集中すると接触過多や反応低下が起こり得ます。高スコアを「優良」と読み替える前に、配信回数、解約、粗利、既存の接触を確認します。
4. ABCは売上と粗利で結論が変わる
SAPのABC分析は、キー数値を大きい順に並べ、累積の寄与率で区分する考え方です。A・B・Cの閾値は目的と在庫・営業の運用方針で決める境界であり、普遍的な正解ではありません。
表が収まらない場合は、横にスクロールできます
| 順位 | 商品 | 純売上 | 累積売上 | 粗利 | 累積粗利 |
|---|---|---|---|---|---|
| 1 | P01 | 36,000 | 55.4% | 12,000 | 52.2% |
| 2 | P02 | 18,000 | 83.1% | 7,200 | 83.5% |
| 3 | P03 | 9,000 | 96.9% | 2,700 | 95.2% |
| 4 | P04 | 2,000 | 100.0% | 600 | 100.0% |
表の百分率はこの仮想表から計算した説明値です。売上でAでも粗利ではB、返品や広告費を入れるとCになる可能性があります。指標を切り替えたら、区分と施策も作り直します。
5. デシルは順位比較に向くが、同点と母数を読む
デシルは対象を指標の順位で10群へ分け、上位10%と下位10%などを比較する方法です。顧客が10人未満なら各群が成立しないため、分位数や上位・下位の固定件数へ切り替えます。同点が多い場合は、同じ順位を分割したか、境界を広げたかを記録します。
「上位デシルだけに値引き」「下位デシルを休眠」と先に決めず、ランダムな比較群を残します。施策前後の再購入、粗利、返品、接触数を同じ期間と定義で比較し、分類そのものの効果と施策の効果を分けて読みます。
6. 分類から施策へ移すチェック
表が収まらない場合は、横にスクロールできます
| 観測 | 仮説 | 小さな施策 | 対照・再計測 |
|---|---|---|---|
| R高・F低・M中 | 初回後の離脱 | 利用案内を1回送る | 同条件の未送信群と再購入率・粗利 |
| R低・F高 | 休眠の兆候 | 再入荷や更新の案内 | 接触回数と復帰率、配信停止 |
| 商品Aだが粗利C | 売上は高いが負担大 | 送料・値引・返品を点検 | 粗利、返品、継続受注 |
| 上位デシルの反応低下 | 接触過多 | 頻度を下げる群を作る | 配信停止と売上の同時確認 |
7. よくある失敗
- 注文行を顧客へ集約せず、同じ人を複数回数える
- 返品・キャンセルを売上へ残したままABCを作る
- RFMの分位スコアを確率や因果効果として説明する
- 売上のABCを粗利・在庫・顧客価値へ無断で読み替える
- 施策群だけを見て、比較群・接触数・観測窓を残さない
- 仮想データの例を自社の実績や予測として掲載する
8. 同じスナップショットから3つの分類を回す
最初にデータ辞書と集計SQLを固定し、同じスナップショットから顧客RFM・商品ABC・順位デシルを作ります。次に1つの仮説だけを小さく比較し、分類境界を変えた感度確認も行います。結果は「どの群が売れた」だけでなく、粗利・返品・接触・継続を含む判断記録にします。
関連する考え方は データドリブン意思決定 と マーケティング戦略テンプレート にまとめています。欠損や定義の境界は 欠損データの選択は仮定である も参照してください。