2026年10月8日にIBM SPSSのRFM分析ノード、出力、ビニングの現行資料を再確認した。RFMは顧客ごとにRecency・Frequency・Monetaryを観測窓へ集計し、ビンや分位の境界、同点、ゼロ購入、返品、欠損を決めて順位を付ける方法である。高スコアは過去期間の相対的な位置であり将来価値や因果効果ではないため、施策前後の比較群、粗利、配信停止、返品、更新日を別に記録する。
30秒で要点
RFMは、顧客ごとの最終購入からの近さ（Recency）、購入頻度（Frequency）、累計金額（Monetary）を同じ観測窓へ集計し、比較しやすいビンやスコアへ変換する方法です。
- 粒度: 顧客ID、注文、明細、返品、期間を先に固定する
- スコア: R・F・Mを分位やビンへ分け、同点処理を記録する
- 解釈: 上位は指定期間の順位で、将来価値や因果効果ではない
- 施策: 比較群、粗利、返品、接触、継続まで再計測する
1. IBMのRFM資料を狭く読む
IBMのRFM Analysis nodeは、顧客がいつ購入したか、何回購入したか、取引全体でいくら使ったかをR・F・Mとして見て、顧客データをビンに分けてスコアを付ける流れを説明しています。ビンの数や同点処理はデータと目的で調整します。
これは「高スコアの顧客は必ず良い」という証明ではありません。IBMの資料も、RFMの順位を分析や次のモデルへ渡す一つの方法として説明しています。顧客の利益、返品、接触、継続は別の列で確認します。
2. 取引を顧客の行へ集計する
表が収まらない場合は、横にスクロールできます
| 項目 | 例 | 先に決めること |
|---|---|---|
| 顧客ID | 会員ID、会社ID、匿名ID | 重複、統合、非会員 |
| 基準日 | 2026-10-01 | 未来の注文を入れない |
| 観測窓 | 過去90日 | 商品・顧客で同じ窓か |
| R | 基準日−最終購入日 | 返品・キャンセル後の最終日 |
| F | 注文数、購入回数 | 注文・明細・数量の定義 |
| M | 純売上、粗利 | 値引、送料、税、返金 |
この例の金額は説明用の仮想データです。
表が収まらない場合は、横にスクロールできます
| 顧客 | 最終購入日 | F（注文） | M（純売上） | R（日） |
|---|---|---|---|---|
| C01 | 2026-09-28 | 3 | 28,000 | 3 |
| C02 | 2026-09-04 | 5 | 18,000 | 27 |
| C03 | 2026-08-12 | 1 | 42,000 | 50 |
| C04 | 2026-06-30 | 2 | 9,000 | 93 |
基準日、期間、返品・キャンセルのルールを変えると、同じ顧客の順位も変わります。仮想表を実績、業界平均、将来予測として使いません。
3. R・F・Mを別々にビンへ分ける
Rは日数が小さいほど最近、FとMは大きいほど上位というように、向きが異なります。Rの5が「5日」なのか「最近群のスコア5」なのかを列名で区別します。
表が収まらない場合は、横にスクロールできます
| 指標 | 変換例 | 留保 |
|---|---|---|
| Recency | 日数を5分位へ反転 | 観測窓と基準日 |
| Frequency | 注文数を5分位 | 同一注文の重複 |
| Monetary | 純売上や粗利を5分位 | 外れ値、返品、値引 |
| Combined | R・F・Mを連結 | スコアは順位の組合せ |
IBMの資料は、ビンの基準を調整できること、同点が多いと分布が偏る可能性があることを説明しています。分位を期間ごとに再計算したのか、境界値を固定したのかを報告します。
4. スコアを顧客価値へ読み替えない
RFMの「555」は、選んだ観測窓でR・F・Mのビンが上位だったという記号です。将来の購入確率、利益、忠誠心、因果効果を直接表しません。
表が収まらない場合は、横にスクロールできます
| スコアの読み | 追加で確認する指標 |
|---|---|
| R高・F高・M高 | 粗利、返品、接触数、継続 |
| R高・F低 | 初回後の案内、次回購入 |
| R低・F高 | 休眠、配信停止、理由 |
| R低・M高 | 高額購入の周期、再訪 |
| M低・F高 | 値引、送料、サービス負荷 |
高スコア群へ連絡を集中すると、接触過多、解約、反応低下が起こることがあります。RFMの順位を施策の優先度へ変えるときは、既存接触、顧客の同意、粗利、比較群を同じ台帳に置きます。
5. 欠損・返品・同点を処理する
- 顧客IDなし: 除外、別群、匿名統合のいずれかを記録する
- 購入なし: Rを無限大にするか、対象外群にするかを決める
- 返品・キャンセル: 売上、F、最終購入日に反映するルールを固定する
- 同点: 同じビンに入れるか、ランダムに分けるかを明記する
- 外れ値: 上限処理、ログ変換、別分析の理由を残す
- 期間変更: スコア境界と過去比較の互換性を確認する
IBM SPSSのRFM出力資料も、ビン分布が極端に偏ったり空のビンが多い場合、ビン数や同点処理を見直す必要があると説明しています。
6. 施策後の比較を設計する
RFMの分類は施策の仮説を作る入口です。分類後に連絡した群だけの再購入率を見て、RFMが原因だと結論づけません。
表が収まらない場合は、横にスクロールできます
| 段階 | 例 | 確認 |
|---|---|---|
| 対象 | R高・F低 | 条件、除外、同意 |
| 施策 | 利用案内を1回 | 内容、接触数、期間 |
| 比較 | 未送信または別案内 | 割当、期間、汚染 |
| 主指標 | 再購入、粗利 | 分母、返品、税 |
| ガードレール | 解約、配信停止 | 苦情、負担、長期 |
| 更新 | 再計算・再審査 | 境界、責任者、期限 |
7. よくある失敗
- 顧客ID、注文、明細を集約せずにFを数える
- Rの向き、基準日、観測窓を説明しない
- 返品、返金、キャンセル、値引きをMから除外したまま比較する
- ビンや同点処理を隠し、スコアを将来価値と呼ぶ
- 高スコア群だけを施策し、比較群や接触数を残さない
- 仮想データやIBMの説明を自社の成果・予測として書く
8. 分類は答えではなく、次に調べる群の選び方
RFMは顧客データを同じ粒度へ集計し、次に調べる群を選ぶための分類です。指標定義、ビン、欠損、返品、期間、比較群を残し、施策の利益と負担を再計測します。
三つの分類を組み合わせるケースは POSの小さなケース：RFM・ABC・デシル、欠損の扱いは 欠損データの選択は仮定である も参照してください。