RFM分析を行う方法

RFM分析とは、購買データなどを利用して、顧客ごとに以下の3つのスコアを計算して、顧客を理解したり、セグメントに分けるための分析となります。

Recency：どれくらい最近に購入したのか
Frequency：どれくらいの頻度で購入しているのか
Monetery：どれくらいの金額を購入に費やしているのか

このノートでは購買履歴のデータを利用して、RFM分析を行う方法を紹介します。

利用データ

今回は、以下のように各行が1つの製品に対する注文を表している、スーパーストアの購買履歴データを使っていきます。

各列はそれぞれの注文に関する以下のような情報を表しています。

何が売れたのか
どこで売れたのか
いつ売れたのか
顧客のセグメント
売上、製品のカテゴリー、など

RFM分析を行うために必要なデータ

RFM分析を行うためには、1行が1注文になっているデータを、1行1顧客に集計して、R(Recency)、F(Frequency)、M(Monetary)、のスコアを計算する必要があります。

そして今回は、ヒートマップというチャートを使って、RFM分析用に作成したデータを可視化していきます。

なお、このノートでは北米（USCA: United States and Canada）マーケットの顧客を対象に、RFM分析を行っていきます。

RFM分析を行うために必要なデータ加工のステップ

以下のステップで、購買履歴のデータを加工していきます。

データ上の最後の日を計算
購買回数、購買額、購買日、マーケット、最後の日を集計
購買回数が1回の顧客を取り除き、北米マーケットの顧客のみを残す
Recencyスコア（最後の購買日からデータ上の最後の日までの日数）を計算
最初の購買日から最後の購買日までの日数を計算
Frequencyスコア（1日あたりの購買回数）を計算
Monetaryスコア（1日あたりの購買総額）を計算

1. データ上の最後の日を計算

RFM分析における「R」であるRecency（どれくらい最近に購入したのか）は、以下の計算で求めることができます。

データ上の最後の日 - 顧客ごとの最後の購買日

そこで、データ上の最後の日の情報が必要となるため、まずはデータ上の最後の日を計算します。

注文日の列ヘッダーメニューから、計算を作成(Mutate)を選択します。

計算を作成(Mutate)のダイアログが表示されたら、最大の値を返す関数であるmax関数を利用して、以下の内容を計算エディタに入力し、実行します。

max(注文日)

このとき、「新しく列を作成」を選択して、任意の列名を設定します。（今回は「最後の日」という列名を設定します。）

最後の日の列を追加することができました。　

2. 購買回数、購買額、購買日、マーケット、最後の日を集計

続いて、顧客ごとに、購買回数、購買額、購買日、マーケット、最後の日を集計していきます。

顧客IDの列ヘッダーメニューから、集計(Summarize)を選択します。

値に「注文日」を追加し、集計関数に「一意な値の数(unique)」を選択します。

今回利用しているデータは1行が1注文になっているため、「(行の数)」を選択することで購買件数が集計できるように思えますが、今回のデータは「各行が1つの製品に対する注文」となっているため、同じ日に複数の異なる製品を注文している場合、同じ日に複数行の注文データが残るため、行の数ではなく、「注文日」の「一意な数」で購買件数を集計します。

次に購買金額を集計するために、値に「売上」を追加して、集計関数に「合計値(sum)」を選択します。

続いて、顧客の最初の購買日を集計するために、値に「注文日」を追加し、集計関数に最初の日(min)を選択します。

最初の購買日の集計できたので、今度は、顧客の最後の購買日を集計するために、再度、値に「注文日」を追加し、集計関数に最後の日(max)を選択します。

また先程のステップで列に追加した、データ上の「最後の日」も追加します。このとき、全ての列には同じ値が入っているので、デフォルトの集計関数である「中央値(median)」のままでもいいのですが、今回は「最後の日(max)」を選択します。

最後に、今回は、北米の顧客に対してRFM分析を行いたいので、値にマーケットを追加し、集計関数に「最頻値(mode)」を選択し、実行します。

このとき、集計関数に「最頻値(mode)」を利用することで、仮に複数の拠点での注文履歴があったとして、一番注文が多かったマーケットをその顧客が属するマーケットとして扱うことが可能になります。

これで、必要な情報を集計することができました。

続いて、列名を分かりやすい内容に変更します。

任意の列ヘッダーメニューから、列名を変更を選択します。

ダイアログが表示されたら、各々の列名を以下に変更し、実行します。

注文日_unq -> 購買回数
注文日_min -> 最初の購買日
注文日_max -> 最後の購買日

これで1行を1顧客のデータに集計して、分かりやすい列名に変更することができました。

サマリビューに移動して顧客IDの一意な値の数を確認すると、行数と一致していることからも1行が1顧客のデータに集計することができていることが分かります。

3. 購買回数が1回の顧客を取り除き、北米マーケットの顧客のみを残す

RFM分析では継続して取引のある顧客に注目したいので、購買回数が1回の顧客は除きます。

購買回数の列ヘッダーメニューからフィルタ、より大きいを選択します。

値に1を選択し実行します。

購買回数が1回しかない顧客を取り除くことができました。

購買回数の最小値が「2」になっていることから、購買回数が1回の顧客を取り除くことができていることが確認できます。

また今回のRFM分析は、USCA（北米）の顧客を対象に行いたいので、マーケットの列ヘッダーメニューから、フィルタ、等しいを選択します。

値に「USCA」を選択し、実行します。

これで、北米のマーケットで2回以上購入している顧客のデータだけを残すことができました。

4. Recencyスコア（最後の購買日からデータ上の最後の日までの日数）を計算

続いて、Recencyスコアを計算します。

Recencyスコアは以下にて計算することができるので、「最後の日」の列ヘッダーメニューから、計算を作成(Mutate)を選択します。

データ上の最後の日 - 顧客ごとの最後の購買日

計算を作成(Mutate)ダイアログが表示されたら、計算エディタに以下の内容をタイプし、実行します。

このとき、「新しく列を作成」を選択して、列名をRecencyに設定します。

最後の日 - 最後の購買日

Recencyの計算結果がdifftimeと呼ばれるデータ型で返ってきますので、数値データとして扱えるように、数値型のデータに変換します。

「Recency」の列ヘッダーメニューからデータタイプを変換、Numeric(数値)タイプを変換、日を選択し、実行します。

「Recency」スコアを計算することができました。

5. 最初の購買日から最後の購買日までの日数を計算

購買回数や売上の集計結果をそのままFrequencyスコアやMonetaryスコアとして使えればいいのですが、数年に渡ってこのスーパーを利用している顧客もいれば、最近利用を始めた顧客もいるはずです。

長いことそのスーパーを利用していれば、購買回数や購買金額が大きくなるのは当たり前のことですので、一日あたりの購買回数や購買金額を計算して、顧客の継続期間に左右されない指標として、FrequencyスコアやRecencyスコアを求めていきたいとういことがあります。

そこで、顧客ごとの最後の購買日から最初の購買日を引いて、顧客の利用期間を計算していきます。

「最後の購買日」の列ヘッダーメニューから、計算を作成(Mutate)を選択します。

計算を作成(Mutate)ダイアログが表示されたら、計算エディタに以下の内容をタイプし、実行します。

このとき、「新しく列を作成」を選択して、任意の列名を設定します。（今回は「顧客期間」という列名を設定します）

最後の購買日 - 最初の購買日

続いて「顧客期間」の列ヘッダーメニューから、データタイプを変換、Numeric(数値)タイプを変換、日を選択し、実行します。

FrequencyスコアとMonetaryスコアを計算するために必要な顧客期間の準備ができました。

6. Frequencyスコア（1日あたりの購買回数）を計算

いよいよFrequencyのスコアの計算です。

購買回数の列ヘッダーメニューから、計算を作成(Mutate)を選択します。

Frequencyスコアは1日あたりの購買回数となるため、計算を作成(Mutate)ダイアログが表示されたら、計算エディタに以下の内容をタイプし、実行します。

このとき、「新しく列を作成」を選択して、Frequencyという列名を設定します。

購買回数 / 顧客期間

Frequencyスコアの計算ができました。

7. Monetaryスコア（1日あたりの購買総額）を計算

続いてMonetaryのスコアの計算です。

売上の列ヘッダーメニューから、計算を作成(Mutate)を選択します。

Monetaryスコアは1日あたりの購買金額(売上)となるため、計算を作成(Mutate)ダイアログが表示されたら、計算エディタに以下の内容をタイプし、実行します。

このとき、「新しく列を作成」を選択して、Monetaryという列名を設定します。

売上 / 顧客期間

Monetaryスコアの計算ができました。

ヒートマップで計算結果を可視化する

RFMの各スコアの計算ができたので、あとはチャートで可視化をしていきます。

チャートビューに移動して、チャートタイプにヒートマップを選択します。

X軸に「Recency」、Y軸に「Monetary」を選択します。

すると、上記のように数値型のデータは、数値の小さいものから順に「等幅」でグループに分けられ、カテゴリー化されます。（デフォルトでは5つのグループが作成されます）

なお、等幅とは、同じ幅で5つのグループに分けることを指しており、中のメンバー数はグループによって異なります。

等幅の場合、幅が均等に分かれるため、どのようなRecencyのグループに顧客が集中しているかを理解することには適していますが、一方で、極端にRecencyスコアが大きい顧客がいた場合、各グループの幅が影響を受けてしまい、ほとんどの顧客が値の小さいグループに分けられてしまうといったことが起こりえます。

そこで、そういったときには「等頻度」でグループに分けることが有効です。