ITパスポート 2014年 春期 問01
問題文
小売業のビジネス戦略の立案において、“優良顧客の維持”がCSF (Critical Success Factor)として設定された。このCSFの達成度を評価するために用いる分析として、最も適切なものはどれか。
選択肢
ア:顧客別のRFM分析(正解)
イ:新規顧客のデモグラフィック分析
ウ:新商品のPOS分析
エ:店舗別商品別売上高のABC分析
🔒 解説は解答すると表示されます
優良顧客の維持をCSFに設定した場合の評価分析【ITパスポート 解説】
正解の理由
CSF(Critical Success Factor:重要成功要因)は、事業で「必ず成し遂げるべき成果」を指します。ここでは「優良顧客の維持」がCSFです。顧客の維持を評価するには、個々の顧客ごとの購買行動を把握して、どの顧客が「優良」で、かつ維持できているかを継続的に見る必要があります。
その点で、RFM分析(R:Recency=最終購買からの経過、F:Frequency=購買頻度、M:Monetary=購買金額の合計。英語の頭文字を取った手法)は、顧客別の行動を直接評価できるため最も適切です。つまり、顧客単位で「最近買っているか/よく買っているか/多く買っているか」を数値化でき、アがCSF達成度の評価に合致します。
解法ステップ
-
目的を明確にする
- 「優良顧客の維持」が目的。維持=継続的な購買・ロイヤルティの維持を数値で追うこと。
-
必要なデータを用意する
- 顧客ID、購買日、購入金額、購買回数など。POS(販売時点情報)やCRM(Customer Relationship Management:顧客関係管理)データが使えます。
-
R, F, Mを計算する
- Recency:最終購買日からの経過日数(小さいほど良い)。
- Frequency:一定期間内の購買回数(大きいほど良い)。
- Monetary:一定期間内の購買合計金額(大きいほど良い)。
-
スコア化・セグメント分け
- 各指標を1〜5点などに分け、合成スコアで優良顧客を抽出(例:R=5,F=5,M=5が最上位)。
- 上位セグメントを「優良顧客」と定義し、その人数・割合をKPIにする。
-
維持の評価と施策連携
- 優良顧客の継続率(Retention Rate)や離反率(Churn Rate)を定期的に計測。
- RFMで抽出した優良顧客に対してリテンション施策(優待、個別メール、ポイント強化など)を実施し、効果を測定。
-
モニタリングと改善
- 定期更新(月次・四半期)して効果を確認。RFMに変化が出れば施策を見直す。
(実務ヒント)スコア付けは分位点(上位20%を5点など)や固定閾値でも可。まずは簡単にExcelで計算してみるのがおすすめです。
選択肢別の誤答解説
-
ア: 顧客別のRFM分析
- 正解。顧客ごとの購買行動を直接評価でき、優良顧客の抽出と維持測定に適する。
-
イ: 新規顧客のデモグラフィック分析
- 新規顧客の年齢・性別・職業など属性(デモグラフィック)を分析する手法です。顧客獲得(新規開拓)やターゲティングには有効ですが、既存の優良顧客の「維持度」を評価するのには適していません。
-
ウ: 新商品のPOS分析
- POS(Point Of Sale:販売時点情報)分析は「どの商品がどれだけ売れたか」を見るものです。商品・売上分析には有効ですが、顧客単位の維持状況を直接評価する指標ではありません。
-
エ: 店舗別商品別売上高のABC分析
- ABC分析は「売上や在庫の重要度別に分類」する手法で、品目や店舗の優先順位付けに使います。顧客維持の評価という目的には焦点が合いません。
よくある誤解
-
RFMは「買っている回数だけ」を見るものだと思う
- 誤りです。RFMは「いつ買ったか(Recency)」「どれだけ頻繁に買うか(Frequency)」「どれだけ金額を使っているか(Monetary)」の3要素を組み合わせます。頻度だけでは見えない顧客像を補完します。
-
RFMで抽出した優良顧客は必ず離れない
- RFMは過去の購買行動に基づく指標です。将来の行動を予測するのには限界があります。継続的な観察や追加データ(カスタマーサポート履歴、利用ログなど)を組み合わせると精度が上がります。
-
高いM(購入金額)が常に「優良顧客」ではない
- 一度に高額を使う顧客はいる一方、頻度が低いと維持対象としてはリスクがあります。RFMの3点セットで判断しましょう。
補足コラム
- RFMと組み合わせる指標
- CLV(Customer Lifetime Value:顧客生涯価値)を算出すると、長期的な価値が見えます。RFMで抽出した優良顧客のCLVを追えば、投資対効果が分かります。
- 実務ツール
- 小規模ならExcelで十分。顧客数が多い場合はBIツール(例:Tableau、Power BI)やCRMにRFM機能を組み込みます。
- 簡単なExcel式の例(Recencyの例)
- 最終購入日がA2セル、基準日がB1の場合:
=B$1 - A2で経過日数が出ます。
- 最終購入日がA2セル、基準日がB1の場合:
(参考:簡単なPythonでのRFM集計イメージ)
import pandas as pd
# df: columns=['customer_id','order_date','amount']
df['order_date'] = pd.to_datetime(df['order_date'])
snapshot = df['order_date'].max() + pd.Timedelta(days=1)
rfm = df.groupby('customer_id').agg({
'order_date': lambda x: (snapshot - x.max()).days,
'customer_id': 'count',
'amount': 'sum'
}).rename(columns={'order_date':'recency','customer_id':'frequency','amount':'monetary'})
FAQ
Q1: RFMのみで優良顧客を決めていいですか?
A1: 初期判断には十分です。ただし将来予測や離反理由を見るにはCLVや行動ログ、アンケート結果など他データと組み合わせるとより確実です。
A1: 初期判断には十分です。ただし将来予測や離反理由を見るにはCLVや行動ログ、アンケート結果など他データと組み合わせるとより確実です。
Q2: スコアを何段階にすればよいですか?
A2: よく使われるのは5段階(1〜5)ですが、まずは3段階でもOK。段階数はビジネス規模や分析目的に合わせて決めます。
A2: よく使われるのは5段階(1〜5)ですが、まずは3段階でもOK。段階数はビジネス規模や分析目的に合わせて決めます。
Q3: RFMはどのくらいの頻度で更新すべきですか?
A3: 小売なら月次、会員制サービスなら週次や月次での更新が一般的です。季節変動の強い業種は頻度を高めます。
A3: 小売なら月次、会員制サービスなら週次や月次での更新が一般的です。季節変動の強い業種は頻度を高めます。
Q4: データが不完全でも使える?
A4: 最低限、顧客ID・購入日・購入金額があれば基本的なRFMはできます。欠損が多い場合は補完やデータクレンジングが必要です。
A4: 最低限、顧客ID・購入日・購入金額があれば基本的なRFMはできます。欠損が多い場合は補完やデータクレンジングが必要です。
関連キーワード: RFM分析、顧客維持、CSF定義、顧客セグメンテーション、CLV、リテンション、離反率、デモグラフィック分析、POSデータ、ABC分析、CRM、顧客行動分析

\ せっかくなら /
ITパスポートを
クイズ形式で学習しませんか?
クイズ画面へ遷移する→
すぐに利用可能!

