PR：この記事にはアフィリエイトリンクが含まれます。
購買データから顧客セグメンテーションを考えるとき、まず取り組みやすいのがRFM分析です。見るのは直近の購入、購入回数、金額。顧客の状態を三つの軸で整理します。
とはいえ、顧客を分けただけでマーケティング施策が決まるわけではありません。分類の先に、どんな提案が合うのか、実施後に何が変わったのかを確かめる工程があります。
機械学習の本を探す方にとっても、RFMを知ることは購買データ分析と顧客分類の基礎をつかむ助けになります。
書籍の早見表
PythonでRFMを扱う本もあれば、ID-POSやマーケティング・リサーチを広く学ぶ本もあります。分析環境と得意分野を見渡せるよう、候補を早見表にまとめました。
| 書籍 | 得意分野 | 分析環境 | 参考価格 |
|---|---|---|---|
 企業事例でわかる Pythonビジネスデータ分析入門 | 顧客セグメント、K-means | Python | 2,860円 |
 Pythonによるビジネスデータサイエンス 3 マーケティングデータ分析 | RFM、デシル分析 | Python | 2,860円 |
 ID-POSマーケティング――顧客ID付き購買データで商品・ブランド・売り場を伸ばす | ID-POS、店頭施策 | ― | 2,640円 |
 現代マーケティング・リサーチ 新版――市場を読み解くデータ分析 | RFM、クラスター分析 | R | 3,190円 |
 マーケティング・データ分析――実務とリサーチをつなぐ | セグメント、因果推論 | R、RStudio | 4,180円 |
 Excelで学べるデータドリブン・マーケティング | クラスター分析、広告効果 | Excel | 3,509円 |
表の金額は税込の参考価格です。実売価格は時期や販売店によって変わります。掲載された分析環境や対象データも異なり、本ごとに学べる範囲はさまざまです。
Pythonで購買データを分析する本には、RFM分析やK-meansを扱うものがあります。ID-POSの本では販促や店頭施策を学べます。使うデータによって学べる内容も変わります。
RFMが見えること
RFMは三つの英単語の頭文字です。Recencyは最終購入からの経過、Frequencyは購入頻度、Monetaryは購入金額を指します。顧客ごとに三つの値を集計し、購買状況の違いを捉える分析法です。
たとえば各指標を5段階に分け、購入が最近で頻度と金額も高い顧客を高スコアにします。Recencyは経過日数が短いほど状態がよい指標。点数をつける際は、他の二つと向きをそろえます。
直近にも購入し、頻度や累計金額も高い顧客は、継続利用を促す対象に考えられます。一方で以前はよく購入していたのに最近の購入がない顧客なら、離反の可能性を調べる必要があります。
ただし、RFMだけでは何を買っているか、どの販路を使うかまでは分かりません。数値で区分した顧客群をそのまま人物像と見なさず、商品カテゴリや接点などと合わせて解釈します。
実務に近い三冊
『企業事例でわかる Pythonビジネスデータ分析入門』は、KPIの整理やデータの収集・前処理からK-meansによる分類へ進み、結果の評価と施策立案も学べます。クレジットカード会員の事例で、分析の流れを手を動かして追えます。2025年刊で336ページです。
『Pythonによるビジネスデータサイエンス 3 マーケティングデータ分析』は、消費者購買データやスーパーのPOS、飲食店の売上データを扱います。集計・可視化を通じてデシル分析とRFM分析を学び、商品分析では施策の実施と評価も取り上げます。サンプルデータとプログラムを利用でき、2021年刊で168ページです。
『ID-POSマーケティング――顧客ID付き購買データで商品・ブランド・売り場を伸ばす』は、購買パターンや購入タイミングの分析を販促や店頭施策につなげます。セグメンテーションも取り上げ、小売・メーカーの営業やマーケティング担当者を対象にしています。2015年刊で216ページです。
手法を広げる三冊
『現代マーケティング・リサーチ 新版――市場を読み解くデータ分析』は、データの取得や整理を含むリサーチ全体を学べます。RFMやクラスター分析に加えて、ロジスティック回帰とバスケット分析も扱います。分析例のデータとRプログラムはウェブで公開されています。2022年刊で396ページです。
『マーケティング・データ分析――実務とリサーチをつなぐ』は、リサーチ設計やデータ整理を扱い、セグメントや回帰分析、因果推論まで取り上げます。RとRStudioを使い、マーケティング分析の問いや手法を広く学びたい実務家やリサーチャーにおすすめです。2025年刊で386ページ。
『Excelで学べるデータドリブン・マーケティング』は、顧客データのクラスター分析を演習で扱い、広告効果や予算配分の検討へ進みます。演習ではWindows版のエクセル統計体験版を使います。2025年刊で328ページ。エクセル統計はMac非対応です。
結論
購買データをマーケティングに生かすには、RFMの三指標が顧客のどんな違いを示すかを押さえましょう。RFM分析を中心に学びたい人には、購買データとサンプルコードを扱う『Pythonによるビジネスデータサイエンス 3』をおすすめします。
クレジットカード会員の事例でK-meansを学ぶなら『企業事例でわかる Pythonビジネスデータ分析入門』がおすすめです。ID-POSを販促や売場づくりに活用したい小売・メーカー担当者には、『ID-POSマーケティング』をすすめます。Rで関連手法まで学びたい人には『現代マーケティング・リサーチ 新版』も役立ちます。
分析方法の新しさだけでなく、自分の購買データに近い例があるか、施策評価まで扱うかも大切な判断軸です。分類を出発点に、顧客への働きかけと結果の検証まで見通せる本を選びましょう。
Amazon の PC をスコア化してみた
Amazonにある8〜14インチの小型WindowsタブレットやノートPCを、スペック別にスコア化して比較・ランキング。
