> ## Documentation Index
> Fetch the complete documentation index at: https://moengage.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# RFM セグメント
> MoEngage の RFM モデルを使用して、最新性、頻度、金額に基づいてユーザーを自動的にセグメント化し、ターゲットを絞ったマーケティングキャンペーンに活用します。
**RFM**（Recency、Frequency、Monetary）モデルは、自動セグメンテーションを提供し、ユーザーの行動に基づいて Champions、Loyal Customers、Hibernating などのカテゴリに分類します。これらの自動セグメントは、ユーザー分析、チャーン分析、キャンペーン効果の測定など、さまざまな方法で活用できます。RFM は、予測セグメンテーション、プロモーションに反応する可能性が高い顧客の特定、さらには将来のパーソナライゼーションにも使用できます。
RFM 分析は、行動ベースの顧客セグメンテーションに広く使用されているマーケティングモデルです。主に小売業界で使用されていましたが、デジタルマーケティングにも取り入れられるようになりました。顧客を取引履歴（どれだけ最近、どれだけ頻繁に、どれだけの金額を購入したか）に基づいてグループ化します。
RFM 分析は、次のような質問に答えるために使用できます。
* ロイヤルカスタマーは誰か？
* チャーンする可能性が最も高い顧客は誰か？
* プラットフォームで最も多く購入している顧客は誰か？
* わずかな労力で最良の顧客に変えられる顧客は誰か？
* キャンペーンにエンゲージする可能性が最も高い顧客は誰か？
## RFM セグメントの概要
## RFM 分析とは
RFM 分析は、プラットフォームへの訪問やアイテムの購入など、顧客の過去のインタラクションを使用し、それらのインタラクションに基づいて顧客をさまざまな RFM グループに分ける顧客行動セグメンテーション手法です。
### RFM 分析の要素
このモデルの主な要素は R、F、M であり、以下のとおりです。\
R は RECENCY（最新性）- アプリ/サイトへの最後の訪問からの経過時間、または最後の購入からの経過時間です。\
F は FREQUENCY（頻度）- ユーザーがアプリ/サイトを訪問した合計回数、または購入の合計回数です。\
M は MONETARY（金額）- ユーザーが費やした合計金額、またはコンテンツの視聴に費やした合計時間です。
## RFM の計算方法
### Recency、Frequency、Monetary の値
Recency、Frequency、Monetary の値は、特定のユーザーの正確な値です。たとえば、Recency の値は 3 日前、Frequency の値は 5 回、購入金額は \$1523 などです。
### Recency、Frequency、Monetary のスコア
MoEngage は各ユーザーに Recency スコア、Frequency スコア、Monetary スコアを付与します。各スコアは 1（低）から 3（高）の範囲です。
スコアはパーセンタイル順位です。分析対象の他のユーザーと比較して値がどこに位置するかに基づいて、ユーザーを 3 つのグループのいずれかに配置します。固定のしきい値ではないため、同じ値でも別の分析では異なるスコアになる場合があります。Recency では、最後のイベントがより最近であるほど高いスコアになります。
3 つのスコアを合わせたものがユーザーの組み合わせとなり、(R, F, M) と表記されます。たとえば、(3,3,3) は 3 つすべてで最高スコアであることを意味します。
3 人のユーザーを使った例を次に示します。
| **ユーザー ID** | **R 値** | **R スコア** | **F 値** | **F スコア** | **M 値** | **M スコア** | **組み合わせ** | **セグメント** |
| - | - | - | - | - | - | - | - | - |
| 1 | 1 日前 | 3 | 10 回 | 3 | \$1000 | 3 | (3,3,3) | Champions |
| 2 | 5 日前 | 2 | 4 回 | 2 | \$560 | 2 | (2,2,2) | Potential Loyalist |
| 3 | 9 日前 | 1 | 1 回 | 1 | \$100 | 1 | (1,1,1) | Lost |
ユーザーが 3 人しかいないため、各ユーザーは異なるグループに入ります。実際の分析では、多くのユーザーが各グループを共有します。
セグメントは組み合わせによって決まり、3 つのスコアの平均によって決まるわけではありません。たとえば、(3,3,1) と (2,2,3) はどちらも平均 2.33 ですが、(3,3,1) は Price Sensitive、(2,2,3) は Potential Loyalist になります。
#### M 値と M スコア
M スコアと M 値は異なるものです。M スコア（1～3）は、ユーザーの金額値を他のユーザーと比較して順位付けしたものです。セグメントに表示される M 値は、そのセグメント内のユーザー 1 人あたりの平均金額値です。つまり、セグメント内のすべてのユーザーの金額値の合計を、そのセグメント内のユーザー数で割ったものです。
たとえば、セグメント内の 3 人のユーザーについて、選択した金額イベントの合計価格が 100、150、200 だったとします。このセグメントの M 値は (100 + 150 + 200) / 3 = 150 になります。
同じ属性に対する Behavior 分析では、この数値は再現されません。Behavior 分析は、分析時点でその RFM セグメントに属するユーザーだけでなく、すべてのユーザー、または適用したフィルターに該当するユーザー全体で平均を計算するためです。
### RFM スコアのセグメントバケット
R、F、M スコアで類似した行動を示すユーザーは、同じ RFM バケット（セグメント）にグループ化されます。ユーザーが入るセグメントは、スコアの組み合わせによって決まり、3 つのスコアの平均によって決まるわけではありません。
MoEngage には 2 つの RFM モデルがあり、それぞれに独自のセグメントセットがあります。デフォルトの RFM モデルは 3 つのスコアすべてを使用し、10 個のセグメントがあります。RF モデルは Recency と Frequency のみを使用し、8 個のセグメントがあります。
## RFM セグメントのエンゲージメント戦略
RFM セグメントはユーザーの行動を予測するため、マーケターはそれに応じてアクションを実行し、これらのユーザーセグメントを最大限に活用できます。さまざまな RFM セグメントに使用できる基本的な戦略を次に示します。
| | |
| - | - |
| **RFM バケット** | **エンゲージメント戦略** |
| **Champions** | これらのユーザーに報酬を与えましょう。彼らは製品を宣伝してくれ、新しいリリースのアーリーアダプターになる可能性があります。 |
| **Loyal Customers** | これらのユーザーはプロモーションに反応しやすいため、より高価値の製品を提案できます。また、レビューを依頼しましょう。 |
| **Potential Loyalist** | ロイヤルティプログラムやメンバーシップ特典などの長期的なオファーでエンゲージしましょう。他のカテゴリの製品を提案しましょう。 |
| **Recent Users** | 新規ユーザーには、スムーズなオンボーディング体験を提供し、必要に応じてサポートを提供しましょう。 |
| **Promising** | ブランド認知を高め、無料トライアルを提供することでロイヤルユーザーにしましょう。 |
| **Needs Attention** | これらの顧客を呼び戻す必要があります。期間限定のオファーを提供し、購入履歴を使用して製品をおすすめしましょう。 |
| **About To Sleep** | 再活性化しなければユーザーは失われます。人気の製品をおすすめし、メンバーシップの割引を提供しましょう。 |
| **Price sensitive** | 最もお得な取引を探しているユーザーです。評価の高い製品をおすすめし、割引のコミュニケーションを送信しましょう。 |
| **Can’t Lose Them** | フィードバックに耳を傾け、新しい製品を提案し、プラットフォームに定着させましょう。 |
| **Hibernating** | 他のカテゴリの製品をおすすめし、パーソナライズされたオファーを提供しましょう。 |
| **Lost** | さまざまなキャンペーンを通じて存在をアピールしましょう。 |
MoEngage ダッシュボードでの動作を見てみましょう。
## RFM イベント
デフォルトでは、Recency イベントとして **App/Site Open** が選択され、Frequency イベントは「**Same as Recency Event**」が選択されています。Monetary イベントと Revenue 属性は、デフォルトで MoEngage Dashboard > Settings > APP > General で定義された **Conversion Goal** イベントと **Revenu Attribute** に設定されています。
ユーザーはこれらの Recency、Frequency、Monetary イベントを変更し、選択したイベントに目的のフィルターを適用できます。これにより、特定のカテゴリ、特定の事業部門、製品、またはサービスに対して RFM 分析を実行できます。
アカウントには、さまざまな通貨を示す識別子（イベント属性）があります。この識別子を使用して金額イベントをフィルタリングする必要があります。言うまでもなく、Recency イベントと Frequency イベントも、金額イベントを分析する対象と同じ特定の市場、カテゴリ、または事業部門のものである必要があります。
## RFM モデルと分析期間
MoEngage ダッシュボードでは、デフォルトの RFM モデル以外に、RF（Recency と Frequency）、RM（Recency と Monetary）、FM（Frequency と Monetary）の分析モデルが提供されています。
ユーザーは RFM モデル分析の期間を任意に選択できます。
推奨される分析期間は 30 日です。データは多ければ多いほど良い結果が得られます。各ユーザーは、顧客の獲得、アクティベーション、リテンションの期間に基づいて RFM モデル分析の期間を決定できます。可能であれば、RFM の期間はこれらの顧客ライフサイクルのすべてのフェーズをカバーする必要があります。小売業や e コマースの場合、3 か月の期間が RFM モデル分析の業界標準です。\
RFM 分析は、MoEngage Analytics に存在するすべてのデータに対して実行できます。ほとんどの場合、データの保持期間は 1 年または 2 年です。
MoEngage は RFM 分析をリアルタイムで実行するため、ユーザーは分析を設定して待つ必要はありません。分析にかかる時間は、期間とスキャンされるデータポイントの数に比例します。MAU が 4,500 万のアカウントでも、RFM モデルはわずか数分で分析を完了します。
## チャートとテーブルについて
### RFM モデル
チャートは、さまざまな RFM セグメント、それぞれのユーザー数、および選択した期間における全ユーザーに対するセグメントサイズの割合を表します。チャート上のセグメントのサイズはユーザー数に比例します。チャートにカーソルを合わせると、各 RFM セグメントの Recency、Frequency、Monetary のスコアと値の範囲（低～高）も表示されます。
チャート画像は、さらなる活用のために png 形式でダウンロードできます。
### RFM テーブル
テーブルは、チャートに表示されているのと同じデータを表形式で表します。テーブルには、RFM セグメント名、Recency スコア、Recency 値の範囲、Frequency スコア、Frequency 値の範囲、Monetary スコア、Monetary 値の範囲、ユーザー数、ユーザーの割合が表示されます。
テーブルデータは、さらなる活用のために CSV 形式でダウンロードできます。
ユーザーロールにダウンロード権限がない場合、そのユーザーにはダウンロード CTA が表示されません。
同じ期間のカウントでも、実行ごとにわずかに変わる場合があります。2 つのスコアグループの境界付近にいるユーザーは、分析を再実行すると別のグループに入る可能性があり、実行の間に到着した新しいデータによってユーザーが移動することもあります。これはすべてのセグメントに当てはまります。定義が近いため、Lost、About to Sleep、Hibernating で最も顕著に表れます。
## RFM トランジション
RFM トランジションは、トランジション期間を通じて、期間 1 の RFM セグメントから期間 2 の RFM セグメントに移動したユーザー数を表します。
トランジション期間とは、ユーザーがある RFM セグメントから別の RFM セグメントに移行する期間です。移動元の RFM と移動先の RFM の期間の長さは同じです。
期間 2 はユーザーが **Date Range** フィールドで選択する期間で、たとえば x 日とします。その場合、期間 1 も x 日になります。時系列は、期間 1：トランジション期間：期間 2 の順になります。
ユーザーがある RFM セグメントから別のセグメントに移行する特定の日はありません。これは分析期間全体に基づいており、他のユーザーのアクションとの相対的な関係によって決まります。
セグメントにカーソルを合わせると、次の情報が表示されます。\
a. そのセグメントに移動したユーザーの総数と、全体のユーザー移行に対する移動したユーザー数の割合。\
b. そのセグメントから移動したユーザーの総数と、全体のユーザー移行に対する移動したユーザー数の割合。
トランジションにカーソルを合わせると、次の情報が表示されます。\
a. 期間 1 の RFM の特定のセグメントから期間 2 の RFM の特定のセグメントに移動したユーザーの総数。\
b. 全体のユーザー移行に対する移動したユーザー数の割合も表示されます。
ユーザーロールにダウンロード権限がない場合、そのユーザーにはダウンロード CTA が表示されません。
RFM トランジションテーブルには、期間 1 の RFM セグメント名、期間 2 の RFM セグメント名、\
それぞれのユーザー移行数、および全体のユーザー移行に対する割合が表示されます。
### モデルとトランジションのカウントが異なる理由
RFM スコアは相対的な順位であるため、セグメントのサイズは分析に含まれるユーザーによって異なります。
RFM モデルは、選択した日付範囲内でアクティブなユーザーを順位付けします。RFM トランジションは、期間 1 と期間 2 を合わせたユーザーを順位付けします。2 つのレポートは異なるユーザーセットを順位付けするため、同じ期間でも同じセグメントで異なるカウントが表示される場合があります。たとえば、RFM モデルにおける Champions の数は、トランジションで Champions から Champions に移動したユーザー数よりもはるかに少ない場合があります。
どちらの数値も誤りではありません。カウントは 1 つのレポート内で比較し、モデルのカウントをトランジションのカウントと直接比較しないでください。
## RFM のアクショナブルアナリティクス
ユーザーは、RFM チャートまたはユーザートランジションチャートから、カスタムセグメントまたはキャンペーンを作成できます。RFM セグメントのチャート領域またはユーザートランジションのコードをクリックするとポップアップが表示され、カスタムセグメントまたはキャンペーンを作成できます。
MoEngage ダッシュボードの RFM ページからキャンペーンを作成すると、選択した RFM またはユーザートランジションのセグメントが設定された状態で、選択したキャンペーンページにリダイレクトされます。ユーザーはそのページでキャンペーンの作成を完了できます。
RFM のアクショナブルアナリティクスでは動的なカスタムセグメントが作成され、正確なユーザーではなく RFM セグメントの定義が保存されます。RFM セグメントを含むキャンペーンが次回送信されるとき（1 回限りまたは定期的）、送信のたびにその RFM セグメントが計算され、新たに作成された RFM セグメントがキャンペーンで使用されます。
RFM 分析から保存されたカスタムセグメントは、他のセグメントと組み合わせて使用できます。他のセグメントは独自の定義を持つことも、固定/アップロードされたカスタムセグメントであることもできます。このように、RFM セグメントは、グロースチームがアップロードした RFM セグメントを含む、他の任意のセグメントと組み合わせて使用できます。
## RFM 分布
RFM 分布チャートは、Recency、Frequency、Monetary の各パラメーターにおけるユーザーの分布を示します。Recency 分布は、アプリへの最後の訪問からの経過時間、または最後の購入からの経過時間の分布です。Frequency 分布は、ユーザーがアプリを訪問した回数、またはユーザーが購入した回数の分布です。Monetary 分布は、各ユーザーによって生み出された収益の分布です。
これらのチャートの主な用途は、全体のユーザーと比較して、ユーザーが分布チャートのどこに位置しているかを分析することです。これらのチャートを使用して、マーケターは RFM セグメントをカスタマイズすることもできます。これらの分布値を使用してセグメンテーションページで実行すると、RFM 分布に基づいた目的のセグメントが得られます。