EC通販のCRM分析やり方入門｜RFM分析・F2転換率・購入サイクルの使い方と実例

「CRM分析を始めたいが、手法が多すぎてどれから取り組めばよいかわからない」
「RFM分析という言葉は知っているが、実際にどう使えばいいかイメージできない」

CRM分析の手法は10種類以上存在しますが、そのすべてを同時に取り組む必要はありません。多くのEC・通販事業者にとって、まず取り組むべき分析は限られています。

本記事では、EC・通販事業者の現場で実際に成果を出している3つのCRM分析(RFM分析・F2転換率・購入サイクル)に絞って、「何を調べ、何を判断し、どんな施策につなげるか」という実践的な流れをお伝えします。

この記事でわかること
1. EC通販でCRM分析が必要な理由(新規獲得コスト上昇の現実)
2. RFM分析・F2転換率・購入サイクルの定義と計算式
3. 食品系ECでのRFM設計例とセグメント別推奨施策
4. F2転換率の業種別目安と、低い場合の3つの原因と対策
5. 3分析を組み合わせた施策設計の実例と成果数値

【用語解説】EC通販CRM分析の3本柱：RFM分析・F2転換率・購入サイクル

RFM分析とは
顧客を「Recency(最終購入日からの経過日数)」「Frequency(累計購入回数)」「Monetary(累計購入金額)」の3指標でスコアリングし、購買行動のパターン別にセグメント化する分析手法です。
各指標に点数(例：3～5段階)をつけて組み合わせることで、「優良顧客(R高・F高・M高)」「新規購入者(R高・F低・M低)」「休眠顧客(R低)」などのグループを定義し、セグメント別に最適な施策を実施できます。

F2転換率とは
初回購入を行った新規顧客のうち、2回目購入へ転換した顧客の割合を示す指標です。
計算式は「F2転換率(%)＝2回目購入者数÷初回購入者数×100」。
ECにおいてF2転換は「一過性の新規顧客」を「継続的なリピーター候補」へと転換する最初の臨界点として重視されます。

購入サイクルとは
同一顧客が繰り返し購入する間隔(平均日数)のことを指します。購入サイクルを把握することで、「次回購入が期待されるタイミング」の直前に配信するメルマガ・LINEシナリオが設計できます。

★★★CRM・LTV・リピート改善の成功企業例を見る

①EC通販でCRM分析が必要な理由｜新規獲得コスト上昇と顧客体験劣化の現実

CRMとは「CustomerRelationshipManagement(顧客関係管理)」の略で、既存顧客との関係性を分析・強化することで、LTV(顧客生涯価値)を最大化する戦略です。EC・通販業界でCRM分析が重視されるようになった背景には、新規顧客獲得コスト(CPO)の上昇があります。

広告費の高騰・競合の増加により、初回購入顧客を1人獲得するためのコストは年々上昇しています。バイン・アンド・カンパニーのフレデリック・F・ライヘルド(FrederickF.Reichheld)が提唱した「1:5の法則」によれば、新規顧客を獲得するコストは既存顧客を維持するコストの約5倍にのぼるとされており(出典：Bain&Company研究)、既存顧客のリピート化・優良顧客化が最もROIの高い投資になっています。

また、顧客データが蓄積されやすいEC通販という業態において、分析を行わないまま「とりあえず全員にメルマガを送る」という施策は、顧客体験を劣化させながらコストだけがかかる状態を生み出します。
CRM分析は「何をどの顧客に届けるか」を精緻化するための道具です。

★★★CRM・LTV・リピート改善の成功企業例を見る

②EC通販で使われる代表的なCRM分析手法の全体像

CRM分析の手法は多数存在しますが、EC・通販事業者が実務でよく使う手法は以下のとおりです。

分析手法	主な目的	必要な最低データ	分析難易度	まず使うべき規模
F2転換率	新規→リピーター転換の測定	購入日・顧客ID	低	小規模～
購入サイクル	再購入タイミングの予測	購入日の系列データ	低～中	小規模～
RFM分析	顧客の多角的なセグメント化	購入日・回数・金額	中	中規模～
デシル分析	売上上位10%への貢献度把握	購入金額	低	中規模～
CPM分析	購買ステータス別(活性/離反)の分類	購入日・回数	中	中～大規模
セグメンテーション	属性×行動の複合分類	属性データ・行動ログ	中～高	大規模
CTB分析	購買嗜好(カテゴリ/テイスト/ブランド)の把握	購入商品カテゴリデータ	中～高	大規模

このなかで、データ量が少なくても始められ、成果が早く出やすいのが「RFM分析」「F2転換率」「購入サイクル」の3つです。以降の章で、それぞれを実践レベルで解説します。

★★★CRM・LTV・リピート改善の成功企業例を見る

③RFM分析のやり方｜EC通販向けR・F・M指標の設定例と顧客セグメント別施策

RFM分析の定義と3指標

RFM分析は以下の3つの軸で顧客を評価・分類する手法です。

-R(Recency)：最終購入日からの経過日数(最近いつ買ったか)
-F(Frequency)：一定期間内の購入回数(どれくらいの頻度で買っているか)
-M(Monetary)：累計購入金額(どれだけの金額を使ってくれているか)

この3軸にそれぞれスコアをつけて(例：1～3の3段階)組み合わせることで、顧客を「優良顧客」から「離反顧客」まで細かく分類できます。

実践的なRFM設計例(EC通販・食品系)

以下は食品系EC通販でのRFM分析の設計例です。

【基準設定】

指標	高(3点)	中(2点)	低(1点)
R(最終購入)	30日以内	31～90日	91日以上
F(購入頻度)	年10回以上	年4～9回	年3回以下
M(購入金額)	10万円以上	3万～10万円	3万円未満

【主要な顧客セグメントと推奨施策】

セグメント	定義	施策の方向性
優良顧客	R高・F高・M高	VIP特典・先行告知・ロイヤルティプログラム
リピーター	R中高・F中高・M中	クロスセル・定期便への誘導
新規購入者	R高・F低・M低	購入後フォローステップメール・F2転換施策
離反危険顧客	R中・F中・M中	「久しぶり」クーポン・限定オファー
休眠顧客	R低(91日以上)	休眠掘り起こしメール・再購入促進

注意点：
RFM分析は、最低でも各セグメントに100～200件のデータが必要です。
データ量が少ない場合は、RとFのみの2軸分析(RF分析)から始めることを推奨します。

★★★CRM・LTV・リピート改善の成功企業例を見る

④F2転換率とは｜計算方法・業界別目安・低い場合の改善策

F2転換率とは何か、なぜ重要か

F2転換率とは、初回購入者のうち2回目の購入を行った顧客の割合を示す指標です。

計算式：F2転換率(%)＝2回目購入者数÷初回購入者数×100

EC・通販業界ではF2転換率が全体のリピート率を規定するといっても過言ではありません。
F2に転換した顧客はF3、F4と継続するケースが多く、F2転換率を5～10%改善するだけで、年商が数百万～数千万円規模で変わることがあります。
F2転換率の業界目安は商材カテゴリによって大きく異なります(下表参照)。
重要なのは業界平均との比較より、「自社の現在値を把握して改善トレンドを作る」ことです。

商材カテゴリ	F2転換率の目安	特徴
消耗品系EC(スキンケア・化粧品・サプリメント)	30～45%程度	購入サイクルが短く、リピート動機が高い
食品・飲料系EC	25～40%程度	定期購入への誘導が有効
アパレル系EC	20～35%程度	季節性があり転換率に変動がある
高額耐久消費財(家電・家具等)	10～20%程度	購入サイクルが長く転換率が低くなりやすい
健康食品・機能性食品	25～40%程度	定期購入モデルへの転換が鍵

※上記は複数のCRM支援事業者の公開資料および業界実務観察に基づく参考値のため、自社データとの比較には商材カテゴリを揃えた比較が必要です。

★★★CRM・LTV・リピート改善の成功企業例を見る

F2転換率が低い場合の主な原因と対策

F2転換率が低い(自社カテゴリの目安を下回っている)場合、原因は3つに大別されます。

原因①：初回購入後のフォローが弱い

購入直後から2週間のフォローが薄いと、顧客は次の選択肢を探し始めます。
→対策：購入後5・10・20・30日のステップメールシナリオを設計する

原因②：初回の顧客体験が期待を下回っている

商品の品質や配送体験に問題がある場合、2回目はありません。
→対策：F2転換しなかった顧客へのアンケートでNPS(顧客推奨度)を計測する

原因③：次回購入のインセンティブがない

初回割引で来た顧客に「次も同じ値段で買う理由」が提供できていない。
→対策：F2限定クーポン・定期便割引・まとめ買い特典などを設計する

★★★CRM・LTV改善伸びしろを無料診断する

⑤購入サイクル分析のやり方｜平均購入間隔の計算方法とアプローチタイミングの設計

購入サイクルとは、顧客が前回購入から次の購入を行うまでの平均期間です。

基本的な考え方：同一顧客の2回目以降の購入間隔の合計÷該当購入件数

この数値を把握することで、「顧客が次に買いたくなるタイミング」に合わせた
アプローチを設計できます。

購入サイクル活用の実践例(スキンケア商品)：

-購入サイクルが平均45日だった場合
-購入から35日後(約1週間前)に「そろそろなくなってきましたか？」というメルマガを配信
-45日後に「定期便なら10%OFF」のオファーを配信

このように、購入サイクルを起点にしたタイミング設計は、
「関係のない時期に無差別配信する」よりも圧倒的に高い反応率を得られます。

また、定期購入・サブスクリプション商材を扱っている事業者では、
購入サイクルより短い配送周期を設定してしまうと顧客が在庫を持て余し、解約率が上がります。
顧客の実際の消費ペースに合わせた定期配送周期の設計にも活用できます。

★★★CRM・LTV改善伸びしろを無料診断する

⑥3つの分析を組み合わせた施策設計の実例

以下は、弊社が支援したEC通販企業の実際のCRM分析・施策設計の流れです。

【分析前の状態】
-F2転換率：18%(自社カテゴリ目安を下回る状態)
-RFM分析：優良顧客2%・離反顧客60%超
-購入サイクル：初回購入から次回購入は平均30～40日

【実施した施策】

①初回購入者へのステップメール(F2転換率向上)

　・購入5日後：商品の使い方ガイド
　・10日後：Q&A・よくある声の紹介
　・20日後：関連商品の紹介
　・25日後：2回目購入者限定クーポン(購入サイクルの30日前)

②離反顧客への休眠掘り起こしメール

　・購入から180日超で「お久しぶりクーポン」を配信
　・メール＋アプリプッシュ通知の併用

③2回目購入者へのクロスセルメール

　・F2転換直後のタイミングで、購入した商品と相性の良い関連商品を紹介

【施策開始から3ヶ月後の結果】
F2転換率：18%→22%(+4ポイント改善)
離反顧客からの再購入：毎月一定数発生
優良顧客比率：2%→3.2%(+1.2ポイント改善)

この事例が示すのは、「正しい分析→正しい施策設計」という順番を踏むことで、限られたリソースで最大の成果を出せるということです。

★★★CRM・LTV・リピート改善の成功企業例を見る

⑦CRM分析開始チェックリスト(8項目)

□1.顧客データ(購入日・購入金額・購入回数)がCSV等で取り出せる状態にあるか
□2.F2転換率を現時点で把握しているか(計算できているか)
□3.自社の平均購入サイクルを把握しているか
□4.顧客を「新規/リピーター/休眠」に最低3セグメント分けて管理しているか
□5.RFMの「R」だけでも(最終購入日別)でセグメント別施策を変えているか
□6.F2転換率を高めるためのステップメールシナリオが存在するか
□7.休眠顧客(90～180日以上未購入)への定期的なアプローチ施策があるか
□8.分析結果をもとに施策を改善するPDCAサイクルが月次または四半期で回っているか

★★★CRM・LTV改善伸びしろを無料診断する

よくある質問

RFM分析は何人の顧客データがあれば始められますか？

数百人規模のデータでも基本的な分類は可能です。まず「最終購入日(Recency)」だけで顧客を3段階に分けるところから始めると実行しやすく、「直近30日以内」「3～6ヶ月前」「6ヶ月以上前」の3グループへの差別化配信が最初の一歩として推奨されます。

F2転換率の目安は何%ですか？自社の数値が低いかどうかをどう判断すればよいですか？

商材カテゴリによって大きく異なります。消耗品系EC(スキンケア・食品)では30～45%程度が目安とされ、高額耐久消費財では10～20%程度も珍しくありません。まず自社カテゴリの同業他社水準と比較し、さらに時系列で自社の推移を追うことが重要です。

RFM分析・F2転換率・購入サイクルの3つはどの順番で導入すべきですか？

「F2転換率の把握→購入サイクルの測定→RFM分析の実施」という順序が現実的です。F2転換率は最もシンプルな計算で始められ、早期に課題を特定できます。顧客数が増え、リピーター比率が高まった段階でRFM分析を導入すると効果が大きくなります。

Excelだけでこれらの分析を始めることはできますか？

F2転換率と購入サイクルの基本集計はExcelで十分対応可能です。RFM分析もExcelのPIVOT機能とCOUNTIF関数で実装できます。顧客数が数千件を超えてくると集計の自動化が必要になり、EC特化のCRMツールの導入が費用対効果の観点から合理的な選択となります。

★★★CRM・LTV改善伸びしろを無料診断する

⑧まとめ：CRM分析は「数値を見ること」ではなく「行動を変えること」

CRM分析の目的は、データを眺めることではありません。
分析から得られたインサイトをもとに、「誰に・何を・いつ届けるか」を変えることが本質です。

まず取り組むべきは、今月のF2転換率を計算し、「購入後のフォローシナリオがあるかどうか」を確認することです。
フォローシナリオがない場合は、購入後5日・15日・30日の3通のステップメールを設計するだけでも、F2転換率の改善効果を実感できるはずです。

CRM分析・施策設計の具体的な支援が必要な場合は、ぜひご相談ください。