RFM分析による効率的な顧客セグメンテーション

2021/2/5(金) に開催したExploratory データサイエンス勉強会#17の株式会社タカオカメガ様のご登壇資料です。

Transcript

1. データサイエンス勉強会#17
   RFM分析による効率的な顧客セグメンテーション
   株式会社タカオカメガ　十二 義雄
   1
   

   View Slide

2. 2
   　　　　
   自己紹介
   ■氏名
   十二　義雄（じゅうに　よしお）
   ■会社
   株式会社タカオカメガ
   ■担当
   人事、新規開拓、展示会出展、補助金申請、
   大型設備販売、経理
   

   View Slide

3. 会社概要
   3
   会 社 名 株式会社タカオカメガ(MEG)
   資 本 ⾦ 2,000万円
   設 ⽴ ⽇ 1966年6⽉
   代表取締役 ⼗⼆愼⼀郎
   所 在 地 本社︓富⼭県射⽔市⼩島514-1
     七美マシンセンター︓富⼭県射⽔市七美192-19
   営 業 品 ⽬ 研削材料、⼯作機械、機械⼯具、輸⼊機械、
     ダイヤモンド⼯具、セラミックス加⼯
   取 引 銀 ⾏ 北陸銀⾏ ⼤⾨⽀店
     富⼭第⼀銀⾏ ⼤⾨⽀店
     ⾼岡信⽤⾦庫 ⼤島⽀店
     北國銀⾏ ⾼岡⽀店
     富⼭信⽤⾦庫 ⼤島⽀店
     みずほ銀⾏ 台中⽀店
   海外事業所 台灣⾼岡⿆嘉股份有限公司(台中)
   業務提携先 ⾠點股份有限公司(桃園)
   

   View Slide

4. 4
   売上に関わるレポートを月次で出しています。
   Exploratoryを使うようになりデータの
   掘り下げがし易くなりました。
   データ分析の業務
   年度ごとの売上の累積比較
   ラインチャート
   パイチャート（円グラフ）
   

   View Slide

5. コロナ禍で新規営業が
   掛けづらくなっている。
   既存顧客の売上をあげたい。
   でも根性論だけでは
   もう無理！
   5
   

   View Slide

6. ＲＦＭ
   分析
   既存顧客のうち、売上、
   購買頻度をもとに
   顧客セグメントを作って
   売上アップをしたい！
   6
   どんな方法が
   ある？
   

   View Slide

7. 7
   RFM分析とは顧客分析の一種であり、下記の3 つの指標で顧客にスコアを
   つけてセグメント分けする手法です。
   ● 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）
   ● Monetary （どれくらいの金額を購入に費やしているのか）
   ＲＦＭ分析
   

   View Slide

8. RFM分析で
   購買金額は大きいが、最近
   買ってくれていない人たちに
   アタックしたい！
   8
   

   View Slide

9. 9
   ＲＦＭを求めるために・・・1行1注文のデータが必要！
   日付、
   得意コード、
   金額が
   必要
   

   View Slide

10. 10
    ＲＦＭ分析
    顧客ごとにRFMを求める必要がある。
    

    View Slide

11. RFM分析をするためのステップ
    11
    1. 顧客ごとに下記の値を集計
    a. 売上
    b. 注文回数
    c. 最初の購買日
    d. 最後の購買日
    2. 購買回数が1回のみの顧客を除く（分析に邪魔なので一見さんは除く）
    3. 最後の購買日から最初の購買日を引いた「購買期間」を求める
    4. Recency：最後の購買日から今日までの日数を計算
    5. Frequency：1日あたりの購買回数を計算（購買回数を購買期間で割る）
    6. Monetary：1日あたりの購買総額を計算（購買総額を購買期間で割る）
    

    View Slide

12. 　集計
    12
    注文回数
    最初の日
    最後の日
    

    View Slide

13. 計算を作成
    13
    先の集計さえ出来ていれば、RFMは簡単な計算だけでできます
    

    View Slide

14. 14
    集計や計算でRFMを求められました
    

    View Slide

15. 15
    チャートの設定について
    タイプ：ヒートマップ・・・色で顧客群を表現出来る
    Ｘ軸　：Ｒ、カテゴリーは等頻度。
    Ｙ軸　：Ｍ、カテゴリーは等頻度。
    ※等頻度にすることで各マスに同じくらいの顧客数に
    分けられる
    色で分割：行の数・・・顧客数が色で表現されます
    ・RFMのFはチャートでは使いませんでした。
    RFＭをチャートにすれば
    視覚的に分かりやすい
    R・・・右に行くほど最近
    Ｍ
    ・
    ・
    ・
    上
    に
    行
    く
    ほ
    ど
    高
    額
    

    View Slide

16. 16
    この辺りが、金額が多いの
    に
    最近売上が無い顧客群
    これ以上左に行くと時間が
    経ちすぎていて営業しにく
    い
    各エリアでの顧客一覧を見ることが出来ま
    す！
    得意先名なども表示可能です！
    

    View Slide

17. 17
    ＲＦＭ分析を元にリストができて、調べてみた結果
    ・問題のある会社なので取引をやめた
    ・倒産したので取引が停止した
    ・子会社化したので取引が縮小した
    といったことが分かり、
    改めて、営業を掛けても仕方がない
    ということでした。
    ＲＦＭ分析では、行動を変えられないのか？
    

    View Slide

18. 某仕入れ先からの電話
    「最近購買してくれて
    いない顧客がある。
    理由を知りたい」
    18
    転機
    拡張した
    ＲＦＭ
    分析
    言われるまで気付けなかった・・・
    気付けるようになるには？
    

    View Slide

19. 19
    拡張した ＲＦＭ 分析
    先程までのＲＦＭ分析は顧客ごと・・・
    どの顧客に対してアタックするべきか、分かる
    顧客＋仕入ごと・・・
    どの顧客の　どの仕入を使って　アタックするべきか、分かる
    拡張
    

    View Slide

20. 拡張版RFM分析をするためのステップ
    20
    1. 顧客、仕入でグループ化
    2. 間隔列を作る（購買から次の購買までの日数）
    3. 売上合計を求める（顧客、仕入ごと）
    4. グループ化解除
    5. 売上合計から等頻度で売上額をカテゴリ化する
    6. 担当者、顧客、仕入ごとに下記の値を集計
    a. 最初の購買日
    b. 最後の購買日
    c. Ｒ（最後の購買日から本日までの日数）
    d. 間隔の平均
    e. 間隔の最大
    f. 売上合計のカテゴリ（Very Big,Big,Normal,Small,Very Small)
    g. 乖離率（Ｒ/間隔の平均）
    7. Rが間隔の平均を超えないものは省く（分析に邪魔なので）
    

    View Slide

21. 21
    間隔列データフレームに求める
    ブランチにて、
    1. 伝票日付、顧客、仕入で一意にする
    2. 伝票日付順に並べる(lag関数のため)
    3. 伝票日付-lag(伝票日付）で間隔を求め
    る。lag関数は前行を取得する関数
    

    View Slide

22. 22
    間隔列を結合する
    

    View Slide

23. 23
    間隔列が出来た
    

    View Slide

24. 24
    パラメータで絞り込む
    乖離率＝R/間隔_mean
    どれだけある顧客に仕入先から
    商品が入っていないかの割合
    

    View Slide

25. 使用例：ある仕入先について取引が滞っていないかを
    調べる
    すると、１件乖離率が2.11のものが
    見つかる。通常51日程度で納入があるはずなのに、
    R=100で100日間納入が止まっていることが分かる
    25
    

    View Slide

26. 26
    その得意先について絞ると
    売上確認画面で、７，８，９，１０月と
    商品が行っているのにそれから
    ストップしてしまっていることが分かる
    

    View Slide

27. まとめ
    27
    ・RFM分析をすることで顧客をセグメント分け出来た
    ・売上が高いのに最近売上が無い顧客に営業を掛けたい
    と思ったが、それらは倒産、廃業等の理由で行かないよ
    うにしていたので新しい行動に移れなかった。
    ・仕入先という視点をＲＦＭ分析に導入することで落ち
    込んでいる仕入先を見つける事ができた
    ・Exploratoryのラングリングにより、面倒なデータ処理
    が簡単に出来てExcelのような手戻りが無かった。
    

    View Slide

28. ご清聴ありがとう
    ございました。
    28
    

    View Slide