【RFM分析とは】

顧客を3つの指標でスコアリングし、セグメント分類する手法

┌─────────────┬──────────────────────────────────────────────────┐
│ 指標        │ 説明                                              │
├─────────────┼──────────────────────────────────────────────────┤
│ R: Recency  │ 最終購買日からの経過日数（最近買ったか）          │
│ F: Frequency│ 購買回数（何回買ったか）                          │
│ M: Monetary │ 購買金額合計（いくら使ったか）                    │
└─────────────┴──────────────────────────────────────────────────┘


【スコアリング例（1-3の3段階）】

R_Score:
├─ 3: 30日以内（最近購買）
├─ 2: 31-90日
└─ 1: 91日以上（休眠気味）

F_Score:
├─ 3: 10回以上（常連）
├─ 2: 5-9回
└─ 1: 4回以下（新規/非アクティブ）

M_Score:
├─ 3: 10万円以上（高額顧客）
├─ 2: 5-10万円
└─ 1: 5万円未満


【セグメント例】

RFMスコア → セグメント名
├─ 333 → VIP顧客（最重要、特別対応）
├─ 311 → 新規優良（育成候補）
├─ 133 → 休眠優良（呼び戻し対象）
├─ 111 → 離脱リスク（再活性化）
└─ その他 → 一般顧客

【顧客テーブル: customers.csv】

┌────────────────────────────────────────────────────────────────┐
│ 顧客ID │ 顧客名     │ 登録日     │ 性別 │ 年代  │ 地域     │
├────────────────────────────────────────────────────────────────┤
│ C001   │ 田中太郎   │ 2022-01-15 │ 男   │ 30代  │ 東京     │
│ C002   │ 鈴木花子   │ 2022-03-20 │ 女   │ 40代  │ 大阪     │
│ C003   │ 佐藤次郎   │ 2023-05-10 │ 男   │ 20代  │ 福岡     │
└────────────────────────────────────────────────────────────────┘

データ量: 約5,000人


【購買テーブル: purchases.csv】

┌────────────────────────────────────────────────────────────────┐
│ 注文ID │ 顧客ID │ 注文日時           │ 商品カテゴリ │ 売上金額 │
├────────────────────────────────────────────────────────────────┤
│ P001   │ C001   │ 2024-01-15 10:30   │ 電化製品     │ 45,000   │
│ P002   │ C001   │ 2024-02-20 14:15   │ 家具         │ 32,000   │
│ P003   │ C002   │ 2024-01-18 09:45   │ 文房具       │ 8,500    │
└────────────────────────────────────────────────────────────────┘

データ量: 約50,000件（2年分）


【リレーションシップ】

┌───────────┐     ┌───────────┐
│ customers │────│ purchases │
│  (顧客)   │ 1:n │  (購買)   │
└───────────┘     └───────────┘
    顧客ID で結合

【Step 1: Recency（最終購買からの日数）】

名前: Recency
計算式:
DATEDIFF('day', 
    { FIXED [顧客ID] : MAX([注文日]) },
    TODAY()
)

解説:
├─ { FIXED [顧客ID] : MAX([注文日]) }
│  └─ 各顧客の最終購買日を取得（LOD表現）
├─ DATEDIFF('day', ..., TODAY())
│  └─ 今日との日数差を計算
└─ 結果: 顧客ごとの「最終購買からの経過日数」

─────────────────────────────

【Step 2: Frequency（購買回数）】

名前: Frequency
計算式:
{ FIXED [顧客ID] : COUNTD([注文ID]) }

解説:
├─ COUNTD([注文ID]): 注文IDのユニーク数
├─ FIXED [顧客ID]: 顧客単位で集計
└─ 結果: 顧客ごとの「総購買回数」

─────────────────────────────

【Step 3: Monetary（購買金額合計）】

名前: Monetary
計算式:
{ FIXED [顧客ID] : SUM([売上金額]) }

解説:
├─ SUM([売上金額]): 売上金額の合計
├─ FIXED [顧客ID]: 顧客単位で集計
└─ 結果: 顧客ごとの「累計購買金額」

─────────────────────────────

【Step 4: RFMスコア計算（各1-3）】

名前: R_Score
計算式:
IF [Recency] <= 30 THEN 3
ELSEIF [Recency] <= 90 THEN 2
ELSE 1
END

名前: F_Score
計算式:
IF [Frequency] >= 10 THEN 3
ELSEIF [Frequency] >= 5 THEN 2
ELSE 1
END

名前: M_Score
計算式:
IF [Monetary] >= 100000 THEN 3
ELSEIF [Monetary] >= 50000 THEN 2
ELSE 1
END

─────────────────────────────

【Step 5: RFMセグメント】

名前: RFM_Segment
計算式:
STR([R_Score]) + STR([F_Score]) + STR([M_Score])

結果例: "333", "211", "132" など

─────────────────────────────

【Step 6: セグメント名】

名前: Segment_Name
計算式:
IF [RFM_Segment] = "333" THEN "VIP顧客"
ELSEIF LEFT([RFM_Segment], 1) = "3" AND 
       RIGHT([RFM_Segment], 1) = "1" THEN "新規優良"
ELSEIF LEFT([RFM_Segment], 1) = "1" AND 
       RIGHT([RFM_Segment], 1) = "3" THEN "休眠優良"
ELSEIF [RFM_Segment] = "111" THEN "離脱リスク"
ELSE "一般顧客"
END

【Step 1: 新しいワークシート作成】

名前: "RFM_ヒートマップ"


【Step 2: ディメンション・メジャー配置】

行: R_Score（離散に変更）
列: F_Score（離散に変更）
マーク: 四角

設定:
├─ 色: COUNTD([顧客ID])
├─ サイズ: COUNTD([顧客ID])
└─ ラベル: COUNTD([顧客ID])


【Step 3: 色の設定】

色の編集:
├─ パレット: 青から赤（または順次）
├─ ステップカラー: 5段階
└─ 濃い色 = 顧客数が多い

    R=3  ┌────┬────┬────┐
    (最近)│ 50 │ 80 │120 │
         ├────┼────┼────┤
    R=2  │ 30 │ 45 │ 60 │
         ├────┼────┼────┤
    R=1  │ 15 │ 20 │ 25 │
    (休眠)└────┴────┴────┘
          F=1   F=2   F=3
        (少)        (多)


【Step 4: ツールチップ設定】

ツールチップ編集:
┌─────────────────────────────┐
│ RFMセグメント               │
│ R_Score:          │
│ F_Score:          │
│ 顧客数:  │
│ 売上合計: │
└─────────────────────────────┘


【Step 5: タイトルと装飾】

タイトル: "RFM分析 - 顧客セグメント分布"
軸ラベル:
├─ 行: "Recency（最近度）"
└─ 列: "Frequency（頻度）"


開発所要時間: 約30分

【コホート分析の計算フィールド】

// 1. 初回購買月（顧客のコホート）
名前: 初回購買月
計算式:
DATETRUNC('month',
    { FIXED [顧客ID] : MIN([注文日]) }
)

// 2. 経過月数
名前: 経過月数
計算式:
DATEDIFF('month', [初回購買月], DATETRUNC('month', [注文日]))

// 3. コホートサイズ（初月の顧客数）
名前: コホートサイズ
計算式:
{ FIXED [初回購買月] : COUNTD([顧客ID]) }

// 4. リテンション率
名前: リテンション率
計算式:
COUNTD([顧客ID]) / [コホートサイズ]


【ヒートマップ設定】

行: 初回購買月（月単位）
列: 経過月数
マーク: 四角
色: AVG(リテンション率)
ラベル: AVG(リテンション率) ※パーセント表示

色設定:
├─ 100%: 濃い緑
├─ 50%: 黄色
└─ 0%: 赤

完成イメージ:
         0月   1月   2月   3月   4月
2023/01  100%  45%   38%   32%   28%
2023/02  100%  48%   40%   35%   --
2023/03  100%  42%   36%   --    --

【Step 1: 集計テーブルの作成（推奨）】

顧客RFM = 
SUMMARIZE(
    購買,
    顧客[顧客ID],
    顧客[顧客名],
    "Recency", DATEDIFF(MAX(購買[注文日]), TODAY(), DAY),
    "Frequency", DISTINCTCOUNT(購買[注文ID]),
    "Monetary", SUM(購買[売上金額])
)

解説:
├─ SUMMARIZE: グループ化してテーブル作成
├─ 顧客IDごとに集計
└─ 新しいテーブルとしてモデルに追加


【Step 2: 計算列の追加（顧客RFMテーブルに）】

// R_Score
R_Score = 
SWITCH(
    TRUE(),
    顧客RFM[Recency] <= 30, 3,
    顧客RFM[Recency] <= 90, 2,
    1
)

// F_Score
F_Score = 
SWITCH(
    TRUE(),
    顧客RFM[Frequency] >= 10, 3,
    顧客RFM[Frequency] >= 5, 2,
    1
)

// M_Score
M_Score = 
SWITCH(
    TRUE(),
    顧客RFM[Monetary] >= 100000, 3,
    顧客RFM[Monetary] >= 50000, 2,
    1
)

─────────────────────────────

【Step 3: RFMセグメントとセグメント名】

// RFMセグメント
RFM_Segment = 
顧客RFM[R_Score] & 顧客RFM[F_Score] & 顧客RFM[M_Score]

// セグメント名
Segment_Name = 
SWITCH(
    TRUE(),
    顧客RFM[RFM_Segment] = "333", "VIP顧客",
    LEFT(顧客RFM[RFM_Segment], 1) = "3" && 
        RIGHT(顧客RFM[RFM_Segment], 1) = "1", "新規優良",
    LEFT(顧客RFM[RFM_Segment], 1) = "1" && 
        RIGHT(顧客RFM[RFM_Segment], 1) = "3", "休眠優良",
    顧客RFM[RFM_Segment] = "111", "離脱リスク",
    "一般顧客"
)

【Step 1: マトリックスビジュアル選択】

ビジュアライゼーション > マトリックス


【Step 2: フィールド配置】

行: 顧客RFM[R_Score]
列: 顧客RFM[F_Score]
値: 顧客数メジャー（下記作成）

// 顧客数メジャー
顧客数 = COUNTROWS(顧客RFM)


【Step 3: 条件付き書式（背景色）】

1. 値フィールドの「...」をクリック
2. 「条件付き書式」>「背景色」
3. 設定:
   ├─ 書式設定スタイル: カラースケール
   ├─ 最小値の色: 白 (#FFFFFF)
   ├─ 最大値の色: 濃い青 (#1565C0)
   └─ 中間値: 自動


【Step 4: テーブルデザイン調整】

書式設定:
├─ グリッド線: オフ
├─ 行ヘッダー: 太字、左寄せ
├─ 列ヘッダー: 太字、中央寄せ
├─ 値: 中央寄せ
├─ セルパディング: 10px
└─ フォントサイズ: 12pt


【Step 5: タイトル設定】

タイトル: "RFM分析 - 顧客セグメント分布"
サブタイトル: "R: 最近度、F: 頻度"


開発所要時間: 約25分

【コホート分析のDAXメジャー】

// 1. 初回購買月（計算列として顧客テーブルに追加）
初回購買月 = 
CALCULATE(
    MIN(購買[注文日]),
    ALLEXCEPT(顧客, 顧客[顧客ID])
)

// 2. コホートサイズ
コホートサイズ = 
VAR CurrentCohort = SELECTEDVALUE(顧客[初回購買月])
RETURN
    CALCULATE(
        DISTINCTCOUNT(顧客[顧客ID]),
        ALL(購買),
        顧客[初回購買月] = CurrentCohort
    )

// 3. リテンション率
リテンション率 = 
VAR CurrentCustomers = DISTINCTCOUNT(顧客[顧客ID])
VAR CohortSize = [コホートサイズ]
RETURN
    DIVIDE(CurrentCustomers, CohortSize, 0)


【マトリックスビジュアル設定】

行: 顧客[初回購買月]（月単位）
列: 購買[経過月数]（別途計算列作成）
値: [リテンション率]

条件付き書式:
├─ 100%: 緑 (#4CAF50)
├─ 50%: 黄色 (#FFEB3B)
└─ 0%: 赤 (#F44336)