顧客セグメントとは、購買履歴や会員情報が似ている顧客をまとめたグループのことで、その分け方を決める作業を顧客セグメンテーション（セグメンテーション分析）と呼びます。分ける目的は、同じ商品を全員に同じ言葉で売る代わりに、グループごとに特典・連絡の頻度・訴求を変えることです。この記事では意味と市場セグメンテーション・ターゲティングとの違い、4つの分類軸、分析の手順を整理したうえで、英国のオンライン小売の公開データ（4,266顧客）でRFM分析とデシル分析を実際に回し、翌年に再購入したかどうかまで突き合わせた結果を載せます。
まとめ：顧客セグメントの要点
- 顧客セグメント（カスタマーセグメント）は、自社の顧客を属性や購買行動でまとめたグループ。潜在顧客を含む市場全体を分ける市場セグメンテーションとは起点が違う。
- 分類軸はデモグラフィック・ジオグラフィック・サイコグラフィック・行動の4つ。顧客データがあるなら、既存顧客の再購入を促すなら、最終購入日・購入回数・購入金額の行動データから検討する。
- 公開データでの実測では、購入金額の上位10%が売上の59.6%を占めた（デシル分析）。翌年の再購入率は上位10%で92.0%、下位10%で29.1%。
- デシル分析だけでは「たくさん買ったが最近来ていない顧客」を見落とす。金額上位10%のうち最終購入が最も古い層は、翌年に戻ったのが15顧客中2顧客（13.3%）だった。
- 使えるセグメントかどうかは、測れるか・規模があるか・届けられるか・反応が分かれるか・実行できるかで判定する。分けた後に打ち手が変わらない切り口は捨てる。
顧客セグメントの意味と市場セグメンテーション・ターゲティングとの違い
顧客セグメント・カスタマーセグメントの意味
セグメント（segment）は「区切られた部分」を指す英語で、顧客セグメントとカスタマーセグメントは同じ意味で使われます。たとえば「直近3か月に2回以上買った顧客」「1年以上買っていない顧客」はそれぞれ1つの顧客セグメントです。グループの中では購買行動が似ていて、グループ同士では違う、という状態に分けられれば、メールの文面や特典をグループ単位で変えられます。
市場セグメンテーションとの違い
市場セグメンテーションは、まだ買っていない人を含む市場を年齢・地域・価値観などで切り分ける作業です。その中から狙う層を選ぶ工程がターゲティングです。顧客セグメンテーションは見込み客を含める場合もありますが、本記事では既存顧客のデータを起点に、育成や継続購入のための分類を扱います。使うデータも違い、前者は統計調査やアンケート、後者は購買履歴・会員登録情報・問い合わせ履歴が中心です。市場側の分け方はマーケットセグメンテーションとは？市場細分化の4つの軸と進め方で扱っています。
セグメンテーションとターゲティングの違い
セグメンテーションは「分ける」、ターゲティングは「分けた中から狙う層を選ぶ」工程で、STP分析ではこの順に進めます。化粧品の通販を例にとると、顧客を「初回購入から30日以内」「年4回以上購入」「半年以上購入なし」に分けるのがセグメンテーション、そのうち「年4回以上購入」に定期便の案内を集中させると決めるのがターゲティングです。分ける前に狙う層を決めると、思い込みで市場を狭めます。ポジショニングまで含めた3工程の流れはSTP分析とは？やり方3ステップと企業事例をわかりやすく解説を参照してください。
顧客を分ける4つの分類軸
| 分類軸 | 主な変数 | 顧客データでの取り方 |
|---|---|---|
| デモグラフィック | 年齢・性別・世帯・職業 | 会員登録の項目 |
| ジオグラフィック | 都道府県・都市規模・気候 | 配送先の住所 |
| サイコグラフィック | 価値観・ライフスタイル | アンケート・閲覧カテゴリ |
| 行動 | 最終購入日・購入回数・購入金額 | 購買履歴 |
既存顧客の再購入を促す目的なら、まず購買行動の軸から検討できます。年齢や地域は同じでも、先週買った人と1年買っていない人では送るべき連絡がまったく違うからです。デモグラフィックとジオグラフィックは取りやすい反面、動機の違う人が同じグループに混ざります。価値観で分ける考え方はサイコグラフィックとは？属性の具体例とデモグラフィックとの違い、地域の軸はジオグラフィックとは？意味・読み方とジオグラフィー（geography）との違い、価値観を10の類型に分ける調査手法はVALSとは？日本版VALSの10セグメントとAIO・LOVの違いで詳しく解説しています。法人顧客の場合は業種・従業員数・売上規模といった企業属性が加わり、BtoBのセグメンテーションとは？企業属性から購買担当者まで5層で切る進め方のように購買担当者の層まで分けます。
顧客セグメンテーション分析のやり方5ステップ
- 目的を1つに決める：休眠顧客の呼び戻し、上位顧客の離反防止、初回購入者の2回目購入など。目的で使う軸が変わります。
- データを1か所に集める：顧客ID・購入日時・金額が1行ずつ揃った購買履歴が最低限の材料です。店舗とECで顧客IDが分かれていると、同じ人が別の顧客として数えられます。CRMに購買履歴を集約する場合の構成はSalesforce導入支援サービス・Apex開発でも扱っています。
- 集計期間の長さと基準日の決め方を揃える：「毎月1日時点で、過去1年分」のように決めます。期間の長さが変わると最終購入からの日数も購入回数も変わり、前回と比べられません。
- 分けて、規模と中身を確かめる：RFMやデシルで分け、各グループの人数・売上構成比を表にします。人数が少ないグループでは、見込める粗利と施策費用を比較して採算を確認します。
- 施策を変えて、翌期に答え合わせをする：セグメントごとに打ち手を変え、次の期間の再購入率や売上で効果を測ります。次の章では、公開データで各セグメントの翌年の購買を比較します。施策の実施有無を比較していないため、施策による効果の検証ではありません。
顧客データの持ち方やRFMを集計するSQLの例はデータベースマーケティングとは？顧客データの持ち方・RFM分析のSQL例・企業事例と法規制にまとめています。
RFM分析とデシル分析を公開データで比べた結果
ここでは公開データで両手法を回し、分類結果に加えて各グループの翌年の購買まで突き合わせます。
Online Retail IIの対象期間と除外条件
カリフォルニア大学アーバイン校の機械学習リポジトリで公開されているOnline Retail II（作成者Daqing Chen、CC BY 4.0）を使いました。英国の無店舗オンライン小売の2009年12月1日〜2011年12月9日の取引で、主力はギフト雑貨、顧客の多くは卸売業者です。顧客IDの無い行・返品（請求書番号がCで始まる行）・数量や単価が0以下の行を除き、2009年12月1日〜2010年11月30日の1年でRFMとデシルを付け、2010年12月1日〜2011年11月30日に1回でも買ったかを「翌年の再購入」として数えました。対象は4,266の顧客IDで、翌年にも購入記録がある割合は63.6%です。以下の売上は返品・キャンセル分を差し引かず、除外後の正の購入明細を合計した金額です。
デシル分析：上位10%が売上の59.6%
デシル分析は、顧客を購入金額の多い順に10等分して、各グループの売上構成比を見る手法です。
| デシル | 購入金額の下限（ポンド） | 売上構成比 | 累積 | 翌年の再購入率 |
|---|---|---|---|---|
| 1（上位10%） | 3,685.7 | 59.6% | 59.6% | 92.0% |
| 2 | 2,095.0 | 13.6% | 73.3% | 89.0% |
| 3 | 1,403.8 | 8.6% | 81.8% | 82.9% |
| 4 | 978.4 | 5.9% | 87.8% | 71.9% |
| 5 | 689.1 | 4.1% | 91.9% | 68.3% |
| 6 | 497.6 | 2.9% | 94.9% | 66.0% |
| 7 | 351.0 | 2.1% | 97.0% | 48.5% |
| 8 | 250.6 | 1.5% | 98.5% | 50.2% |
| 9 | 153.9 | 1.0% | 99.5% | 37.9% |
| 10（下位10%） | 3.0 | 0.5% | 100.0% | 29.1% |
上位3デシル（30%）で売上の81.8%に達しました。ただし、上位20%では73.3%なので、いわゆる「2割の顧客が8割の売上」より上位への集中は弱い結果です。翌年の再購入率も金額順にほぼ下がるので、デシルは「誰に予算を寄せるか」を決める最初の地図として十分に使えます。購入金額の段で上・中・下に分ける考え方は量層分析とは？ヘビー・ミドル・ライトの区切り方と、層が入れ替わる実態で、同じデータを使って層の入れ替わりまで追っています。
RFM分析：5つのセグメントと翌年の再購入率
RFM分析は、Recency（最終購入からの日数）・Frequency（購入回数）・Monetary（購入金額）の3指標を使い、組み合わせで顧客を分けます。今回はR・Fの点数で次の5グループを作りました（Rは最終購入が新しいほど5点）。
| セグメント | 条件 | 顧客数 | 顧客構成比 | 売上構成比 | 翌年の再購入率 |
|---|---|---|---|---|---|
| 優良 | R4以上・F4以上 | 1,028 | 24.1% | 63.4% | 91.2% |
| 離反予兆 | R2以下・F4以上 | 342 | 8.0% | 8.6% | 70.8% |
| 新規・初回 | R4以上・購入1回 | 291 | 6.8% | 1.2% | 49.5% |
| 休眠 | R2以下・F2以下 | 997 | 23.4% | 4.6% | 33.7% |
| 中間 | 上記以外 | 1,608 | 37.7% | 22.2% | 65.5% |
R4以上は最終購入からおおむね33日以内、R2以下はおおむね64日以上前にあたります（同じ日数の顧客は境界で前後に振り分けています）。打ち手の違いがはっきり出るのは次の3つです。離反予兆は人数が8.0%と小さい一方で翌年も70.8%が戻っており、まだ引き留められる層です。「新規・初回」は集計期間内の購入が1回でR4以上の顧客を指し、生涯の初回購入者とは限りません。この層の49.5%が翌年も購入しましたが、購入促進策による売上増は検証していません。休眠は23.4%を占めますが売上は4.6%で、翌年に戻ったのは約3分の1（33.7%）です。休眠と優良への割引予算は、過去の売上構成比だけで決めず、割引による購入の増分と費用を比較して配分します。
デシルだけでは見えない「上位顧客の離反」
金額上位10%（427顧客）をRの点数で割ると、最終購入がおおむね12日以内のR5は196顧客のうち98.5%が翌年も買ったのに対し、170日以上前のR1は15顧客のうち2顧客（13.3%）しか戻りませんでした。デシルの表では同じ「上位10%・再購入率92.0%」に埋もれる顧客です。ただしR1は15顧客と少なく、13.3%を他の期間や企業にそのまま当てはめることはできません。Fader・Hardie・Leeの論文（2005年）も、最終購入が古い顧客では過去の購入頻度が高いほど将来の購買は少ないと見込まれる、という逆転を報告しています（著者原稿PDFの「For low levels of recency, customers with higher frequency are likely to have lower future purchasing potential」）。実務では、デシルで重点層を決めたら、その中を必ず最終購入日で割ってください。
購入1回の顧客におけるFスコアの分割
今回のデータでは購入1回の顧客が全体の33.5%いました。5等分（各20%）で点数を付けると、同じ「1回」の顧客がF1点とF2点に機械的に分かれます。実際、F1点（全員1回）の翌年再購入率は39.6%、F2点（1〜2回）は43.5%とほとんど差がありません。購入回数の偏りが大きい業種では、Fを5等分せず「1回・2回・3〜5回・6回以上」のように回数そのもので区切るほうが、点数の意味がぶれません。3指標それぞれで翌年に買うかどうかを並べる力（AUC、0.5で当てずっぽう・1.0で完全）を計算すると、Rが0.713、Fが0.754、Mが0.753、3つの点数の合計が0.780で、このデータと期間では合計が単独指標を上回りました。他の業種や期間でも同じになるとは限りません。
集計の中核は次のとおりです（pandas 2.3.3で実行）。dfは前述の除外処理を済ませ、2009年12月1日以上・2010年12月1日未満に限定し、InvoiceDateを日時型に変換したデータです。同じ値が多い列は、順位を付けてから5等分しないとエラーになるか、境界が偏ります。
import pandas as pd
# df: 1行=1明細（Customer ID, Invoice, InvoiceDate, amt=数量×単価）
snap = pd.Timestamp("2010-12-01") # 集計の基準日
g = df.groupby("Customer ID").agg(
last=("InvoiceDate", "max"),
F=("Invoice", "nunique"), # 購入回数＝請求書の数
M=("amt", "sum")) # 購入金額の合計
g["R"] = (snap - g["last"]).dt.days # 最終購入からの日数
g["Rs"] = pd.qcut(g["R"].rank(method="first"), 5, labels=[5, 4, 3, 2, 1]).astype(int)
g["Fs"] = pd.qcut(g["F"].rank(method="first"), 5, labels=[1, 2, 3, 4, 5]).astype(int)
g["Ms"] = pd.qcut(g["M"].rank(method="first"), 5, labels=[1, 2, 3, 4, 5]).astype(int)Recencyという指標そのものの意味や、Frequency・Monetaryとの計算方法はRecency（リーセンシー）とは？意味・読み方・使い方とRFM（Frequency・Monetary）の計算方法で解説しています。
使えるセグメントかを判定する条件
分けたグループが施策に使えるかは、Kotler & Kellerの教科書『Marketing Management』（第15版）が挙げる5条件で確かめるのが定番です。
| 条件 | 問い | 今回のRFMでの確認 |
|---|---|---|
| Measurable（測定できる） | 人数・金額を数えられるか | 購買履歴から算出できる |
| Substantial（十分な規模） | 施策の費用に見合うか | 最小層291顧客。収益性は費用と粗利の確認が必要 |
| Accessible（届けられる） | 連絡手段があるか | 顧客IDに連絡先が紐づくか要確認 |
| Differentiable（反応が分かれる） | 施策への反応が異なるか | 再購入率は異なるが施策への反応差は未検証 |
| Actionable（実行できる） | 体制で打ち手を回せるか | 担当者・工数・配信手段の確認が必要 |
国内ではRank（優先順位）・Realistic（売上・利益が見込めるか）・Reach（到達できるか）・Response（反応を測定できるか）の4Rで確かめる流儀もよく使われ、観光庁の『域内連携による地域資源磨き上げの手引き』（令和4年3月）もSTP分析の後の確認項目として4Rを載せています。どちらを使う場合も、打ち手を変えられるかに加え、収益性、到達可能性、測定可能性などを個別に確認します。
業種別の顧客セグメンテーション例
クレジットカード：年間利用額による特典の区分
クレジットカードは、利用額という行動データで会員を線引きしている分かりやすい業種です。たとえば三井住友カード ゴールド（NL）は年会費5,500円（税込）ですが、公式の注意事項によると、加入月の11か月後の末日までに100万円を使うと翌年以降の年会費が永年無料になります。年会費やリボ払い手数料は集計の対象外で、2026年3月1日からはau PAY・Kyash・JAL Pay・バンドルカードへの利用も対象外に加わりました。ここから読み取れるのは、Monetary（金額）をどう数えるかの定義も設計の一部だということです。自社でRFMを組むときも、ポイントでの支払い・送料・返品を金額に含めるかを最初に決めておかないと、セグメントの境界が意図しない顧客で埋まります。
EC・小売：RFM別の案内内容と配信頻度
前の章の5グループに当てはめると、優良には新商品の先行案内、離反予兆には最後に買った商品の補充や関連商品の案内、新規・初回には2回目に使える特典、休眠には年数回の再来店の案内、という分担になります。休眠は人数が多く売上が小さいので、割引の深さではなく連絡の回数を絞るほうが費用を抑えられます。
SaaS・BtoB：利用状況と契約金額による分類
月額課金のサービスでは、ログイン頻度や主要機能の利用状況を、解約予兆を調べる指標の候補にできます。たとえば「月額契約10万円以上」と「直近30日の主要機能利用が前の30日より減少」の2軸で分け、契約金額が大きく利用が落ちている顧客をカスタマーサクセスの優先対象にするのが典型的な使い方です。担当者像まで掘り下げるならペルソナマーケティングとは？ターゲットとの違いと施策に落とす手順につなげます。
顧客セグメンテーションで失敗する型と向かない場面
- 細かく割りすぎる：RFMを各5段階で全部掛け合わせると125グループになります。今回の4,266顧客なら1グループの単純平均は約34で、実際の顧客数はさらに偏ります。運用する区分数は、施策の違いと担当体制に合わせて絞ります。
- 分けて終わる：セグメント別の人数表を作っても、連絡内容が全員同じなら売上は動きません。手順の5番目（翌期の答え合わせ）までを1セットにします。
- 集計ルールを揃えない：集計期間の長さや基準日の決め方が毎回異なると、顧客がセグメント間を移動したのか、集計条件が変わったのか区別できません。
購入が数年に1回の商品（住宅・自動車・大型家電など）は、ほぼ全員の購入回数が1回でFが分散しないため、RFMは向きません。この場合は問い合わせ・資料請求・来店予約といった購入前の行動や、前回の購入からの経過年数で分けるほうが打ち手につながります。
よくある質問
顧客セグメントとは何ですか？
自社の顧客を、属性や購買行動が似ている者どうしでまとめたグループのことです。「直近1か月に2回以上購入」「1年以上購入なし」のように定義し、グループごとに特典や連絡の内容を変えるための単位として使います。
顧客の4つの分類軸とは何ですか？
デモグラフィック（年齢・性別など）、ジオグラフィック（地域・気候など）、サイコグラフィック（価値観・ライフスタイル）、行動（最終購入日・購入回数・購入金額など）の4つです。既存顧客を分けるなら、購買履歴から取れる行動の軸を中心に、他の軸を組み合わせます。
顧客セグメンテーション分析ではどの手法を使えばよいですか？
購買履歴があるなら、まずデシル分析で売上がどの層に集中しているかを確かめ、次にRFM分析で最終購入日と購入回数を加えて分けます。公開データでの検証では、デシル上位10%の中にも翌年の再購入率が13.3%（15顧客中2顧客）しかない層があり、デシルだけでは見落としが出ました。
顧客セグメンテーションの具体例はありますか？
クレジットカードでは、年間の利用額で年会費の免除や特典を変える設計が公開されています（三井住友カード ゴールド（NL）は年100万円の利用で翌年以降の年会費が永年無料）。ECでは、RFMで優良・離反予兆・新規・休眠に分け、それぞれに先行案内・補充の案内・2回目特典・再来店の案内を出し分けます。
セグメンテーションとターゲティングの違いは何ですか？
セグメンテーションは顧客や市場をグループに分ける工程、ターゲティングは分けたグループの中から狙う相手を選ぶ工程です。分けてから選ぶ順番を守らないと、最初の思い込みに合う層しか見えなくなります。
