顧客セグメンテーションとは、顧客ベースを行動にもとづいて意味のあるグループに分け、それぞれに別々の広告判断を当てることです。広告で効く理由は単純です。同じ予算でも正しい相手に届けばCPAは下がります。放っておいても買う人に二重に支払うのをやめられるからです。最短で組めるのがRFM分析で、AIはその上に離反確率や予測LTVという先読みの層を重ねます。
顧客セグメンテーションとRFM分析とは何ですか?
RFM分析とは、すべての顧客を3つの数字で要約するスコアリング手法です。Recency(最終購入からの経過日数)、Frequency(一定期間の購入回数)、Monetary(累計購入金額)の3つです。それぞれの指標で顧客ベースを5等分し、全員に1から5のスコアを付けます。555の顧客は直近に、最も頻繁に、最も多く使った人であり、111の顧客は実質的に失われたと見なします。
- Recency(新しさ): 最後の注文から何日経ったか。広告における最強の単独シグナルです。30日前に買った人と400日前に買った人は、同じ人ではありません。
- Frequency(頻度): 選んだ期間に何回購入したか。1回きりの購入者と3回目の注文をする顧客に、同じメッセージを当てるべきではありません。
- Monetary(金額): 累計でいくら使ったか。可能なら売上ではなく利益率を使ってください。売上では優良に見える顧客が、返品率のせいで赤字になっていることがあります。
- スコアリング: 各指標で顧客を5等分し、1から5を付けます。結果は3桁のコード(たとえば545)になり、セグメントはこのコードの読み方から生まれます。
AIは従来のRFM分析に何を追加しますか?
従来のRFM分析の弱点はひとつだけです。過去しか見ていないことです。顧客が昨日何をしたかは語りますが、明日何をするかは語りません。AIモデルは同じRFMスコアを入力として受け取り、その上に行動的で予測的な層を組み立てます。離反確率、次回購入確率、予測LTVです。これによりセグメントは静止画をやめ、予測に変わります。
- 離反確率: その人が次の期間に購入をやめる可能性。復帰施策の予算を誰に使うかを、この数字が決めます。
- 次回購入確率: 近いうちに再注文する可能性。高いなら放っておいても戻ってきます。そこに割引クーポンを見せるのは、利益率を無駄に燃やす行為です。
- 予測LTV: 顧客が将来もたらすと見込まれる価値。類似オーディエンスのソースは、今日の購入額ではなくこの予測で選ぶほうがはるかにうまくいきます。
- 行動シグナル: 閲覧、カテゴリ親和性、返品率、割引依存度。RFMの3つの数字に足すことで、これらの項目はセグメントを目に見えて鋭くします。
ここは正直に書きます。予測の層は魔法ではありません。モデルの精度はデータ品質と業種によって大きく振れ、注文履歴の薄いブランドでは根拠のある推測の域を出ません。高い「正解率」の数字にも注意が必要です。離反はもともと稀な事象なので、「誰も離反しない」と答えるだけのモデルでも、数字の上では高く見えてしまいます。正しい使い方は、確定した事実としてではなく、予算の優先順位を決める並べ替えとして扱うことです。AIによる広告運用が本当に効くのもここです。判断を代わりに下すのではなく、判断の順番を決めるのです。
6つの顧客セグメントに、どの広告アクションを当てますか?
セグメントは何十個でも作れますが、実際の広告アカウントで運用しきれるのは6つです。以下の6セグメントはRFMスコアと予測の層を合わせて読むことで作られ、それぞれの横にたった1つの明確な広告アクションが置かれます。ルールはこうです。横にアクションを書けないセグメントは、不要なセグメントです。
- 優良顧客(R5 F5 M5): 直近に、頻繁に、高額で買う中核層。アクション: 新規獲得広告からは除外します(放っておいても来ます)。予算はロイヤルティ、新商品、上位商品の訴求に回します。
- 安定顧客(F高・M中): 定期的に買うがカゴが小さい層。アクション: クロスセルと補完商品。平均注文額を上げるほうが、新規顧客を見つけるよりはるかに安く済みます。
- 離反リスク(F・M高、R低): かつて優良で、いま離れつつある層。アクション: 復帰施策。相手をすでに知っており説得コストが低いため、たいてい予算の中で最も回収率の高い項目になります。
- 離反済み(R低・F低): 長く来ておらず、戻る見込みも薄い層。アクション: 低予算で1回だけ試し、反応がなければリストから除外します。この層に固執するとCPAは静かに膨らみます。
- 新規顧客(R高・F=1): 初回注文を終えたばかりの人。アクション: 2回目の購入を促します。2回目の注文は、購入者が顧客に変わる境界線です。
- 高ポテンシャル(RFM中、予測LTV高): 今日は平凡に見えるが、モデルが高く評価する層。アクション: 類似オーディエンスのソースとして使い、新規獲得キャンペーンをこのプロフィールに合わせて組みます。
セグメントが広告アカウントで何をしているか、見てください
Ads SensorはMeta広告、Google 広告、TikTok広告、Criteo、GA4のデータを1画面に統合し、どのオーディエンスが予算を溶かしているかをAIが根拠付きで示します。
セグメントを広告プラットフォームにどう連携しますか?
広告アカウントに届かないセグメントは、ただの表計算シートです。連携の道は3つあります。顧客リストとしてアップロードする方法(Google 広告のカスタマーマッチ、Meta広告のカスタムオーディエンス)、価値の高いセグメントを類似オーディエンスのソースとして使う方法、そして最も重要な、該当セグメントをキャンペーンから除外する方法です。除外は最も早く効き、たいてい最後に思い出されます。
- リストを準備する: メールアドレスと電話番号を一緒に送ります。Googleのドキュメントによれば、識別子を1つではなく2つ使うとマッチ率が目に見えて上がります。
- アップロードしてマッチ率を測る: 大半の広告主は29-62%の帯に収まります。大きく下回るなら問題はオーディエンスではなくデータ形式です。未処理の空白、大文字小文字の混在、死んだメールアドレスを疑ってください。
- 類似オーディエンスを作る: ソースには優良顧客ではなく、予測LTVの高いグループを渡します。優良顧客はすでに小さく飽和した集合で、モデルはそれを真似て最も単価の高い人を追いかけます。
- 除外を設定する: 直近30-90日に購入した人を新規獲得キャンペーンから外します。この設定ひとつで無駄な獲得予算は一般に15-25%減り、リマーケティング戦略のメッセージも同時に整理されます。
同意とデータ品質: 何に注意すべきですか?
顧客リストのアップロードは、手元のメールアドレスをすべてプラットフォームに送ることではありません。使えるのはマーケティング同意のある記録だけで、GDPRのもとでこれは議論の余地がありません。リストの品質は成果の問題でもあります。同意のない古い記録で埋まったリストは、マッチ率を下げたうえに間違った相手に広告を配信します。
- 同意のあるデータのみ: マーケティング同意のない記録をリストに入れないでください。プラットフォームの規約も同じ要求をしており、違反はアカウント停止にまで至り得ます。
- リストを新鮮に保つ: Googleではリストが有効であり続けるために、直近540日以内に更新されている必要があります。月次の更新は良い習慣です。
- 下限を知る: Google 広告の顧客リストの下限は1,000人から100人に引き下げられました。Meta広告のカスタムオーディエンスにも同程度の下限があります。小さくても価値あるセグメントが使えます。
- 削除依頼に対応する: 顧客が削除を求めたら、アップロード済みのリストからも外してください。1回きりのアップロードではなく、定期的な同期を組みます。
セグメント別のCPAとROASはどう比較しますか?
セグメンテーションが効いているかどうかは、アカウント全体のROASを見ても分かりません。平均は良いセグメントと悪いセグメントを混ぜてしまいます。正しい計測は、セグメントごとにCPAとROASを分けて報告することです。期待される姿はこうです。復帰施策のセグメントはCPAで新規獲得キャンペーンを明確に下回り、離反済みセグメントはアカウント平均を上回ります。この2つの数字が近づいてくるなら、あなたのセグメントは実体ではなく、ただのラベルです。
まとめます。セグメンテーションは新しい予算を求めません。いまある予算を正しい相手に向け直すだけです。RFMから始め、その上に予測の層を重ね、6つのセグメントそれぞれにたった1つの広告アクションを書き、除外は初日に設定してください。Ads SensorはMeta広告、Google 広告、TikTok広告、Criteo、GA4のデータを1つの画面に統合し、どのオーディエンスが予算を溶かしているかをAIが根拠付きで示し、承認した提案をプラットフォームに反映します。プレベータに登録して、どのオーディエンスが予算を溶かしているかを自社データで確認してください。