ClaudeでRFM分析する手順 — 顧客リストを施策別に切る

RFM分析は「いつ・何回・いくら」で顧客を分ける方法

RFM分析とは、顧客を最終購入日からの経過(Recency)、購入回数(Frequency)、購入金額の合計(Monetary)の3つで採点し、点数の組み合わせでグループに分ける手法です。ECや会員制サービスのCRMでは定番で、「全員に同じクーポンを送る」状態から抜け出すときの最初の一歩になります。

必要な材料は注文履歴のCSVだけです。顧客ID、注文日、金額の3列があれば成り立ちます。ClaudeにCSVを渡すと、Claudeがサンドボックス(隔離された実行環境)でPythonを書いて動かし、スコア付けから区分ごとの件数・平均金額の集計まで返します。計算の手間は消えるので、人が考える時間は「どの区分に何をするか」に回せます。

この記事では、CSVの下準備、Claudeへの頼み方、区分の切り方、区分ごとの打ち手、計算結果の検証までを順に書きます。CSV分析の基本操作はClaude CSV分析の使い方にあり、ここでは顧客リスト固有の論点に絞ります。

渡す前に決めておくこと — 列を絞り、氏名と連絡先を外す

RFMに要るのは行動の記録であって、誰かを特定する情報ではありません。氏名、メールアドレス、電話番号、住所は、分析のために渡す必要がありません。顧客IDに置き換えたCSVを作ってから添付します。

公式のサポート記事は、外部のファイルやWebサイトに仕込まれた指示でClaudeがだまされ、会話の文脈にある情報を外部へ送らされる恐れがあると説明しています。自社システムから書き出したCSVなら通常は心配が小さいものの、「渡す列を最小にする」は、その種のリスクを小さくする基本動作です。

IDだけにしても、購入履歴は元の名簿と突き合わせれば個人に結びつきます。社内の個人情報の取り扱いルールがある場合は、CSVを外部のサービスに渡してよいかを先に確かめます。

ファイルサイズの上限は30MBを目安にする

アップロードの上限は、公式の記事によって数字が異なります。ファイルのアップロード記事はチャット添付を1ファイル500MBまで、プロジェクトのファイルを1ファイル30MBまでとしています。一方、コード実行とファイル作成の記事は、アップロードもダウンロードも1ファイル30MBまでと書いています。CSVをコード実行で分析する今回の使い方では、30MBを基準に考えるのが安全です。

顧客が数万件、注文が数十万行ほどのCSVなら、日付・ID・金額の3列に絞れば数十MBを超えることは少なくなります。超える場合は、対象期間を直近2年などに絞って分けて渡します。

動かないときは機能の設定を見る

CSVの集計は「コード実行とファイル作成」の機能の上で動きます。Free・Pro・Maxは既定でオンで、設定画面の「Capabilities」から切り替えられます。TeamとEnterpriseは、組織の管理者が機能ごと止めていることがあります。XLSXで渡す場合は、この機能をオンにしないとアップロードできません。CSVなら、その制約はありません。

Claudeへの頼み方 — 段階を分けて進める

最初から「RFM分析をして」と丸投げすると、基準日やスコアの切り方をClaudeが勝手に決めます。結果の再現ができなくなるので、定義を自分で決めて伝えます。

最初の依頼文は、たとえば次のように書きます。

添付の orders.csv は注文単位のデータです。
列は order_id, customer_id, order_date, amount です。
 
1. まず行数・顧客数・期間・欠損のある列を報告してください。
2. 基準日を 2026-09-30 とし、顧客ごとに次を計算してください。
   - Recency: 最終注文日から基準日までの日数
   - Frequency: 注文回数
   - Monetary: amount の合計
3. R・F・M を 5 分位で 1〜5 点に変換してください。
   Recency は日数が小さいほど 5 点にします。
4. 同じ値が多くて分位が割れない場合は、その旨を報告してください。

4番の指示は保険です。購入回数は「1回」の顧客が多く、同じ値が並ぶため、分位で5段階に割ると境界が偏ります。Claudeに黙って処理させず、割れたかどうかを答えさせておくと、後で点数の意味を説明できます。

区分の条件は表で渡す

スコアが付いたら、区分の条件を渡します。ここは自社の商材に合わせて変える部分で、下の条件は考え方の一例です。

条件は上から順に当てはめ、最初に合ったものを採用する、と頼み方に書き添えます。順序を指定しないと、1人が複数の区分に重なって件数の合計が顧客数と合わなくなります。

スコアから、次の順で顧客を1つの区分に割り当ててください。
上から順に当てはめ、最初に合った区分を採用します。
 
1. 優良: R>=4 かつ F>=4
2. 休眠(元優良): R<=2 かつ F>=3
3. 新規: R>=4 かつ F<=2
4. 離反: R<=2
5. 一般: 上のいずれでもない
 
区分ごとに、顧客数・平均注文回数・平均合計金額を表にして、
区分の顧客数の合計が全顧客数と一致することを確認してください。

同じ処理を手元で動かした結果

Claudeが裏で何をしているかは、同じ処理を自分でも書いてみると分かります。乱数で作った架空の注文データ(200人・579注文)に、標準ライブラリだけのPythonスクリプトを当てた例です。実在の顧客データではなく、集計の流れを見せるための実行結果です。

import csv, datetime
from collections import defaultdict
 
asof = datetime.date(2026, 9, 30)
c = defaultdict(lambda: {"last": None, "f": 0, "m": 0})
for r in csv.DictReader(open("orders.csv")):
    d = datetime.date.fromisoformat(r["order_date"])
    x = c[r["customer_id"]]
    x["last"] = max(x["last"], d) if x["last"] else d
    x["f"] += 1
    x["m"] += int(r["amount"])
 
def score(vals, rev=False):
    s = sorted(vals)
    q = [s[int(len(s) * p)] for p in (.2, .4, .6, .8)]
    def f(v):
        n = 1 + sum(v > t for t in q)
        return 6 - n if rev else n
    return f
 
sr = score([(asof - x["last"]).days for x in c.values()], True)
sf = score([x["f"] for x in c.values()])
seg = defaultdict(int)
for x in c.values():
    r = sr((asof - x["last"]).days)
    f = sf(x["f"])
    if r >= 4 and f >= 4: g = "優良"
    elif r <= 2 and f >= 3: g = "休眠(元優良)"
    elif r >= 4 and f <= 2: g = "新規"
    elif r <= 2: g = "離反"
    else: g = "一般"
    seg[g] += 1
 
print(len(c), "customers")
for g, n in sorted(seg.items(), key=lambda t: -t[1]):
    print(g, n)

python3 rfm.py

200 customers
新規 51
離反 48
一般 40
休眠(元優良) 31
優良 30

区分の合計は51+48+40+31+30で200人となり、顧客数と一致します。Claudeに頼んだ結果でも、同じ足し算で検算できます。

このスクリプトは、簡略化のためにMをスコア化せず、区分の条件にも使っていません。金額は区分ごとの平均を出す側で使う想定です。優良の中でも金額の大きい層を分けたいときは、Mのスコアを足して条件に加えます。

区分ごとの打ち手 — Claudeに案を出させる

件数が出たら、次は区分ごとの施策です。ここはClaudeの得意な部分で、区分の定義と自社の商材を渡せば、打ち手の候補をまとめて出せます。ただし、案をそのまま採用するのではなく、費用対効果の見積もりと、配信できる人数の確認は人が行います。

ここでの打ち手は発想の出発点で、効果を保証するものではありません。どの区分に予算を寄せるかは、区分の人数と平均金額を掛け合わせて決めます。施策ごとの予算配分の考え方はキャンペーン成果と予算の再配分にあります。

先ほどの区分ごとの集計表をもとに、各区分への施策案を
2つずつ出してください。
 
前提:
- 商材: 月額980円の学習アプリ(定額課金)
- 配信手段: メールとアプリ内通知
- 値引きは原則使わない
 
各案について、狙い・対象人数・見る指標を1行で書いてください。

前提に商材と制約を書くほど、施策案が具体的になります。値引きを使わない、配信手段が限られるといった制約は、書かないと案に反映されません。

計算結果を検証する

数字が出ても、そのまま会議に出さないほうが安全です。Claudeが書いたコードの前提が、こちらの意図とずれている可能性は残ります。次の3点を確かめます。

• 区分の顧客数の合計が、読み込んだ顧客数と一致するか
• 顧客1人を選び、その人の注文を目で追って、R・F・Mが手計算と合うか
• 基準日が指定どおりか(コードを表示させて、日付の指定箇所を見る)

customer_id が C0001 の顧客について、次を表示してください。
- この顧客の全注文(日付と金額)
- 計算した R・F・M の値と、各スコア
- 割り当てられた区分とその理由

1人分でも手計算と合えば、全体の処理も同じ流れで動いていると判断しやすくなります。合わなければ、基準日の取り違えや返品行の混入が疑わしい点です。

つまずきやすい点

コード実行とファイル作成は、通常のチャットより使用量を多く消費します。大きなCSVで何度も作り直すと、プランの上限に早く近づくので、定義を固めてから回します。

定義を残して、毎月同じ分析を回す

区分の条件、基準日の決め方、金額の定義を一度決めたら、文書にして残します。プロジェクトにファイルとして置くと、会話ごとに貼り直さずにClaudeが参照できます。プロジェクトのファイルはコード実行の環境からも参照されます。

毎月の更新では、新しい注文データだけを差し替え、定義のファイルは固定します。区分の人数の推移が、施策の効果を見る目安になります。

配信まで同じ流れで進めたい場合は、メール配信ツールとの連携が選択肢です。Brevoとの連携ではキャンペーン分析とセグメントの扱いを、Mixpanelとの連携では行動データの横断分析を、Chargebeeとの連携では課金データの引き方を扱っています。RFMで切った区分の一覧を、これらのツールの配信リストに反映する運用の入口になります。

まとめ

RFM分析で手間がかかるのは計算ではなく、下準備と定義の決定です。氏名・連絡先を外したIDだけのCSVを用意し、基準日・スコアの切り方・区分の条件をこちらで固定して伝えれば、Claudeは再現できる形で集計を返します。数字は顧客数の合計と1人分の手計算で検算してから、施策の議論に使います。