顧客セグメンテーションとは、顧客基盤を属性、行動、購買履歴といった共通点で複数の集団に分け、集団ごとに届けるメッセージ、オファー、体験を変えられるようにする手法である。 パーソナライズの前段にあたる工程であり、限られた予算と工数をどの顧客に向けるかを決める判断そのものでもある。
オーディエンスセグメンテーションとの違い
オーディエンスセグメンテーションは、匿名のサイト訪問者や見込み客を含む、より広い対象を分ける。認知の獲得や新規顧客の開拓といったファネル上部で使われ、分類の軸もデモグラフィックから利用技術まで幅広い。
顧客セグメンテーションが扱うのは、すでに取引のある顧客である。購買履歴、契約状態、利用頻度、問い合わせ履歴という実績データが手元にあるため、推定ではなく事実にもとづいて分けられる。目的も、認知の獲得ではなく、維持、単価の向上、離脱の抑制に寄る。分類の軸の全体像はオーディエンスセグメンテーションの側で扱っているので、ここでは既存顧客に対して実際に使われている切り口を見ていく。
実務で使われる4つの切り口
| 切り口 | 使うデータ | 何を決めるための分け方か |
|---|---|---|
| RFM | 最終購入日、購入頻度、購入金額 | 誰に優先的に接触するか。3軸のスコアで顧客を格付けする |
| LTV階層 | 累計購買額、継続期間、予測された顧客生涯価値（LTV） | 獲得コストと維持コストをどこまでかけてよいか |
| ライフサイクル段階 | 初回購入からの経過、購入回数、直近の利用状況 | 見込み客、初回購入者、リピーター、休眠、離脱のどこに手を打つか |
| 解約リスク | 利用頻度の低下、問い合わせの増加、更新までの残期間 | 引き止めの対象と、着手するタイミング |
RFMは日本の小売やECで最も定着している切り口で、集計だけで作れるため導入の敷居が低い。一方で過去の実績しか見ないため、これから離れる顧客は捉えられない。そこを補うのが解約可能性やLTVの予測のように、予測分析が出したスコアを条件に使うセグメントである。
さらに細かく切るマイクロセグメント——たとえば「直近30日にカテゴリーXを購入し、平均注文単価が1万円以上の顧客」——は、広告の費用対効果を上げ、類似オーディエンスモデルの入力としても精度が高くなる。ただし細かくするほど、対象人数が施策として成立する規模を割り込む。
静的なリストが陳腐化する理由
多くの現場では、セグメントはデータベースやBIから書き出したCSVとして存在している。書き出した瞬間から、その一覧は過去のものになる。
昨日カートに商品を残した顧客は、今朝すでに購入しているかもしれない。先月「休眠」と判定した顧客が、今週再訪しているかもしれない。リストの更新が週次であれば、施策は最大で1週間ずれた顧客像に向けて打たれることになる。離脱の兆候への対応や購入直後の関連提案のように、タイミングが結果を左右する施策ほど、このずれが効いてくる。
もう一つの問題は、チャネルごとに別のリストが存在することである。メール配信基盤、広告プラットフォーム、サイトの出し分けツールがそれぞれ独自の条件でセグメントを持っていると、同じ顧客が片方では優良顧客、片方では新規獲得の対象として扱われる。
CDPがセグメントを動的に保つ仕組み
CDP（カスタマーデータプラットフォーム）は、この2つの問題に対して次のように働く。
- 参照するデータが一つに揃う：Web、アプリ、店舗、コールセンターのデータを名寄せで結び、一人分の履歴として扱う。チャネルごとに違う顧客像が生まれる余地がなくなる。
- 所属が随時入れ替わる：顧客が行動を起こした時点でセグメントの判定が走る。カートの放棄、支出額のしきい値の超過、問い合わせの発生といったイベントに対して、次のバッチを待たずに所属が変わる。
- 定義が一箇所に集まる：セグメントの条件をCDP側で定義し、データアクティベーションを通じて各チャネルへ配る。メール、広告、サイト、応対画面が同じ定義を参照する。
- 担当者が条件を変えられる：条件の変更のたびにデータチームへ依頼する必要がなくなり、試行の回数が増える。
AIが見つけるセグメント
人が条件を書く限り、セグメントは仮説の範囲を出ない。機械学習は、購買と行動のデータから、担当者が想定していなかった集団を見つけ出す（AIによる顧客セグメンテーション）。
より実務に効くのは、予測スコアをそのまま条件に使う形である。「今後90日以内に離脱する確率が上位10%」「次に購入する確率が高いカテゴリーがY」といった条件は、モデルの出力が更新されるたびに所属が入れ替わる。この粒度になると、セグメントごとの一斉配信ではなく、顧客一件ごとの判断（ネクストベストアクション（NBA））へ連続的につながっていく。
セグメント設計でつまずく点
- 数を増やしすぎる：セグメントは、それぞれに別の打ち手を用意できる範囲でしか意味を持たない。20個作って施策が3種類しかないなら、実質3セグメントである。
- 対象規模を確認していない：条件を細かくした結果、対象が数十人になっていることがある。効果の検証もできない。
- 除外の設計を忘れる：優良顧客に新規獲得向けの割引を出す、といった事故は、対象の条件だけを考えて除外条件を書かないときに起きる。
- 同意の状態を条件に含めていない：同意管理の記録は、セグメントの所属ではなく実行の直前で判定される設計にしておく。セグメントに含まれていることと、配信してよいことは別である。
FAQ
顧客セグメンテーションとオーディエンスセグメンテーションはどう違うのか？
顧客セグメンテーションは取引のある既存顧客を実績データで分ける手法、オーディエンスセグメンテーションは匿名の訪問者や見込み客を含む、より広い対象を分ける手法である。 前者は維持、単価の向上、離脱の抑制といったファネル下部の目的に使われ、後者は認知の獲得や新規開拓に使われる。CDPは両方を同じプロファイル基盤の上で扱う。
顧客セグメンテーションとパーソナライズの違いは何か？
セグメンテーションは顧客を共通点で束ねる工程、パーソナライズはその束ねた結果を使って体験を作り分ける工程である。 セグメンテーションが対象を決め、パーソナライズが中身を決める。両者はつながっており、セグメントの粒度を細かくしていった先に、一人ひとりに対する出し分けがある。
RFMだけでは何が足りないのか？
RFMは過去の購買実績しか見ないため、これから離れる顧客と、これから伸びる顧客を捉えられない。 最終購入日、購入頻度、購入金額はいずれも起きたことの記録である。離脱の兆候や次の購入の可能性のような、まだ起きていない事象を条件に含めるには、予測スコアを別途持つ必要がある。RFMを土台にしつつ、予測スコアを1つ足す形が現実的な進め方である。
セグメントはいくつ作るのが適切か？
別々の打ち手を用意できる数までである。 セグメントの数がそのまま施策の数になるわけではなく、同じメールを送る2つのセグメントは実質1つである。まず打ち手の種類を数え、それに対応する分け方を設計するほうが、分類から入るより実務に乗りやすい。
関連用語
- オーディエンスセグメンテーション：匿名の訪問者を含む、より広い対象を分ける手法
- 予測分析：解約可能性やLTVなど、セグメントの条件に使うスコアを算出する
- パーソナライズ：セグメントの結果を体験の作り分けに変える工程
- データアクティベーション：定義したセグメントを各チャネルへ届ける工程
- カスタマージャーニー：セグメントを段階として捉え直す枠組み
- 類似オーディエンスモデル：優良セグメントに似た見込み客を広げる手法
- プロペンシティモデリング：セグメント内の顧客を行動の確率で順位づけする手法
この記事は他の言語でも読めます： Customer Segmentation: Types & Examples · Segmentação de clientes: o que é, RFM e LTV