新規の購入者は増えているのに、注文件数が伸びない。顧客データは貯まっているが、何から分析すればよいのかわからない。ECの運営では、そうした状況が珍しくありません。
W2には、「RFM分析ができず、依頼しているコンサルタントが困っている」(健康食品)、「LTVが一目でわかるようにしたい」(酒類・食品)といった声が寄せられています。分析の手法は、検索すればいくらでも見つかります。迷うのは、その先です。
自社は、どの手法から始めるのか。分析したあとに、誰へ何を届けるかも決めなければなりません。公開されている事例には、どんな数字が出ているのでしょうか。
このページは、新規と既存の数字から、顧客分析が必要になる理由を確かめるところから始まります。次の説明は、目的から検証までの6ステップ、分析の前に整える3つの条件、RFM、CPM、コホートなどの手法の使い分けです。そのあとは、層ごとの施策、効果の測り方、公開されている事例の数字の読み方の順に進みます。
事例は、W2の導入企業と他社を同じ基準で並べ、比較の条件が書かれているかも確認しました。数字には、母数と時期を添えています。
この記事でわかること
手法を選ぶ前に、「誰に、何をしてもらいたいか」を決めます。そのうえで、顧客データが1か所にあり、同じ人が1人として数えられているかを確かめてください。W2に寄せられる商談の声にも、名寄せができず、正確なLTVが出せないという悩みがあります。
今、連絡する相手を決めたいならRFM分析、顧客の育ち具合を見たいならCPM分析、時期ごとの継続を比べたいならコホート分析です。売上の偏りを見るデシル分析、投資の上限を決めるLTV分析も使います。
分けた層ごとに、目的と打ち手を変えます。効果は、配信しなかった群と比べて測ります。
EC事業者567社の実データ(W2調べ・2026年1〜6月)では、購入者のうち過去にも購入したことがある人の割合は72.9%でした。
- 01|EC顧客分析とは|新規が増えても受注が増えない今、既存顧客を見る理由
- 02|EC顧客分析の進め方|目的から検証までの6ステップ
- 03|分析の前に確かめる3つの条件|データの置き場、名寄せ、利用目的
- 04|EC顧客分析の主な手法と、わかること・限界
- 05|分析のあとにやること|層ごとの施策と、効果の測り方
- 06|公開されている事例|分析のあとに何をして、どんな数字が出たか
- 07|分析がうまくいかないケースと、向いていない場合
- 08|分析から配信までを、1か所でつなぐ仕組みの選び方
- 09|EC顧客分析に関するよくある質問
- 10|まとめ|EC顧客分析は「データの整備」「手法の使い分け」「層ごとの施策」の順で進める
EC顧客分析とは|新規が増えても受注が増えない今、既存顧客を見る理由
EC顧客分析とは、購入履歴や会員情報から顧客を層に分け、層ごとに打ち手を変えるための分析です。目的は、数字を眺めることではなく、「誰に、いつ、何を届けるか」を決めることにあります。
経済産業省の調査では、2025年の国内BtoC-EC(消費者向け電子商取引)の市場規模は27.6兆円で、前年の26.1兆円から5.5%増えました。EC化率は9.80%です(経済産業省「令和7年度電子商取引に関する市場調査の結果を取りまとめました」、2026年10月21日)。
市場は伸びています。ただ、自社の注文件数が市場と同じ速さで増えるとは限りません。
W2の調査で、2025年から2026年の上半期の変化を見ると、新規ユーザーと受注件数が逆に動いていました。
| 指標 | 数字 |
|---|---|
| 新規ユーザー数(2025年1〜6月→2026年1〜6月) | +22.6% |
| 受注件数(2025年1〜6月→2026年1〜6月) | −12.0% |
| リピート購入割合(2026年1〜6月) | 72.9% |
出典:W2調べ「EC実態調査2026」(EC事業者567社、2025年1〜6月と2026年1〜6月の実データ)。リピート購入割合は、購入者のうち、過去にも購入したことがある人の割合。
新規ユーザーは22.6%増えたのに、受注件数は12.0%減っています。購入者のうち過去にも購入したことがある人は、平均で72.9%でした。購入の多くは、すでに一度買ったことのある人から生まれています。
受注件数が減った理由は、この調査からはわかりません。新規が増えても受注が増えていないという事実を、既存顧客を見る入口にしてください。調査の対象はEC事業者567社で、市場全体の代表値ではありません。
リピート購入割合の定義や、リピート率の計算方法は、リピート率の解説記事で扱っています。
EC顧客分析の進め方|目的から検証までの6ステップ
進め方は、目的を決める、データを整える、仮説を立てる、層に分ける、施策を打つ、検証して記録する、の順です。手法を選ぶのは、6つのうちの4番目にすぎません。
| ステップ | やること | 決めておくこと |
|---|---|---|
| 1. 目的を決める | 「誰に、何をしてもらいたいか」を、1文にする | 数字で追える目的(2回目の購入率を上げる、休眠を減らす、など) |
| 2. データを整える | 受注、会員、定期、メールの反応を1か所にまとめ、同じ人を1人にする | データの置き場、名寄せのキー、利用目的 |
| 3. 仮説を立てる | 層と打ち手を、セットで書く | 「購入から7日以内にフォローすれば、2回目の購入が増える」のような、確かめられる文 |
| 4. 層に分ける | 目的に合う手法で、顧客を分ける | 見る数字、層の数(最初は3〜4層) |
| 5. 施策を打つ | 層ごとに、目的と打ち手を変える | 配信の手段、時期、対象の人数 |
| 6. 検証して記録する | 配信しなかった群と比べ、結果と条件を残す | 比べる期間、人数、記録する場所 |
目的が決まっていないと、手法を選べません。「2回目の購入を増やしたい」なら、初回だけ買った顧客を層に分けて見ます。「優良顧客の離脱を防ぎたい」なら、購入回数が多いのに、最近買っていない顧客を探します。
6つ目の記録は、見落とされがちです。施策の内容、対象の人数、期間、結果を残しておかないと、次の分析で前回との差を比べられません。楽天市場の解説も、分析のポイントに結果の記録を挙げています(楽天市場「顧客分析」)。
使うデータは4種類|数字で分けて、声で理由を確かめる
顧客分析で使うデータは、属性、購買、行動、声の4種類です。
| 種類 | 例 | わかること |
|---|---|---|
| 属性 | 年代、性別、地域、会員ランク | どんな人か |
| 購買 | 購入日、商品、金額、回数、クーポンの利用 | 何を、いつ、どれだけ買ったか |
| 行動 | 閲覧ページ、カートへの投入、メールの開封・クリック | 買う前と、買ったあとに何をしたか |
| 声 | レビュー、アンケート、問い合わせ | なぜそうしたか |
RFM分析やデシル分析は、購買データだけで始められます。数字で層に分けたあとは、声のデータで、その層がなぜそう動くのかを確かめます。
たとえば、2回目の購入が少ない層に、アンケートで「使い切れなかった」という回答が多ければ、打ち手はクーポンではなく、使い方の案内になります。数字は「どの層が動いていないか」を教え、声は「なぜか」を教えます。
分析の前に確かめる3つの条件|データの置き場、名寄せ、利用目的
顧客分析が止まる原因は、手法より前の、データの状態にある場合があります。分析を始める前に、次の3つを確認してください。
データを1か所にまとめる
受注、会員、定期購入、メールの反応が別々の場所にあると、同じ顧客の履歴を横断して見られません。
関西酵素は、電話での注文と自社ECサイトでの注文に、別々のカートを使っていました。顧客データが2つのシステムに分かれていたため、顧客データを横断したCRM施策ができず、リピート施策に進めなかったといいます(関西酵素の事例)。
店舗やモール、電話注文を持つ事業では、まず、どの販売経路のデータを分析の対象にするかを決めます。全部を一度に集める必要はありません。自社ECと電話注文のように、顧客との接点が深い経路から始めます。
同じ人を1人として数える
同じ顧客が複数のメールアドレスで登録されていると、購入回数も累計金額も分散します。
たとえば、ある顧客が、アドレスAで5回、アドレスBで3回購入していたとします。1人として数えれば、購入回数は8回です。2人として数えると、どちらも優良顧客の基準に届かず、最も大切な顧客を見落とすことがあります。
W2には、化粧品の事業者から「名寄せがメールアドレスか電話番号でしかできず、同じお客様が重複して登録されている。正確なLTVが出せない」という声が寄せられています。名寄せの手がかりは、メールアドレス、電話番号、氏名と住所、会員IDなど複数あるため、どの組み合わせで同じ人とみなすかを、先に決めておく必要があります。
分析の利用目的を決めて、本人に伝える
購買履歴を分析して施策に使う場合は、個人情報の利用目的を、本人が予測できる程度に特定して伝える必要があります。
個人情報保護委員会のガイドライン(通則編)は、本人から得た情報から行動や関心などを分析する場合、どのような取扱いが行われているかを本人が予測・想定できる程度に利用目的を特定するよう求めています。
事例として、閲覧履歴や購買履歴を分析し、趣味・嗜好に応じた新商品や広告のために利用する、という書き方が挙げられています(個人情報保護委員会「個人情報の保護に関する法律についてのガイドライン(通則編)」)。
プライバシーポリシーに「サービス向上のため」とだけ書いている場合は、分析と施策への利用が含まれるかを見直してください。メールの配信には、別の法律の定めもあります。法務の担当者や専門家に確認することをおすすめします。
顧客データの置き場や統合の考え方は、顧客データ管理の解説記事で詳しく扱っています。
EC顧客分析の主な手法と、わかること・限界
手法ごとに、見る数字と答えられる問いが違います。1つの手法で全部をまかなおうとせず、知りたいことに合わせて選びます。
| 手法 | 見る数字 | わかること | 向いている問い | 限界 |
|---|---|---|---|---|
| セグメンテーション分析 | 年代、地域、購入商品、流入元などの属性や行動 | 層ごとの傾向や好み | どんな人が買っているか | 切り口が多すぎると層が細かくなり、施策が打てない |
| デシル分析 | 購入金額の順位(10等分) | 売上が、どの層に偏っているか | 上位の層が、売上のどれだけを占めるか | 金額だけを見るため、最近買っているかはわからない |
| RFM分析 | 最終購入日、購入回数、累計購入金額 | 優良顧客と、離脱しそうな顧客 | 今、誰に連絡するか | 商品や購入周期の違いは、点数に表れない |
| CPM分析 | 購入回数、購入総額、在籍期間、離脱期間 | 顧客の育ち具合(10区分) | 初回の客を、優良客へ育てられているか | 区分の期間や金額を、自社の事情に合わせて決める必要がある |
| コホート分析 | 初回購入月(定期は申込月)ごとの再購入率・継続率 | 獲得した時期による、継続の違い | どの時期に獲得した客が、続いているか | 1つの層の人数が少ないと、数字が揺れる |
| LTV分析 | 顧客1人あたりの、購入の累計 | 獲得や施策に、いくらまでかけてよいか | 初回購入商品ごとに、2回目の購入率とLTVがどう違うか | 計算式が複数あり、定義をそろえないと比べられない |
6つの手法は、競合ではなく、組み合わせて使います。たとえば、デシル分析で売上の偏りを確かめ、RFM分析で連絡する相手を決め、コホート分析で施策の効果を時期ごとに比べる、という流れです。
セグメンテーション分析の切り口は、地域、年代や性別、価値観、購入や閲覧の行動の4つに分ける説明が一般的です(スクロール360「顧客分析」)。属性だけで分けると、実際の購入とずれる場合があるため、購買データと組み合わせます。
RFM分析|今、連絡する相手を決める
RFM分析は、最終購入日(Recency)、購入回数(Frequency)、累計購入金額(Monetary)の3つで顧客を点数にし、層に分ける手法です。
8人の顧客を例に、5点満点で点数をつけてみます。区切りは仮の数字です。
最終購入日は30日以内を5点、90日以内を4点、180日以内を3点、365日以内を2点、それより前を1点としました。購入回数は6回以上が5点、4〜5回が4点、3回が3点、2回が2点、1回が1点。累計金額は5万円以上が5点、3万円以上が4点、1.5万円以上が3点、5,000円以上が2点、それ未満が1点です。
| 顧客 | 最終購入からの日数 | 購入回数 | 累計購入金額 | R | F | M | 層 |
|---|---|---|---|---|---|---|---|
| A | 12日 | 7回 | 58,400円 | 5 | 5 | 5 | 優良顧客 |
| B | 25日 | 1回 | 4,200円 | 5 | 1 | 1 | 新規 |
| C | 70日 | 4回 | 31,600円 | 4 | 4 | 4 | 優良顧客 |
| D | 150日 | 2回 | 12,800円 | 3 | 2 | 2 | 離脱リスク |
| E | 220日 | 3回 | 21,000円 | 2 | 3 | 3 | 離脱リスク |
| F | 400日 | 1回 | 6,900円 | 1 | 1 | 2 | 休眠 |
| G | 500日 | 8回 | 64,000円 | 1 | 5 | 5 | 元優良の離脱 |
| H | 45日 | 2回 | 9,800円 | 4 | 2 | 2 | 育成 |
層の分け方は、Rが4以上でFも4以上なら優良顧客、Rが4以上でFが1なら新規、Rが4以上でそれ以外なら育成、Rが2〜3なら離脱リスク、Rが1でFが4以上なら元優良の離脱、Rが1でそれ以外なら休眠です。数字はすべて仮のもので、自社の購入周期に合わせて決め直します。
注目したいのは、顧客FとGです。どちらも最終購入から1年以上たっていますが、Fは1回しか買っておらず、Gは8回、累計64,000円を使った元優良の顧客でした。「長く買っていない人」として一括りにすると、Gの扱いを誤ります。Gには電話や特別な案内、Fにはメールでのクーポンのように、手間のかけ方を変えられます。
最終購入日の区切りは、商材の消費期間で変わります。1か月で使い切る洗顔料と、数年に1度買う家具では、「長く買っていない」の意味が違います。
CPM分析|顧客の育ち具合を見る
CPM分析は、顧客を、どれだけの期間、どれだけ買い続けているかで、10のパターンに分ける手法です。
一般には、顧客を5つのグループに分け、それぞれを、いま買っている「現役」と、離れた「離脱」に分けて、10区分にする説明があります(recustomer「顧客分析」)。
ネットショップ担当者フォーラムの解説では、CPM分析は、購入回数、購入総額、在籍期間、離脱期間のデータをもとに顧客を分類し、初回の客を優良客へ引き上げることを課題に置くとされています(ネットショップ担当者フォーラム「CPM分析」)。区分に使う在籍期間や購入金額は例として示されており、サイトの状況に合わせて変えるよう書かれています。
RFM分析との違いは、「付き合いの長さ」を軸に加える点です。RFM分析が、今動かす相手を決めるのに向くのに対し、CPM分析は、顧客を育てる流れを設計するのに向くと説明されています(ITトレンド「CPM分析」)。
コホート分析|時期ごとの継続を比べる
コホート分析は、初回購入月などの同じ条件で顧客をまとめ、その後の再購入率や継続率を、まとまりごとに比べる手法です。
初回購入月ごとに、2回目の購入に進んだ人の割合を並べた例です。数字は仮のものです。
| 初回購入月 | 人数 | 1か月以内 | 2か月以内 | 3か月以内 |
|---|---|---|---|---|
| 1月 | 800人 | 18% | 29% | 34% |
| 2月 | 950人 | 15% | 24% | 28% |
| 3月 | 700人 | 19% | 31% | 36% |
いずれも、初回購入からの累計です。2月の初回購入者だけ、どの時点でも割合が低くなっています。この数字だけで、理由は断定できません。2月は、獲得した流入元、買った商品、クーポンの有無が、ほかの月と違っていなかったかを、順に調べます。原因の候補を絞るところまでが、コホート分析の役割です。
定期購入では、申込月ごとに、何回目までに解約したかを比べます。W2には、化粧品の事業者から「定期の申込時期別に解約を分析(コホート分析)したい」という声が寄せられています。
デシル分析とLTV分析
デシル分析は、購入金額の多い順に顧客を10等分し、各層が売上の何割を占めるかを見ます。上位の層に売上が集まっていれば、その層の離脱を防ぐ施策が優先になります。売上の大半を少数の顧客が占めるという見方は、パレートの法則(8:2の法則)として知られますが、自社の偏りは、実際に10等分して確かめるのが確実です。
LTV分析は、顧客1人が購入の累計でどれだけの価値をもたらすかを見る手法です。初回購入商品ごと、獲得した媒体ごとに比べると、どの入口から来た顧客が育つのかがわかります。計算式は複数あるため、LTVの解説記事で定義を確認してから使ってください。
ほかの手法と、使い分けの目安
CTB分析、行動フロー分析、カスタマージャーニー、N1分析、NPSも、顧客分析の手法として挙げられます。上の6つと比べると、購買履歴から層を分ける手法ではなく、好みや動き、理由を補う手法です。
| 手法 | 見るもの | 向く場面 | 限界 |
|---|---|---|---|
| CTB分析 | 商品をカテゴリ、テイスト、ブランドの3軸で分け、顧客の好みを見る | 商品数が多く、好みが分かれる事業でのおすすめの出し分け | 商品の分類を、先に整える必要がある |
| 行動フロー分析 | サイト内で、どのページからどのページへ進んだか | 購入の前に、どこで離れているかを探す | ページの動きだけでは、購入者の層との関係がわからない |
| カスタマージャーニー | 認知から購入後までの、顧客の行動と気持ち | 施策の抜けや、つなぎ目を探す | 仮説の整理であり、数字の裏づけは別に必要 |
| N1分析 | 1人の顧客に話を聞き、購入の理由を深く知る | 数字では説明できない動きの理由 | 1人の話は、全体に当てはまるとは限らない |
| NPS | 「人に薦めたいか」を0〜10点で聞き、薦めたい人の割合から、薦めたくない人の割合を引く | 満足の度合いを、層ごとに比べる | 点数の理由を聞かないと、打ち手が決まらない |
楽天市場の解説は、CTB分析、行動フロー、カスタマージャーニーを含む9つの手法を挙げています(楽天市場「顧客分析」)。行動フローなどサイト内の動きの見方は、ECサイト分析の教科書で扱っています。
使い分けの目安は、顧客数と、データがたまっている期間です。始めたばかりで顧客数が少ないうちは、セグメンテーション分析とRFM分析で十分です。購入履歴が1年分ほどたまったら、コホート分析とLTV分析を加えます。数字で説明できない動きが出てきたときに、N1分析やNPSで、理由を聞きにいきます。
AIで分析を速くするときの使いどころと注意
AIは、層の下書きと結果の要約に使い、判断と検証は人が行います。使いどころは、次の3つです。
- 層の分け方の下書き:購入データの表から、候補となる層の分け方を出してもらう
- 離脱しそうな顧客の洗い出し:購入周期を過ぎた顧客を、一覧にしてもらう
- 結果の要約:コホート分析やデシル分析の表から、気づきと次の打ち手の案を文章にしてもらう
注意点は、2つあります。1つ目は、個人情報の扱いです。氏名、メールアドレス、住所を含む表を、外部のAIサービスにそのまま入力すると、委託や第三者提供にあたるかの整理が必要になる場合があります。個人を特定できない集計表で使うのが無難です。社内の規程と契約は、法務の担当者に確認してください。
2つ目は、AIが示す理由は仮説だという点です。実際の原因とは限らないため、配信しなかった群との比較で確かめます。
分析のあとにやること|層ごとの施策と、効果の測り方
分析した結果は、層ごとに「目的」と「打ち手」を決めて、はじめて売上につながります。層の分け方が同じでも、打ち手を変えなければ、一斉配信と変わりません。
RFM分析で分けた層に対する、目的と打ち手の例です。
| 層 | 目的 | 打ち手の例 | 見る数字 |
|---|---|---|---|
| 優良顧客 | 離脱させない、購入を続けてもらう | 新商品の先行案内、会員ランクの特典、限定品 | 購入頻度、継続率 |
| 新規(初回のみ) | 2回目の購入、定期への引き上げ | 購入後の数日以内のフォローメール、定期の案内、同梱物 | 2回目の購入率(F2転換率) |
| 育成 | 購入の間隔を縮め、習慣にする | 購入周期に合わせた再購入の案内、関連商品の提案 | 購入間隔、3回目の購入率 |
| 離脱リスク | 買わなくなる前に、思い出してもらう | 購入周期を過ぎたころのメールやLINE、アンケート | 再購入率 |
| 元優良の離脱 | 離れた理由を知り、呼び戻す | 電話や手紙での連絡、特別な案内 | 復帰率 |
| 休眠 | 低い費用で、反応を試す | メールでのクーポン、反応のない人への配信停止 | 反応率、配信停止率 |
優良顧客に値引きを重ねると、利益を削るだけになる場合があります。値引きは離脱リスクと休眠の層に絞り、優良顧客には、先行案内や特典のような値引き以外の理由を用意してください。休眠顧客への具体的な進め方は休眠顧客の掘り起こしの解説記事、CRM施策の全体像はECのCRMの解説記事にあります。
クーポンは「買わなかった人」に使う
クーポンの採算は、粗利で判断します。たとえば、客単価が7,000円、粗利率が60%なら、1回の購入の粗利は4,200円です。1,000円のクーポンを使うと、3,200円が残ります。数字は仮のものです。
クーポンがなくても買った人に配ると、その1,000円は、そのまま減る利益になります。反対に、クーポンがきっかけで買った人からは、3,200円が残ります。だから、買わなくなりそうな層に絞って使うのです。
効果は「配信しなかった群」と比べて測る
施策の効果は、配信した群の購入率だけでは測れません。配信しなくても買った人が含まれているためです。
配信対象の一部は、あらかじめ配信しない群として残し、購入率を比べてください。たとえば、3,000人のうち2,700人に配信し、300人に配信しなかったとします。配信した群で54人(2.0%)、配信しなかった群で3人(1.0%)が購入したなら、差の1.0ポイントが、施策の効果と考えられます。数字は仮のものです。
配信しない群が小さいと、数人の違いで結果が変わります。3人が1人や5人になれば、差の大きさはまったく違って見えます。残す人数は、対象の人数と、購入率の見込みから決めてください。
公開されている事例|分析のあとに何をして、どんな数字が出たか
公開事例を並べると、分析で見た数字は違っても、多くの事例で、分けた層に別々の施策を届けています。ここでは、W2の導入企業と、他社の公開事例を同じ基準で並べました。数字は、各社の条件のもとで出た結果です。
購入周期や購入後の経過を見た事例
株式会社TATは、顧客ごとの平均購入周期を把握し、周期を超えた顧客に個別にアプローチしています。たとえば、1か月周期の顧客には、40日たった時点でメールを送ります。
メーカーごとに2回目の購入を促すステップメールを設け、メルマガとLINEも併用しています。結果は「離脱率が10%改善」で、離脱は「半年間購入がない顧客」と定義されています(カスタマーリングス「健康食品・化粧品向けCRM」)。
株式会社エバーライフは、トライアル商品の到着直後、3日後、7日後と、段階的にメールを送り、定期コースへの加入を促しています。顧客の状況に合わせて、メール内容も出し分けています。結果は「定期引き上げが3倍」です(カスタマーリングス導入事例)。
株式会社バイオテックジャパンは、購入者を細かくセグメント化し、顧客属性に合わせたメルマガ配信とクーポン発行を行っています。以前のカートでは難しかった購入後のフォローも、導入後は、定期引き上げ施策として実施できるようになりました。ページには「F2転換率も163%UP」「売上は約1.4倍」と書かれています(バイオテックジャパンの事例)。
会員ランクや購入回数で分けた事例
株式会社コーカスは、ターゲットリスト機能で会員ランクを設定し、ランク別にクーポンを送っています。誕生月の顧客にはポイントも付与します。以前は手動で配布していましたが、自動化され、作業の工数が減りました。ページには「昨年当月売上比が約3倍」と書かれています(コーカスの事例)。
株式会社エリカ健康道場は、最終購入日、購入回数などの条件で顧客をリスト化し、メルマガで休眠顧客の掘り起こしを行っています。セグメントごとに、同梱物や表示するバナー画像も変えています。お試し商品の購入者には、定期購入への切り替えを促すフォローメールを送ります(エリカ健康道場の事例)。
回答や検索のデータを、商品づくりにも使った事例
株式会社ストークメディエーション(COLORIS)は、購入前のカウンセリングの回答データを蓄積し、利用者の傾向や求められている商品の分析に使っています。回答データを使って、1to1の情報発信やクーポンの提供も行っています。新規顧客数は、導入前の約1.5倍になりました(導入後3か月の数字)(COLORISの事例)。
ポノス株式会社は、自社ECで検索ワードと購入層のデータを見られるようになり、「ゲーム内で強いキャラクター」と「グッズとして人気のキャラクター」が、必ずしも一致しないとわかりました。この違いを、今後の商品企画やラインナップの拡充に使う資産と位置づけています(ポノスの事例)。
分析の手間そのものを減らした事例
関西酵素株式会社は、以前、データをExcelに出力して手作業でグラフを作り、1回購入の定期の方なのか、2回目以降の方なのかを、目視で分類していました。
データ分析には、毎月10〜20時間かかっていたといいます。移行後は、約半分の時間で終わるようになり、空いた時間を商品企画やCRM施策の準備にあてています。ページには「売上130%UP」と書かれています(関西酵素の事例)。
公開されている数字の読み方
事例の数字は、そのまま自社に当てはまるとは限りません。書かれている数字と、書かれていない条件を、並べて確認します。
| 事例 | 公開されている数字 | ページに書かれていない条件 |
|---|---|---|
| TAT | 離脱率が10%改善 | 比較の期間。10%が相対的な改善率か、ポイント差か |
| エバーライフ | 定期引き上げが3倍 | 比較の期間と基準 |
| バイオテックジャパン | F2転換率163%UP、売上約1.4倍 | 比較の期間と対象。売上の比較は、導入前後とだけ書かれている |
| コーカス | 昨年当月売上比が約3倍 | 対象の月、対象の範囲(EC売上のみか) |
| COLORIS | 新規顧客数が導入前の約1.5倍(導入後3か月) | この数字が、カウンセリングデータの活用によるものか |
| 関西酵素 | 分析の工数が約1/2、売上130%UP | 売上130%の比較の基準 |
| エリカ健康道場 | 休眠顧客の掘り起こしの数字は未掲載 | 反応率、比較の期間 |
| ポノス | 数字は未掲載 | 商品企画への反映の具体例 |
どの事例も、導入前後の比較で、期間や分母が書かれていないものが多くなっています。分析と施策だけの成果なのか、サイトの移行や広告の変更といった別の要因も含むのかは、読み取れません。関西酵素のページも、分析に基づく施策に加えて、フォーム一体型LPなどの改善をあわせた結果として書いています。
事例から持ち帰る内容は、数字の大きさより、「何を見て、どの層に、何を届けたか」の組み合わせです。購入周期を超えた顧客に連絡する、購入後の数日以内にフォローする、会員ランクで特典を変える。この3つは、自社のデータでもすぐに試せます。
分析がうまくいかないケースと、向いていない場合
顧客分析は、データと実行の体制が整っていないと、成果につながりません。次の7つは、始める前に確認しておきたい点です。
- 目的を決めずに始める:数字を眺めて終わり、施策に結びつきません。先に、「誰に、何をしてもらいたいか」を1文にします。
- 1つの指標だけで判断する:最終購入日だけで離脱と決めると、購入周期が長い顧客を誤って離脱と扱います。回数や金額など、複数の指標を並べます。
- 平均値だけで見る:平均の購入金額は、少数の高額な顧客に引っ張られます。デシル分析のように、層に分けて分布を見ます。
- データが分散したまま:名寄せができていないと、購入回数と累計金額が実態より低く出ます。先に、「分析の前に確かめる3つの条件」を整えます。
- 購入周期が長い商材:家具や家電のように、数年に1度しか買わない商材では、最終購入日の点数が意味を持ちにくくなります。区切りを数年単位にするか、メールの反応や問い合わせなど、別の行動を軸に加えます。
- 顧客数が少ない:数百人規模でも、基本の分類はできるとされています(ECマーケティング「EC通販のCRM分析やり方入門」)。ただし、層を細かく分けると、各層の人数が足りず、比較が成り立ちません。最初は、3〜4層から始めます。
- 施策を打つ担当がいない:分析だけで終わり、配信は別の担当に頼むと、リストの受け渡しで数日かかります。分析と配信を同じ人が回せる体制にしておくと、続けやすくなります。
分析から配信までを、1か所でつなぐ仕組みの選び方
分析の画面と配信の画面が別々だと、抽出したリストの受け渡しに手間がかかり、分析の頻度が落ちます。
関西酵素は、以前、広告運用やデータ分析を目的ごとに別のツールで行い、手間がかかっていたといいます。W2 Commerceへの移行後は、システムの管理画面の中で、アクセスや売上、定期顧客と新規顧客の増減を確認できるようになりました。
分析に使うツールは、5種類に分けられます。1つで全部をまかなえるとは限らないため、見たい分析に合わせて組み合わせます。
| 種類 | 見られるもの | 向く分析 | 限界 |
|---|---|---|---|
| スプレッドシート | 受注データを書き出した表 | RFM分析、デシル分析、コホート分析の手作業 | 毎月作り直す手間がかかる。名寄せも自分で行う |
| アクセス解析(GA4など) | サイトへの流入元と、閲覧の動き | 流入元別の比較、行動フロー分析 | 個人ごとの購買履歴とは、会員IDなどで結ぶ設計が要る |
| ヒートマップ、ABテスト | ページ内の動きと、案ごとの反応 | ページの改善 | 顧客を層に分ける用途には向かない |
| カートの標準機能、CRM | 受注、会員、定期、メールの反応 | 層の抽出と、そのままの配信 | 製品により、抽出条件や分析の種類が違う |
| MA、CDP、BI | 複数のデータを統合した顧客の履歴 | 複数の経路をまたぐ分析と配信 | 費用と、運用する体制が要る |
仕組みを選ぶ基準は、次の5つです。
- 受注、会員、定期購入、メールの反応が、1か所に集まっているか
- 名寄せのキーを、自社の事情に合わせて決められるか
- 分析した層を、そのまま配信の対象にできるか
- 配信しない群を、つくれるか
- 担当者が、外部に頼らず自分で設定できるか
最初は、スプレッドシートで始めても構いません。3か月ほど運用し、手作業の負担が大きい箇所を確認してから、仕組みを選ぶ順番でも間に合います。
W2 Commerceで、分析と配信をつなぐ
W2 Commerceは、AIを組み込んだ1,000以上の機能を標準搭載した、拡張型のコマースプラットフォームです。BtoCから定期通販、BtoB、海外ECまで対応しています。
BtoC向けのW2 Commerce Unifiedは、集客、CRM、OMOまでを標準で備えたモデルです。定期通販やリピート通販向けのW2 Commerce Repeatは、CRMや定期購入の機能を備えたモデルで、上の事例では、関西酵素、エリカ健康道場、バイオテックジャパンが採用しています。
顧客の抽出には、ターゲットリスト機能があります。顧客情報をさまざまな条件で抽出し、メール配信や分析に使えます。BIプラグインの「Data Insight」は、顧客セグメント分析のテンプレートを備え、優良顧客層と離反予備軍を可視化して、CRM施策の狙いを絞れる構成です。
2026年9月30日のお知らせでは、W2 CommerceのMCP連携の開発を進めていると発表しました。AIアシスタントから、「RFM分析で優良顧客と離反しそうな顧客を分ける」「初回購入商品ごとにLTVと2回目の購入率を比べる」といった分析を行えるようにする内容です(W2 CommerceのMCP連携のお知らせ)。
どのモデルや機能が、自社の見たい分析に合うかは、資料や個別相談で確認してください。
EC顧客分析に関するよくある質問
Q. EC顧客分析は、Excelでもできますか?
できます。RFM分析やデシル分析は、受注データを書き出し、ExcelやGoogleスプレッドシートで作れます。ただし、毎月作り直す手間は小さくありません。関西酵素は、手作業のころ、データ分析に毎月10〜20時間かけていました。回す頻度が増えた時点が、仕組みを検討する時期です。
Q. RFM分析とCPM分析は、どちらから始めればよいですか?
取りかかりやすいのは、RFM分析です。最終購入日、購入回数、累計購入金額の3つがあれば始められ、今、連絡する相手を決める用途に向きます。CPM分析は、初回の客を優良客に育てる流れを設計したいときや、購入周期が長い商材で、付き合いの長さを見たいときに加えます。
Q. 顧客数が少なくても、分析する意味はありますか?
あります。数百人規模のデータでも、最終購入日だけで3段階に分けるといった、基本の分類はできます。ただし、層を増やすと各層の人数が足りなくなり、施策の効果を比べにくくなるため、顧客数が少ないうちは、層を3〜4に絞ってください。
Q. 分析は、どのくらいの頻度で行えばよいですか?
配信の頻度に合わせるのが基本です。メールを週1回出しているなら、対象のリストも週1回更新しないと、すでに購入した人に送ってしまいます。月1回の配信が中心なら、リストも月1回で足ります。
Q. 顧客分析と、アクセス解析(GA4など)は、何が違いますか?
アクセス解析は、サイトを訪れた人の動き(流入元、閲覧ページ、離脱の場所)を見ます。顧客分析は、購入した人を、購入履歴から層に分けます。前者は買う前、後者は買ったあとが中心です。
組み合わせると、どの流入元から来た顧客が育つのかまで見られます。GA4を使った進め方は、ECサイト分析の教科書にあります。
Q. 個人情報の扱いで、気をつけることは何ですか?
購買履歴を分析して施策に使うことを、利用目的に含め、本人に伝える必要があります。個人情報保護委員会のガイドラインは、分析の利用目的を、本人が予測できる程度に特定するよう求めています。メールの配信には、特定電子メール法の定めもあるため、法務の担当者や専門家に確認してから進めてください。
まとめ|EC顧客分析は「データの整備」「手法の使い分け」「層ごとの施策」の順で進める
EC顧客分析は、まず、顧客データを1か所にまとめ、同じ人を1人として数えます。そのうえで、今、連絡する相手を決めるならRFM分析、顧客の育ち具合を見るならCPM分析、時期ごとの継続を比べるならコホート分析と、知りたいことに合わせて選びます。
EC事業者567社の実データ(W2調べ)では、新規ユーザーが22.6%増えたのに、受注件数は12.0%減っていました。購入者のうち、過去にも購入したことがある人は、72.9%です。新規を集めるだけでは、注文件数は増えません。分けた層ごとに打ち手を変え、配信しなかった群と比べて効果を測る流れを、続けてください。
次にとる行動は、次の3つです。
- 受注、会員、定期のデータを書き出し、同じ人が重複していないかを確かめる:メールアドレスと電話番号の両方で、重複を数える
- 最終購入日、購入回数、累計金額で顧客を4〜6層に分け、層ごとの人数と売上を出す:区切りは、自社の購入周期に合わせる
- 1つの層を選んで、施策を1つ打つ。配信しない群を1割ほど残して比べる:結果は、購入率の差で見る
EC実態調査の年商帯別の全体表はEC実態調査の解説記事、GA4を使ったサイト分析の進め方はECサイト分析の教科書、LTVの計算式はLTVの解説記事で扱っています。
分析から配信までを1つの管理画面で行う仕組みを整えるなら、W2 Commerce Unified、W2 Commerce Repeat、BIプラグインのData Insightの資料もご覧ください。
本記事の冒頭の数字を含む、EC事業者567社の実データは、資料「EC実態調査2026」にまとめています。
この記事の監修者
神戸大学在学中にEC事業を立ち上げ、自社ECサイトの構築から販売戦略の立案・実行、広告運用、物流手配に至るまで、EC運営の全工程をハンズオンで経験。売上を大きく伸ばしたのち、事業譲渡を実現。
大学卒業後はW2株式会社に新卒入社し、現在は、ECプラットフォーム事業とインテグレーション事業のマーケティング戦略の統括・推進を担う。一貫してEC領域に携わり、スタートアップから大手企業まで、あらゆるフェーズのEC支援に精通している。





























