新機能｜Ubun BASE MCPに「RFM分析ツール」を追加、3軸×ブランド別のRFMデータをAIが読み解きます

いつもUbun BASEをご利用いただきありがとうございます。

このたびUbun BASE MCPに、「RFM分析ツール」を追加しました。AMC（Amazon Marketing Cloud）レポートの「RFM分析レポート」のデータを、ClaudeなどのAIアシスタントから直接取得できるようになります。

RFM分析は、Recency・Frequency・Monetaryの3つの軸に、ブランドごとの切り口が加わる多次元のデータです。人の手では読み解くのが大変だったこのデータを、3軸すべてを使ったまま、AIに分析させられるようになります。

※本機能は、Ubun BASE MCPをご利用いただけるアカウント（セラー／ベンダー）が対象です。データはAMCレポートの週次集計が完了すると生成されます。すでにUbun BASE MCPを接続いただいている場合は、追加の設定なしでそのままお使いいただけます。

3軸×ブランド別のRFMは、人の手では読み解ききれませんでした

RFM分析では、顧客をRecency（最後の購入からの経過日数）・Frequency（購入回数）・Monetary（累計購買金額）の3軸でそれぞれ3段階に分けます。組み合わせは3×3×3＝27区分。Ubun BASEではこれをブランドごとに集計しているため、ブランドが10あれば270区分、30あれば810区分の数値を見比べることになります。

この量の数値から「どのブランドの、どの顧客層に、次に手を打つべきか」を人の目で拾い出すのは、現実的ではありませんでした。そのため管理画面では、RecencyとFrequencyの2軸だけで顧客ランク（9区分）を作り、簡易的に全体像をつかめるようにしています。わかりやすさと引き換えに、Monetaryの情報やブランドごとの違いは、ランクの中に埋もれてしまうのが実情でした。

RFM分析ツールでは、27区分×ブランド別のデータを、簡略化せずにそのままAIに渡します。人の手では追いきれなかった「休眠注意だが購入金額は高い顧客が多いブランド」「優良ランクなのに金額はLowに偏っているブランド」といった、3軸を掛け合わせて初めて見える傾向を、AIが拾い上げます。

ツールは対象全体の数値とブランドごと（設定により出品者カテゴリー1〜5）の数値をあわせて返し、ユーザーランクや金額区分での絞り込み、売上・ユーザー数での並べ替え、上位N件の取得にも対応しています。AIが自分で数値を足したり並べたりせずに済むため、ブランド間の比較にも正確な数値で答えられます。

ユーザーランクの区分

管理画面と同じユーザーランクは、Recency × Frequencyの組み合わせで次の9区分に分かれます（Monetaryはランクに関係しません）。AIへの依頼でも、このランク名を使えます。境界はアカウントのAMCレポート設定＞ RFMユーザーランクの設定に連動します。下表は初期値（優良ユーザー購入日30日・優良ユーザー購入回数3回・休眠ユーザー日数90日）の場合です。

購入回数（F）＼最後の購入から（R）	30日以内	31〜90日（休眠注意）	91日以上（休眠）
3回以上	優良	優良_休眠注意	優良_休眠
2回	F2-	F2-_休眠注意	F2-_休眠
1回	F1	F1_休眠注意	F1_休眠

MonetaryはHigh／Medium／Lowの3区分です。金額の絶対値ではなく、同じブランド等の中の1人あたり平均と比べた相対区分（Highは平均の2倍超、Mediumは平均超〜2倍以下、Lowは平均以下）のため、ブランドごとに水準が異なります。

こんな依頼ができます

AIアシスタント（Claudeなど）にUbun BASE MCPを接続すると、たとえば次のような依頼ができます。

ランク（Recency×Frequency）で、ブランドを比べる

優良顧客の稼ぎ頭を知る
「優良ランクの顧客の売上が大きい上位5ブランドを出して」
→ 優良顧客に支えられているブランドが分かり、既存顧客向け施策を優先するブランドを決める材料になります
F1止まりのブランドを見つける
「F1ランクのユーザー数が多いブランドを順に並べて」
→ 初回購入で止まっている顧客が多いブランドが分かり、2回目購入を促すF2施策の対象を絞り込めます
休眠に入りかけている層を把握する
「休眠注意の3ランクのうち、ユーザー数がいちばん多いのはどれ？ブランド別の内訳も出して」
→ 離脱しかけている顧客がどこに多いかが分かり、休眠注意層へのリターゲティング配信を検討する起点になります
伸びしろのあるブランドを確認する
「売上がいちばん小さいブランドを出して、ランク別の構成も教えて」
→ 新規が少ないのか、リピートにつながっていないのかを切り分け、打ち手の方向性を検討できます

金額（Monetary）を掛け合わせて、ランクの中を掘り下げる

管理画面のランクには含まれないMonetaryを掛け合わせると、同じランクの中にいる顧客の「質」の違いが見えてきます。

売上が一部の高額顧客に偏っていないか確かめる
「ブランドごとに、金額区分Highの顧客が人数と売上のそれぞれ何割を占めているか出して」
→ 少数の高額顧客に売上を依存しているブランドと、幅広い顧客に支えられているブランドを見分けられます。依存度の高いブランドほど、高額顧客の離脱が売上に直結します
優良かつ高額の顧客がいるブランドを探す
「優良ランクかつ金額区分がHighのユーザーが多いブランドを上位から出して」
→ 購入頻度も金額も高い、いちばん大切にすべき顧客を抱えるブランドが分かり、上位商品の提案や類似顧客へのアプローチを考える手がかりになります
回数は多いのに金額が伸びていないブランドを見つける
「優良ランクの顧客のうち、金額区分Lowの割合が高いブランドを教えて」
→ 繰り返し買われているものの1人あたりの購入金額が小さいブランドが分かり、まとめ買い・セット販売・上位商品への誘導など、客単価を上げる施策の候補になります
初回から高額を購入した顧客を逃さない
「F1ランクで金額区分がHighのユーザーが多いブランドを上位から出して」
→ 1回目から大きな金額を購入した顧客が多いブランドが分かります。優良顧客に育てたい層として、F2施策を優先的に当てる対象を絞り込めます
離脱しかけている高額顧客を掘り起こす
「休眠注意の3ランクのうち、金額区分がHighのユーザー数と売上が大きいブランドを上位から出して」
→ 離脱しかけているが購入金額の大きい顧客を抱えるブランドと、その売上規模が分かり、優先して呼び戻すべき層と、呼び戻しにかけてよい予算の目安を考える材料になります

結果を受けて「ブランドごとの休眠注意の割合も計算して」「表にまとめて」と続けて依頼すれば、比較・集計・読み取りまでが同じ対話の中で進みます。

数字を読むうえでの注意点

最新の集計1回分のスナップショットです：期間の指定や推移の取得はできません。データは毎週水曜に更新され、集計日時点の過去約1年の購買が対象です。それより前の購入は数えないため、F1には以前からの顧客も含まれます。日数は「データ全体の最終購入日」から数えます
購入回数は「購入した日の数」です：同じ日に複数回購入しても1回と数えます
全体のユーザー数は延べ人数です：「ユーザー×ブランド等」で数えるため、複数ブランドを購入した方は重複して数えられます
絞り込みは集計軸の単位までです：集計軸（ブランド／出品者カテゴリー1〜5）はAMCレポート設定＞プライマリカテゴリーで決まります。商品カテゴリーやASIN単位では絞り込めません。商品マスタで集計軸が未設定の商品の購入者は、「NULL」という1つの値にまとめて表示されます（欠損ではありません）
設定変更の反映は次回の週次集計からです：RFMユーザーランクの設定や集計軸を変更しても、次の水曜の集計まではデータは変更前のままです
実際より少なく出る場合があります：AMCのプライバシー保護のため、1人だけの組み合わせは元データに含まれず、細かく分かれるアカウントほど合計が少なく出ます。また、Amazon Insights・ARP（Amazon Retail Purchase）のいずれも未契約の場合は広告経由の購買のみが対象となり、回数・金額とも実際より少なく出ます