當公司采用(積極)概率時，管理者必須解決某些問題。例如，根據(jù)(積極)概率，假定某客戶在決定終止與公司的關系后將不會再回到該公司。由于這些被稱為“失去反倒更好”的客戶，這種做法系統(tǒng)地低估了CLV。“總有一份”的方法可以解決這一問題，因為這種方法考慮到了經(jīng)過一段暫時休眠期后客戶有可能重返該公司的情況。在預測客戶購買頻率時采用這種方法，管理者可以更好地認識未來的客戶行為。

計算CLV的一種更高級的模型是建立購買時間間隔（根據(jù)頻率確定間隔長短）而不是(積極)概率。建立購買時間間隔，方法是對該客戶的往期購買間隔行為擬合分布，并確定該分布的期望值。采用頻率而不是(積極)概率來解釋客戶為什么在某段時間停止了與該公司的關系（如汽車或電腦的購買），以及為什么之后又重返該公司。該模型對客戶購買行為的預測更加現(xiàn)實有效，它涉及預測介入計算CLV的三個參數(shù)：

● 未來客戶行為（頻率）；

● 未來營銷成本（MC）；

● 每位客戶的總邊際貢獻（GC）。

這里采用的預測未來客戶行為的方法預測的是鑒于客戶往期購買的購買頻率。這個模型是以如下假設為基礎的，即客戶在終止關系之前，最有可能降低其購買頻率或有一段很長的休眠期。這一假設的依據(jù)是：購買頻率的下降要么是由于客戶忠誠于不同的公司造成的，要么是由于客戶因需求減少或產品過時而終止購買某一產品造成的。在這個框架中，CLV的測量是通過預測一段合理期間內的購買模式（購買頻率）得到的。這一期間（客戶生命周期）因行業(yè)的不同而有所差別。例如，在通常情況下，汽車制造商可能預期客戶每5~7年進行一次購買，而電腦制造商可能預期客戶每1~2 年進行一次購買。在固定期間而不是永久期間內，預測客戶的購買模式時不能掉以輕心，這是因為：

● 夜長夢多。在長時期內，客戶的需求會發(fā)生變化，他們在家庭生命周期中的地位會發(fā)生變化，可能會更換工作，因此他們可能會有不同的要求。

● 產品供應由于技術進步而不斷變化，并且要以客戶的需求為根本。

● CLV預測需要根據(jù)滾動時域獲得更新以適應環(huán)境因素的變化。

根據(jù)邊際貢獻、購買頻率以及可變營銷成本的預測，可以計算出CLV函數(shù)。在其中一項研究中，B2B模式下某公司的客戶購買頻率模型（頻率）的驅動因素如下：

● 產品購買更新的數(shù)量；

● 客戶的交叉購買行為（對于所有產品類別）；

● 由客戶發(fā)起的接觸占總接觸次數(shù)的比例（由客戶發(fā)起的和由供應商發(fā)起的）；

● 產品退貨行為；

● 基于網(wǎng)絡的接觸頻率；

● 公司接觸客戶的頻率（親身拜訪、直接郵寄以及電話）；

● 兩次客戶接觸之間的平均時間間隔。

同樣，總邊際貢獻（GC）模型的驅動因素可列舉如下：

● 上一年的客戶邊際貢獻；

● 利用所有渠道與客戶接觸的總次數(shù)；

● 購買所有產品類別的總量。

以下兩種方法可以用來預測未來營銷成本(MCi,l,m)：

● 第一種方法：如果客戶層面的營銷成本在幾年內變化不大，則假設過去成本將持續(xù)到未來。

● 第二種方法：將未來營銷成本看作當前購買行為和當前營銷成本的函數(shù)。

根據(jù)從這些模型中得出的數(shù)據(jù)可以計算客戶終身價值