“顾客终生价值”(Customer Lifetime Value)指的是每个购买者在未来可能为企业带来的收益总和。研究表明，如同某种产品一样，顾客对于企业利润的贡献也可以分为导入期、快速增长期、成熟期和衰退期。

每个客户的价值都由三部分构成：历史价值(到目前为止已经实现了的顾客价值)、当前价值(如果顾客当前行为模式不发生改变的话，将来会给公司带来的顾客价值)和潜在价值(如果公司通过有效的交叉销售可以调动顾客购买积极性，或促使顾客向别人推荐产品和服务等，从而可能增加的顾客价值)。

品牌管理的中心目标，就是通过占据顾客的心智空间，提高顾客的生涯价值。从狭义来理解，顾客生涯价值（Customer Lifetime Value——CLV）是指一个顾客在与公司保持关系的整个期间内所产生的现金流经过折现后的累积和。从广义来理解，顾客生涯价值是指所有顾客终身价值折现值的总和。企业在品牌管理过程中必须从广义的角度来把握顾客生涯价值。

事实上，顾客生涯价值不是一个单维的矢量。它是一个立体的概念，具有三维结构。

一是顾客维持时间维度。企业通过维持与顾客的长期关系，建立高的顾客维持率，从而获得较高的顾客生涯价值；

二是顾客份额（Customer Share）维度，是指一个企业所提供的产品或服务占某个顾客总消费支出的百分比。要获得最大的顾客生涯价值，不仅需要有高的顾客维持率，更要有高的顾客份额。顾客份额应该是衡量顾客生涯价值的一个重要指标；

三是顾客范围维度。显然企业总的顾客生涯价值的大小与它的顾客范围直接相关。从顾客范围维度出发，要求企业必须清楚它的现有顾客是谁，同时注意开拓潜在顾客①。

1.收集顾客资料和数据

公司需要收集的基本数据包括个人信息(年龄、婚姻、性别、收入、职业等)、住址信息(区号、房屋类型、拥有者等)、生活方式(爱好、产品使用情况等)、态度(对风险、产品和服务的态度，将来购买或推荐的可能)、地区(经济、气候、风俗、历史等)、客户行为方式(购买渠道、更新、交易等)、需求(未来产品和服务需求等)、关系(家庭、朋友等)。这些数据以及数据随着时间推移的变化都将直接影响顾客的终生价值测算。

2.定义和计算终生价值

影响终生价值的主要因素是：所有来自顾客初始购买的收益流；所有与顾客购买有关的直接可变成本；顾客购买的频率；顾客购买的时间长度；顾客购买其他产品的喜好及其收益流；顾客推荐给朋友、同事及其他人的可能、适当的贴现率。

3.顾客投资与利润分析

可以直接基于交易成本或资金投入进行计算，或者根据过去类似客户的行为模式，利用成熟的统计技术预测客户将来的利润。国外的汽车业这样计算顾客的终生价值：他们把每位上门顾客一生所可能购买的汽车数，乘上汽车的平均售价，再加上顾客可能需要的零件和维修服务而得出这个数字。他们甚至更精确地计算出加上购车贷款所带给公司的利息收入。

4.顾客分组

从第三个步骤中，企业可以看出如何在顾客终生价值中赢得最大的利润，随后企业可以根据这些数据将顾客分成具有不同特征、不同行为模式和不同需求的组。比如说企业可以用聚类分析法将顾客分成苛刻的顾客、犹豫不决的顾客、节俭的顾客和久经世故的顾客，根据每个组制定相应的措施。

5.开发相应的营销战略

衡量“顾客终生价值”的目的不仅仅是确定目标市场和认知消费者，而是要设计出能吸引他们的交叉销售方法（Cros s-Selling）、向上销售方法(Up-Selling)、附带销售方法（Add-on Selling）、多渠道营销（Multi-Channel Marketing）和其他手段。这些手段都能够帮助企业运用RFM模式来提高客户的价值，尽可能地将客户的潜力开发出来。

顾客终生价值的复杂性和变化性，使得采用何种方法准确地测量和计算成为了企业面临的最大挑战之一。目前，比较流行和具有代表性的顾客终生价值预测方法为DWYER方法和顾客事件预测法。

1.DWYER方法

该方法将客户分为两大类：永久流失型和暂时流失型。

永久流失型客户要么把其业务全部给予现在的供应商，要么完全流失给与另一供应商。原因或者是其业务无法分割，只能给予一个供应商；或者其业务转移成本很高，一旦将业务给予某供应商则很难转向其他供应商。这种客户一旦流失，便很难再回来。暂时流失型指的是这样一类客户，他们将其业务同时给予多个供应商，每个供应商得到的只是其总业务量的一部分(一份)。这类客户的业务转移成本低，他们可以容易地在多个供应商之间转移业务份额，有时可能将某供应商的份额削减到零，但对该供应商来说不一定意味着已经失去了这个客户，客户也许只是暂时中断购买，沉寂若干时间后，有可能突然恢复购买，甚至给予更多的业务份额。

DWYER方法的缺陷是，它只能预测一组客户的终生价值或每个客户的平均终生价值，无法具体评估某个客户对于公司的终生价值。

2.顾客事件预测法

这种方法主要是针对每一个客户，预测一系列事件发生的时间，并向每个事件分摊收益和成本，从而为每位顾客建立一个详细的利润和费用预测表。

顾客事件预测可以说是为每一个顾客建立了一个盈亏账号，顾客事件档案越详细，与事件相关的收益和成本分摊就越精确，预测的准确度就越高。但是，顾客未来事件预测的精准度并不能完全保证，主要有两个原因。

其一，预测依据的基础数据不确定性很大，顾客以后的变数、企业预计的资源投入和顾客保持策略，以及环境变数等都具有很多不确定性。

其二，预测的过程不确定性很大，整个预测过程是一个启发式的推理过程，涉及大量的判断，需要预测人员具有丰富的经验，所以预测过程和预测结果因人而异。