通过测量每位客户的CLV，能够使管理者优化分配资源，从而实现CLV的最大化，因此，该模型将客户的购买频率和总边际贡献看作营销资源变量的函数。根据客户对营销行为（由购买频率和总边际贡献模型提供）的回应，便可以相应开发能够使CLV最大化的资源分配策略。
在前面的模型中，xi,l,m给出了在某一期间内通过某种渠道接触的客户数量，这些渠道包括销售团队发起的亲自接触、直接邮寄以及电话接触，这些接触引起的营销成本由ci,l,m给出。频率因数（频率i）有利于预测接下来几年中的购买频率。GCi,t预测了在每个未来购买时机中客户的总边际贡献。同样，未来营销成本(MCi,l,m)也因每位客户而产生。虽然该CLV模型超越了先前的几种客户价值模型，是一个重大的进步，但是我们仍在不断地努力改进CLV测量模型。例如，在计算CLV时，有两个问题是彼此相关并需要加以指出的，即内生性和异质性。如果未能说明这些统计问题的原因，那么CLV的实际测量就可能有偏差。
在CLV模型中，内生性是与原因直接相关的统计问题。该模型分别预测了三个参数（频率、营销成本和总边际贡献），也就是说，它不考虑究竟是当前的营销成本引发了未来的总边际贡献，还是当前的总边际贡献潜在地引发了未来的营销成本。解决这一问题的办法相对简单，只需要同时获得所有三个参数便可以了。
在CLV模型中，异质性是与客户资料直接相关的统计问题。如果假设不同的客户对营销信息会作出不同的回应，那么在与营销沟通相关的总边际贡献模型中，就不应该对所有系数赋予相同的权重。这一问题的解决方法也相当简单，如果使每位客户的回归权重有所不同，就可以得到每位客户的精确结果。因为客户资料越来越容易得到，市场竞争又越来越激烈，所以CLV模型还要继续加以改进。然而，正如上文中的例子所示，采用一个可靠的模型作为测量CLV的基础，是建立优化营销策略（详见以下各章）的关键所在。在了解了如何实施这一模型后，你便能够决定如何最好地为不同的公司衡量CLV。下文的案例研究以这些模型得出的数据为依据，演示了B2B模式下的公司计算CLV的过程。
案例研究
根据从B2B模式下的一家公司收集到的数据计算客户（i）的CLV。不同渠道的接触（如本例中电话销售和销售人员）的单位成本 (ci,l,m)分别是30美元和600美元。表3—11显示了不同渠道的接触次数(xi,l,m)，同时给出了未来两年内，在每次购买时机中客户的预计频率和预计总边际贡献。
期间(l)为2年；
购买频率为每年购买2次；
电话销售的单位成本为30美元；
预计使用电话销售方式的接触次数为第1年25次和第2年20次；
销售人员的单位成本为600美元；
使用销售人员方式的预计销售次数为第1年10次和第2年15次；
贴现率（r）=15%。
因此可以看出,CLV很大程度上取决于客户在未来期间是否表现积极。在非契约模式下，这一点尤为重要，因为客户任何时候都可以自由脱离这一关系。
在契约式的关系中，必须估计出收入/边际贡献的两个来源：相关期间内客户每月的定期贡献，以及相关期间内客户预计购买的附带产品/服务的额外贡献。关于会附带哪些产品/服务的信息，则可以通过选择和购买时机模型得到，具体内容见第8章。
同样，如果是一次性购买，但是有附带产品/服务的机会，那么对于补充产品/服务的信息可见第8章中描述的选择/时机模型。至于对重要产品一次性购买的预测，则可以采用推理回归模型（如第9章所述），或者采用选择模型（如第8章所述），再加上一个回归类型模型来预测购买的数量。上述模型适用于任何以服务为导向的工商企业。
在计算出CLV之后，公司必须采取计划，使CLV最大化，以便充分利用该项标准的优势。以下各章讨论的是公司可以实现CLV最大化的各种策略。
