当公司采用(积极)概率时，管理者必须解决某些问题。例如，根据(积极)概率，假定某客户在决定终止与公司的关系后将不会再回到该公司。由于这些被称为“失去反倒更好”的客户，这种做法系统地低估了CLV。“总有一份”的方法可以解决这一问题，因为这种方法考虑到了经过一段暂时休眠期后客户有可能重返该公司的情况。在预测客户购买频率时采用这种方法，管理者可以更好地认识未来的客户行为。

计算CLV的一种更高级的模型是建立购买时间间隔（根据频率确定间隔长短）而不是(积极)概率。建立购买时间间隔，方法是对该客户的往期购买间隔行为拟合分布，并确定该分布的期望值。采用频率而不是(积极)概率来解释客户为什么在某段时间停止了与该公司的关系（如汽车或电脑的购买），以及为什么之后又重返该公司。该模型对客户购买行为的预测更加现实有效，它涉及预测介入计算CLV的三个参数：

● 未来客户行为（频率）；

● 未来营销成本（MC）；

● 每位客户的总边际贡献（GC）。

这里采用的预测未来客户行为的方法预测的是鉴于客户往期购买的购买频率。这个模型是以如下假设为基础的，即客户在终止关系之前，最有可能降低其购买频率或有一段很长的休眠期。这一假设的依据是：购买频率的下降要么是由于客户忠诚于不同的公司造成的，要么是由于客户因需求减少或产品过时而终止购买某一产品造成的。在这个框架中，CLV的测量是通过预测一段合理期间内的购买模式（购买频率）得到的。这一期间（客户生命周期）因行业的不同而有所差别。例如，在通常情况下，汽车制造商可能预期客户每5~7年进行一次购买，而电脑制造商可能预期客户每1~2 年进行一次购买。在固定期间而不是永久期间内，预测客户的购买模式时不能掉以轻心，这是因为：

● 夜长梦多。在长时期内，客户的需求会发生变化，他们在家庭生命周期中的地位会发生变化，可能会更换工作，因此他们可能会有不同的要求。

● 产品供应由于技术进步而不断变化，并且要以客户的需求为根本。

● CLV预测需要根据滚动时域获得更新以适应环境因素的变化。

根据边际贡献、购买频率以及可变营销成本的预测，可以计算出CLV函数。在其中一项研究中，B2B模式下某公司的客户购买频率模型（频率）的驱动因素如下：

● 产品购买更新的数量；

● 客户的交叉购买行为（对于所有产品类别）；

● 由客户发起的接触占总接触次数的比例（由客户发起的和由供应商发起的）；

● 产品退货行为；

● 基于网络的接触频率；

● 公司接触客户的频率（亲身拜访、直接邮寄以及电话）；

● 两次客户接触之间的平均时间间隔。

同样，总边际贡献（GC）模型的驱动因素可列举如下：

● 上一年的客户边际贡献；

● 利用所有渠道与客户接触的总次数；

● 购买所有产品类别的总量。

以下两种方法可以用来预测未来营销成本(MCi,l,m)：

● 第一种方法：如果客户层面的营销成本在几年内变化不大，则假设过去成本将持续到未来。

● 第二种方法：将未来营销成本看作当前购买行为和当前营销成本的函数。

根据从这些模型中得出的数据可以计算客户终身价值