ارزش مشتری به تعامل بالقوه مشتریان با شرکت در طول دوره‌های زمانی مشخص اشاره می‌کند. هنگامی که شرکت‌ها ارزش مشتری را درک کنند و به این موضوع پی ببرند که ارزش مشتری می‌تواند خدمات سفارشی‌سازی شده را برای مشتریان مختلف ارائه کند، آنگاه به مدیریت روابط مشتری موثر دست می‌یابند. این پژوهش بر صنعت بانکداری متمرکز بوده و به طور سیستماتیک تکنیک‌های داده‌کاوی و مباحث مدیریتی را جهت تجزیه و تحلیل ارزش مشتریان، یکپارچه‌سازی می‌کند. این بررسی در ابتدا روش تحلیل سلسله مراتبی فازی را برای وزن‌دهی به متغیرهای موجود بکار می‌گیرد و سپس مدل DFMT را به عنوان ورودی به تکنیک k-means‌ جهت خوشه‌بندی مشتریان براساس معیارهای مورد نظر در مدل DFMT مورد بررسی قرار می‌دهد و با استفاده از مدل امتیازدهی پیشنهادی، مبادرت به تشکیل هرم ارزش مشتری کرده و مشتریان را در 4 طیف ارزشی دسته‌بندی می‌کند. در نهایت جهت تجزیه و تحلیل کلاس‌های بدست آمده از هرم ارزش مشتری و اجرای فرآیند یادگیری از داده‌های موجود، از تکنیک‌های دسته‌بندی تئوری درخت تصمیم و ماشین‌های بردار پشتیبان و جنگل تصادفی به همراه مشخصه‌های شش‌گانه استفاده می کند و از میان آنها مناسب‌ترین مدل- مشخصه را براساس معیارهای موجود معرفی می‌کند.