客户终身价值(CLV)是企业进行客户关系管理的基础,然而非合约关系下客户终身价值的度量一直是研究的难点。本文重点探讨了以Pareto/NBD和BG/NBD为代表的经典概率模型和以GAM和SVM为代表的机器学习算法在非合约客户终身价值度量中的应用。通过对两个数据集的实证研究,对比了四种方法的特点和预测能力。研究发现经典概率模型的预测值较为平稳,适用于描述消费者日常消费规律; GAM则对数据中极端变化的捕捉跟踪能力较强,适用于预测由于门店促销、线上促销和节假日等带来的不规律的集中消费或延时消费的情况。经典方法和机器学习算法对客户终身价值的预测各有所长,基于单一方法的预测会有一定偏差,为得到小偏差和高稳健性的CLV估计,本文认为基于多方法的综合预测是理想的CLV建模策略。