این بررسی در ابتدا روش تحلیل سلسله مراتبی فازی را برای وزن دهی به متغیرهای موجود بکار می گیرد و سپس مدل dfmt را به عنوان ورودی به تکنیک k-means جهت خوشه بندی مشتریان براساس معیارهای مورد نظر در مدل dfmt مورد بررسی قرار می دهد و با استفاده از مدل امتیازدهی پیشنهادی، مبادرت به تشکیل هرم ارزش مشتری کرده و مشتریان را در 4 طیف ارزشی دسته بندی می کند. در نهایت جهت تجزیه و تحلیل کلاس های بدست آمده از هرم ارزش مشتری و اجرای فرآیند یادگیری از داده های موجود، از تکنیک های دسته بندی تئوری درخت تصمیم و ماشین های بردار پشتیبان و جنگل تصادفی به همراه مشخصه های شش گانه استفاده می کند و از میان آنها مناسب ترین مدل- مشخصه را براساس معیارهای موجود معرفی می کند.