چـکـیده مقدمه: در طول دو دهه ی اخیر بخش قابل توجهی از تمرکز سازمان ها بر روش های مدیریت هزینه ها (cost management)، و رشد درآمدها (revenue growth) معطوف گشته است. توجه صرف به مدیریت هزینه یا رشد درآمد به مفهوم از دست دادن فرصت بهره مندی از دیگری است. به این ترتیب چیزی که لازم به نظر می رسد ایجاد توازن و هماهنگی بین این دو می باشد؛ اما چگونه این توازن اتفاق می افتد؟ ارزیـابی ارزش هر مشتری، تخصــیص بهینه ی منابع در میان مشتریان سودآور، و نیز هزینه یابی صحیح تعدادی از عواملی می باشند که در ایجاد توازن بین هزینه ها و درآمدها نقش کلیدی را ایفا می نمایند. هدف پژوهش حاضر رتبه بندی ارزش دوره ی عمر مشتریان به عنوان یکی از راه کارهای شناسایی مشتریان سودآور می باشد. روش پژوهش: در این پژوهش به کمک مدل ارتباط با مشتری lrfm وضعیت چهار متغیر : مدت رابطه (length of relation)، زمان آخرین تراکنش (recent transaction time)، فراوانی خرید (frequency of buying) و ارزش پولی (monetary) در پیش بینی سودآوری مشتریان مورد بررسی قرار گرفته است. پژوهش از نظر هدف کاربردی و از جهت روش اجرا توصیفی- پیمایشی محسوب می گردد. موردکاوی در بانک صنعت و معدن انجام شده و رویه ی آن از متدلوژی crisp پیروی می نماید. یافته های پژوهش: نتایج به دست آمده از فراینـد خوشه بندی k-mean، تعداد 9خوشه از مشتریان را در مـیان داده- های اولیه نشان می دهد که هر یک از الگوی lrfm منحصر به فردی پیروی می نمایند. مشتریان با الگوی l?r?f?m? (مشتریان از دست رفته ی مصرف کننده) دارای بالاترین رتبه ی clv می باشند، تنها 1مشتری از این الگو پیروی می نماید. از نظر فراوانی الگوی l?r?f?m? (مشتریان جدید نامطمئن) با تعداد 128 مشتری، 42% مشتریان بانک را شامل می گردد. نوآوری های پژوهش: در طی پژوهش حاضر مدل ارتباط با مشتری lrfm برای نخستین بار در ایران و در صنعت بانکداری مورد بررسی قرار گرفته است. همچنین برای نخستین بار متغیرها به منظور فرایند خوشه بندی با استفاده از روش آنتروپی شانون وزن دهی شده اند. اعتبارسنجی خوشه بندی به کمک شاخص rs نیز از دیگر نوآوری های خاص این پژوهش می باشد. نتیجه گیری: این پژوهش از تکنیک خوشـه بندی k-mean برای دسته بندی مشـتریان بانکی استفاده نموده، و با ارائه ی تصویری جامع از ارزش دوره ی عمر مشتریان به رتبه بندی مشتریان بانک صنعت و معدن می پردازد، که می تواند مدیران شعب بانک ها را در شناسایی مشتریان سودآور و اولویت بندی آنها یاری نماید. کلمات کلیدی: ارزش دوره ی عمر مشتری (clv)، مدل ارتباط با مشتری lrfm، خوشه بندی k-mean، شاخص rs، متدلوژی crisp