شناخت هر چه بیشتر مشتری در سازمان های امروزی ضرورتی اجتناب ناپذیر است .درک تفاوت و خوشه بندی مشتریان و تخصیص بهینه منابع به آنها بر اساس ارزشی که برای سازمان ایجاد می کنند از ضروریات مهم سازمانهاست.
یکی از مدل هایی که در این زمینه می تواند یه سازمانها کمک نماید مدل RFM است که در سال 1994 توسط هوگس Hughes  معرفی شد.
روش RFM رویکری در بازاریابی برای خوشه‌بندی مشتریان براساس ارزش آنها با استفاده از سه متغیر تازگی، تکرار و مبلغ خرید می‌باشد. این روش در حوزه مطالعات داده کاوی و ارزش حیات مشتری قرار می‌گیرد. کسب‌وکارهایی که مشتریان فراوانی دارند با استفاده از RFM می‌توانند درک مناسبی از ارزش آنها بدست آورند. داده‌کاوی هنر و مهارت استخراج مدل براساس حجم وسیعی از داده ها است. در مدیریت بازاریابی برای شناسایی و خوشه بندی مشتریان از داده کاوی استفاده می شود.
فرض اساسی مدل این است که الگوهای آینده مبادله و خرید مشتری همانند الگوهای گذشته و حال است. راحتی محاسبه و قابل درک بودن و توانایی RFM در پیش بینی رفتار آینده مشتری و ارزیابی وفاداری تاکید کرده اند و مدل RFM را به عنوان راهی برای اندازه گیری ارزش طول عمر مشتری به کاربرده اند.
بر طبق نظررینارتزو کومار (2000)، چانگ و تسای (2004) مدل RFM نمی تواند مشتریان دارای ارتباط بلند مدت و مشتریان دارای ارتباط کوتاه مدت با سازمان را مشخص نماید. آنها در تحقیق خود ایده طول ارتباط مشتری را پیشنهاد می دهند و به بررسی تاثیر آن بر وفاداری و سود آوری مشتری می پردازند. آنها بیان می کنند که افزایش طول ارتباط با مشتری، وفاداری مشتری را بهبود خواهد بخشید. واین متغیررا که نشان دهنده فاصله زمانی بین اولین و آخرین خرید مشتری در بازه مورد مشاهده است تعریف کرده اند. مدل RFM مشتریانی را که به تازگی ارزش مالی بالایی برای شرکت ایجاد کرده ودر کوتاه مدت دارای تناوب خرید بیش از متوسط تناوب خرید در بین مشتریانی که تکرارخرید داشته اند به عنوان مشتریان با ارزش انتخاب کرده درحالی که عامل طول ارتباط با شرکت نادیده گرفته شده است.
بنابراین بعد طول ارتباط مشتری Length(L) به مدل RFM اضافه می شود و مدل توسعه یافته امروزی LRFM  می باشد.
شرکت ساپ در نرم افزار هوش تجاری BI خود پیاده سازی این مدل را انجام داده و به سازمانها کمک می کند تا بر اساس نقاط جغرافیایی (شعبه) ، صنف مشتریان ، بازه تاریخی و ... بتوانند مشتریان خود را خوشه بندی کرده و تصمیمات بازاریابی و فروش متناسب با رفتار خوشه مشتری را تنظیم نمایند تا هم رضایت مشتری بیشتر شود و هم سودآوری  سازمان در نظر گرفته شود.

 
مدل LRFM به تحلیل رفتار و بیان تفاوت مشتریان با استفاده از چهار متغیر  می پردازد.
Length (L)  : طول ارتباط (فاصله اولین خرید تا آخرین خرید) (↑) هر چه مدت ارتباط مشتری بیشتر باشد ارزش L بیشتر می شود.
Recency (R) : تازگی خرید (آخرین خرید تا پایان بازه زمانی) (↓) هر چه این مدت کمتر باشد ارزش R بیشتر می شود.
Frequency (F) : فرکانس خرید (تعداد دفعات خرید) (↑) هر چه تعداد تکرار خرید بیشتر باشد ارزش F بیشتر می شود.
 Monetary (M) : ارزش مالی (مبلغ خرید) (↑) بیشتر بودن مقدار صرف شده توسط مشتری بیانگر بالاتر بودن ارزش M می باشد.
همچنین بالا تر بودن یا پایین تر بودن مشتریان توسط میانگین هر آیتم در بازه زمانی محاسبه می گردد و در صورتی که از میانگین بالاتر باشند (↑) و در صورتی که کمتر از میانگین بودند (↓) می باشند.
و توزیع استاندارد برای هر مشتری با دو پارامتر میانگین و واریانس مشخص می شود و در صورتی که هر آیتم از مشتری خارج از واریانس باشد محاسبه نمیگردد.
خوشه بندی مشتری بر اساس شاخص های LRFM دارای 5 گروه اصلی می باشد :
1-    مشتریان اصلی (وفادار)
2-    مشتریان بالقوه
3-    مشتریان جدید
4-    مشتریان از دست رفته
5-    مشتریان هزینه بر