Investeringskostnaden för CRM varierar naturligtvis med en rad variabler såsom: bransch (antal kunder, produkter etc) och vilka ambitioner man har (frekvens, kommunikationskanaler, teknik, bonusprogram etc.) för att nämna några. Många förknippar inköp av kunddatabaser som en stor kostnad som är associerad med CRM investeringar. Detta stämmer dock sällan, det finns flera exempel på framgångsrika CRM-program som genomförts utan sådana investeringar. Det finns ofta mellanvägar där analysverktyg implementeras endast för att utföra några utvalda operationer.

Hur ett företag organiserar sin styrning resulterar olika bevekelsegrunder för CRM-kalkylens utformning. Har man profit-centers hamnar ofta fokus på att investera i de CRM-komponenter som ger högst avkastning medan organisationer med traditionell budget brukar fokusera på frågan; vad kan jag få för pengarna jag har? Syftet med CRM-program är att öka CLV d.v.s. att få kunder att handla oftare, för högre belopp och stanna som kunder i företaget längre. Om investeringskostnaden är lägre än diskonterade CLV-betalningsströmmar som processen ger upphov till, kommer den öka lönsamheten och vise versa. I början av ett CRM-arbete kan det vara svårare att få fram hur CLV-betalningsströmmar korrerlerar med olika processer, och därmed vilken intäktsvariabel man då ska sätta in i kalkylen. Dessa siffror brukar varje CRM-ansvarig bli bättre på med tiden, givet att man gör en vederhäftig uppföljning på aktiviteter. För att lära sig mer om hur man lär sig vilken respons olika aktivteter ger, läs mer under kapitlet "att mäta CRM".

Vid kundklubbsarbete tar man vanligen fram kostnadsuppskattningen efter visst förarbete för att fastställa vilka behov man har. Givet att man besitter viss likviditet är utgångspunkten sällan kostnaden i sig, utan vilken Return on Investment (ROI) varje komponent i CRM arbetet ger. I uppstartandet av en kundklubb är Payback-modell användbar för att skaffa sig en uppfattning kring vilka kvantiteter som kommer uppstå. I de fall avkastningen inte kan fastställas utifrån historiska data finns olika ratio som brukar ge relativt tillförlitliga prognoser. Dessa är baserade på tidigare kundbeteenden vilka i normalfallet brukar vara konsekventa oavsett andra förutsättningar.