E-commerce Churn Analysis: Retain & Grow

في هذا المشروع، قمت بتحليل سلوك العملاء على منصة تجارة إلكترونية لفهم لماذا يتركون المنصة وكيف يمكن منع ذلك.

ما فعلته:

1- جمعت بيانات نشاط العملاء (مشاهدات المنتجات، الإضافات إلى السلة، المشتريات).

2- صممت مؤشرات ذكية مثل "نسبة الإضافة إلى السلة" و"نسبة الشراء من السلة" لفهم نقاط الضعف في تجربة المستخدم.

3- بنيت نموذجًا ذكيًا باستخدام XGBoost للتنبؤ بالعملاء الأكثر عرضة للتسرب.

النتائج:

1- اكتشفت أن معظم العملاء يتسربون بسبب نقص التفاعل مع المنتجات أو تعقيدات في عملية الشراء.

2- قدمت حلولًا عملية مثل تحسين توصيات المنتجات وتبسيط عملية الدفع.

لماذا هذا المشروع مميز؟

1- لأنه لا يكتفي بالتنبؤ بالتسرب، بل يقدم حلولًا قابلة للتطبيق لزيادة ولاء العملاء.

المهارات التي استخدمتها:

1- تحليل البيانات باستخدام Python (Pandas, NumPy).

2- التصور البياني (Matplotlib, Seaborn).

3- التعلم الآلي (XGBoost) لبناء النموذج التنبؤي.