Customer Segmentation using K-Means Clustering

أثناء فترة تدريبي في شركة Indolike، عملت على مشروع تقسيم العملاء لتحسين استراتيجيات التسويق. استخدمت تقنيات تحليل RFM (التكرار، الحداثة، القيمة المالية) و تجميع K-Means لتحليل بيانات المعاملات التجارية من 2009 إلى 2011 بهدف تحديد مجموعات العملاء وأنماط الشراء الخاصة بهم.

دوري والمساهمات الرئيسية:

تنظيف البيانات ومعالجتها – تعاملت مع القيم المفقودة، أزلت التكرارات، وأعددت البيانات للتحليل.

تحليل RFM – صنفت العملاء بناءً على تكرار عمليات الشراء، حداثة الشراء، وقيمة إنفاقهم.

تجميع K-Means – قمت بتقسيم العملاء إلى مجموعات متمايزة لتطبيق استراتيجيات تسويقية مستهدفة.

تحليل السلوكيات – حددت العملاء ذوي القيمة العالية لبرامج الولاء والعملاء غير النشطين لإعادة التفاعل معهم.

تحليل الاتجاهات – قمت بمقارنة سلوك العملاء بين عامي 2009 و2011 لرصد أي تغييرات في أنماط الشراء.

الرؤى التجارية الرئيسية:

تم تحديد العملاء ذوي القيمة العالية، مما سمح للمؤسسة بتطبيق عروض خاصة وبرامج ولاء.

تم اكتشاف العملاء غير النشطين، مما مكن من استهدافهم بحملات ترويجية لإعادة التفاعل.

تم تحديد الأنماط الموسمية في عمليات الشراء، مما ساعد على تحسين توقيت العروض والتخفيضات.

ساهم هذا المشروع في تعزيز اتخاذ القرارات المبنية على البيانات في التسويق وإدارة علاقات العملاء.