تحليل شرائح عملاء بطاقات الائتمان باستخدام K-Means

قمت ببناء نموذج متكامل لتقسيم عملاء بطاقات الائتمان إلى شرائح مختلفة اعتمادًا على خوارزمية K-Means Clustering بهدف مساعدة المؤسسات المالية على فهم سلوك العملاء بشكل أدق ووضع استراتيجيات تسويقية أكثر فعالية.

أهم ما قمت به:

تجهيز ومعالجة البيانات (تنظيف، معالجة القيم المفقودة، اختيار أهم الخصائص، والتقييس).

تنفيذ التحليل الاستكشافي لتوضيح الأنماط والعلاقات بين سلوكيات العملاء.

تطبيق خوارزمية K-Means وتحديد أفضل عدد من المجموعات (4 شرائح رئيسية).

تحليل خصائص كل شريحة وتقديم توصيات عملية مثل: برامج الولاء، العروض المميزة، وخدمات استشارية مالية.

إنشاء تصورات بيانية تفاعلية (Heatmaps, Scatter plots, Box plots) لعرض الفروقات بين المجموعات بشكل واضح.

النتائج:

تحديد 4 شرائح مميزة: عملاء منخفض النشاط، المتسوقون المنتظمون، العملاء ذوي القيمة العالية، مستخدمو السحب النقدي.

تحسين استهداف الحملات التسويقية بنسبة تصل إلى %75.

دعم قرارات تطوير المنتجات وزيادة فرص البيع المتقاطع (Cross-Selling).

الأدوات المستخدمة:

Python (pandas, numpy)

scikit-learn (K-Means, StandardScaler)

matplotlib, seaborn