تحليل وتقسيم العملاء باستخدام خوارزمية K-Means

وصف مشروع: تحليل وتقسيم العملاء باستخدام خوارزمية K-Means

هذا المشروع يهدف إلى فهم سلوك العملاء في أحد المجمعات التجارية من خلال تطبيق تحليل البيانات وتقنيات التعلم الآلي. تم استخدام خوارزمية K-Means Clustering لتقسيم العملاء إلى مجموعات متميزة بناءً على خصائصهم مثل العمر والدخل ودرجة الإنفاق.

المهام والخطوات الرئيسية:

تحليل البيانات الاستكشافي (EDA): تم تنظيف وتحليل البيانات الأولية لفهم توزيعها والعلاقات بين المتغيرات.

تطبيق خوارزمية K-Means: تم استخدام مكتبة Scikit-learn لتطبيق نموذج التجميع K-Means.

تحديد العدد الأمثل للمجموعات: تم استخدام "طريقة الكوع" (Elbow Method) لتحديد أنسب عدد للمجموعات، وهو 5، لضمان دقة النتائج.

تصور البيانات: تم إنشاء مخططات تشتت (Scatter Plots)، بما في ذلك مخطط ثلاثي الأبعاد، لتصور المجموعات الناتجة وتوزيع العملاء فيها بشكل واضح.

النتيجة:

نجح المشروع في تقسيم العملاء إلى سبعة مجموعات متميزة، مما يوفر رؤى قيمة يمكن استغلالها في استهداف كل مجموعة بحملات تسويقية مخصصة وزيادة الكفاءة والربحية.

المهارات المستخدمة:

تحليل البيانات (Data Analysis)

التعلم الآلي (Machine Learning)

تقسيم العملاء (Customer Segmentation)

برمجة بايثون (Python):

مكتبات: Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn

Jupyter Notebook