Telecom churn

Customer Churn Analysis – Case Study

Introduction

Customer Churn هو من أهم التحديات اللي بتواجه الشركات، خصوصًا في مجالات الـ Telecom و Subscription Services.

المشروع ده كان الهدف منه:

فهم أنماط العملاء اللي بيتركوا الخدمة.

تحديد أسباب الـ Churn الرئيسية.

توفير رؤى عملية تساعد الشركات في تحسين استراتيجيات الاحتفاظ بالعملاء (Customer Retention).

Data Collection & Preparation

البيانات كانت بتضم أكتر من 7000 عميل مع أعمدة زي:

Demographics (Age, Gender, Marital Status, Dependents).

Subscription Details (Contract, Payment Method, Monthly Charges).

Usage Patterns (Internet Service, Streaming, Tech Support).

Churn Info (Customer Status, Churn Category, Churn Reason).

استخدمت Python في مرحلة التنضيف:

معالجة القيم المفقودة (Null Values).

التعامل مع Outliers.

تحويل البيانات للأشكال المناسبة للتحليل.

Tools Used

Python → Data Cleaning & Preparation.

Power BI → Data Modeling, DAX Measures, Dashboard Visualization.

Measures in Power BI

بعض الـ Measures اللي أنشأتها:

Churn Count = عدد العملاء اللي مشوا.

Total Customers = إجمالي العملاء.

Churn Rate = نسبة العملاء اللي مشوا.

Revenue at Risk = الإيرادات اللي ممكن تضيع بسبب الـ Churn.

Penetration Rate by Zip Code (باستخدام ملف Population إضافي).

Dashboard Design

الداشبورد اتقسمت لصفحتين رئيسيتين:

1️⃣ Overview Page

KPIs: إجمالي العملاء – Churned Customers – Churn Rate – Revenue at Risk.

توزيع العملاء على الخريطة حسب Zip Code.

Histogram يوضح توزيع Tenure للعملاء.

2️⃣ Churn Analysis Page

Treemap يوضح العلاقة بين Churn Category و Churn Reason.

Boxplot/Alternative Visual يوضح الفروقات في Monthly Charges بين Retained و Churned.

Comparison بين طرق الدفع والعقود مع Churn Rate.

Key Insights

العقود الشهرية كان عندها أعلى معدل Churn مقارنة بالعقود طويلة المدى.

العملاء اللي عندهم Tenure قصير كانوا أكثر عرضة لترك الخدمة.

طرق الدفع الإلكترونية ارتبطت بمعدلات Churn أعلى.

الخدمات الإضافية (Online Security, Tech Support) ساعدت في تقليل الـ Churn.

Business Value

المشروع ده بيوضح إزاي تحليل البيانات يقدر يساعد الشركات في:

التنبؤ بالعملاء الأكثر عرضة لترك الخدمة.

تصميم استراتيجيات Retention مبنية على بيانات فعلية.

تقليل خسائر الإيرادات وزيادة ولاء العملاء.