نظام للتنبؤ باشتراك العملاء في الودائع البنكية (Bank Deposit Campaign)

قمت بتطوير نظام ذكاء اصطناعي يتنبأ باحتمالية اشتراك العميل في وديعة بنكية بناءً على بياناته وسلوكه التسويقي. الهدف هو مساعدة فريق التسويق في تحديد العملاء الأكثر احتمالًا للاشتراك وتحسين كفاءة الحملات.

المشكلة

الحملات التسويقية التقليدية غير فعّالة لأنها تستهدف كل العملاء بدون معرفة من هو الأكثر احتمالية للاستجابة.

الحل كان بناء نموذج تنبؤ دقيق يدعم اتخاذ القرار.

ما الذي قمت به؟

تحليل شامل للبيانات (EDA) لتحديد أهم العوامل المؤثرة في الاشتراك.

تنظيف وتجهيز البيانات:

معالجة القيم المفقودة

ترميز المتغيرات

Scaling و Feature Engineering

تجربة أكثر من 7 خوارزميات تصنيف:

Logistic Regression – SVC – Decision Trees – Random Forest – Gradient Boosting – AdaBoost – XGBoost

تحسين أداء النماذج عبر Grid Search و Random Search.

تقييم النموذج باستخدام: Precision، Recall، F1 Score، ROC-AUC، Confusion Matrix.

نشر النموذج على تطبيق Streamlit تفاعلي يتيح للمستخدم تجربة النموذج والحصول على التوقعات مباشرة.

التقنيات المستخدمة

Python – Pandas – NumPy – Scikit-learn – XGBoost – Matplotlib – Streamlit

النتيجة

تم بناء نموذج دقيق يساعد فريق التسويق في تحديد العملاء الأكثر احتمالية للاشتراك في الودائع البنكية، مما يرفع معدل التحويل ويقلل تكلفة الحملات.

تم نشر المشروع عبر تطبيق Streamlit لتوفير تجربة تفاعلية وسهلة الاستخدام.