تحليل سلوك العملاء لتجنب فقدانهم باستخدام Machine Learning

يهدف هذا المشروع إلى بناء نموذج تعلم آلي قادر على التنبؤ باحتمالية انسحاب العملاء (Customer Churn)، وذلك لمساعدة الشركات على تحديد العملاء المعرضين للمغادرة واتخاذ إجراءات استباقية لتحسين معدلات الاحتفاظ.

يعتمد النموذج على تحليل مجموعة متنوعة من الخصائص الديموغرافية والسلوكية والمالية للعملاء، مثل العمر، إجمالي الإنفاق، مدة الاشتراك، عدد مرات التواصل مع الدعم، وأنماط الاستخدام. تم تنفيذ مراحل متقدمة من معالجة البيانات، بما في ذلك تنظيف البيانات، الترميز، والتقييس، مما ساهم في تحسين أداء النماذج بشكل ملحوظ.

تمت مقارنة عدة نماذج تعلم آلي، وكان أفضلها نموذج Random Forest الذي حقق أعلى قيمة F1-Score، مما يوفر توازنًا قويًا بين الدقة والاسترجاع في اكتشاف العملاء المعرضين للانسحاب.

أظهر التحليل أن العملاء ذوي مدة الاشتراك القصيرة، والاستخدام المنخفض، وتأخر الدفع، وكثرة التواصل مع الدعم هم الأكثر عرضة للانسحاب، مما يوفر رؤى عملية تدعم استراتيجيات الاحتفاظ بالعملاء واتخاذ قرارات تسويقية أكثر فعالية.

التقنيات المستخدمة:

Python

Pandas & NumPy

Scikit-learn

Random Forest / CatBoost

Matplotlib & Seaborn

Jupyter Notebook

يعكس هذا المشروع قدرتي على تحليل سلوك العملاء وبناء نماذج تنبؤية تدعم قرارات الأعمال وتحسن مؤشرات الاحتفاظ والربحية.