تقسيم العملاء باستخدام تحليل RFM (Recency, Frequency, Monetary)

يستخدم هذا المشروع مجموعة بيانات Online Retail Dataset لتقسيم العملاء بناءً على سلوك الشراء باستخدام تحليل RFM (Recency, Frequency, Monetary).

خطوات العمل:

-تنظيف البيانات (إزالة القيم المكررة، حذف المعرفات المفقودة، واستبعاد الطلبات الملغاة).

-حساب قيم RFM لكل عميل:

Recency: عدد الأيام منذ آخر عملية شراء.

Frequency: عدد مرات الشراء.

Monetary: إجمالي الإنفاق.

-منح كل عميل درجة RFM من (1 إلى 5).

تقسيم العملاء إلى فئات مختلفة:

العملاء المميزون (Champions)

العملاء الأوفياء (Loyal Customers)

كبار المنفقين (Big Spenders)

العملاء المعرضون للمخاطرة (At Risk)

فئات أخرى

التصورات البيانية التي تم إنشاؤها:

مخطط أعمدة يوضح توزيع شرائح العملاء.

خريطة حرارية (Heatmap) توضح القيمة المالية بناءً على درجات Recency و Frequency.

? الأدوات المستخدمة:

Python (Pandas)

Seaborn و Matplotlib

Jupyter Notebook