تحليل تجزئة العملاء باستخدام نموذج RFM على بيانات متجر Olist الإلكتروني

استخراج رؤى تسويقية لبيانات التجارة الإلكترونية (Olist Dataset)

هذا المشروع هو دراسة حالة متكاملة في ذكاء الأعمال (Business Intelligence)، يهدف إلى تحليل سلوك أكثر من 96,000 عميل باستخدام بيانات متجر Olist البرازيلي، بهدف تحسين استراتيجيات الاحتفاظ بالعملاء وزيادة العائد على الاستثمار التسويقي.

?️ الأدوات والتقنيات المستخدمة

اللغة الأساسية: Python 3.x

قاعدة البيانات: SQLite (بيانات ضخمة بحجم ~107 MB)

المكتبات التقنية: * Pandas: لمعالجة وتنظيف البيانات.

Matplotlib & Seaborn: للتصورات البيانية المتقدمة.

sqlite3: للربط بين بيئة البرمجة وقاعدة البيانات.

خطوات التنفيذ (Workflow)

استخراج البيانات (SQL): تنفيذ 5 استعلامات معقدة لاستخراج الإيرادات الشهرية، وتحديد العملاء الأكثر إنفاقاً، وتوزيع تقييمات المنتجات.

المعالجة (Preprocessing): دمج جداول (الطلبات، العملاء، المدفوعات) ومعالجة القيم المفقودة.

تحليل RFM: حساب المقاييس الثلاثة لكل عميل:

Recency (R): الأيام منذ آخر عملية شراء.

Frequency (F): إجمالي عدد الطلبات.

Monetary (M): إجمالي المبالغ المنفقة.

التجزئة (Segmentation): تقسيم العملاء إلى 7 شرائح رئيسية بناءً على نظام النقاط (Quintiles)