نموذج التنبؤ بولاء العملاء

تصميم وإنشاء متغير الهدف "العميل الوفي" بالاعتماد على بيانات المعاملات والسلوك الشرائي.

إجراء تحليل استكشافي شامل للبيانات (EDA) باستخدام الرسوم البيانية مثل الخرائط الحرارية (Heatmaps)، الأعمدة، والصندوقية (Box Plots) لاكتشاف الأنماط والعلاقات.

معالجة البيانات من خلال التعامل مع القيم المفقودة، ترميز المتغيرات الفئوية، وتقييس البيانات الرقمية.

تطبيق عدة نماذج تصنيفية مثل: الانحدار اللوجستي، الغابة العشوائية، وXGBoost.

استخدام التحقق المتقاطع (Cross-Validation) وضبط المعاملات (Hyperparameter Tuning) لتحسين دقة النموذج.

تقييم الأداء باستخدام مصفوفة الالتباس (Confusion Matrix)، ROC-AUC، وF1-Score.

حقق نموذج XGBoost أفضل أداء، مع تحديد أهم العوامل المؤثرة مثل حداثة الشراء، تكرار الشراء، وإجمالي الإنفاق.

تقديم تحليلات ورؤى عملية لدعم استراتيجيات الاحتفاظ بالعملاء.