تحليل سلوك العملاء باستخدام K-Means Clustering

قمت بتنفيذ مشروع لتحليل وتقسيم العملاء (Customer Segmentation) باستخدام خوارزمية K-Means Clustering في لغة Python بهدف

فهم أنماط الشراء بناءً على:

الدخل السنوي (Annual Income)

معدل الإنفاق (Spending Score)

خطوات العمل:

1-قراءة البيانات باستخدام مكتبة Pandas.

2-التأكد من عدم وجود قيم مفقودة (Data Cleaning).

3-اختيار المتغيرات المؤثرة في التحليل.

4-تطبيق StandardScaler لعمل Feature Scaling لضمان دقة نتائج التجميع.

5-استخدام Elbow Method لتحديد العدد الأمثل للـ Clusters.

6-تدريب نموذج K-Means بعدد 5 مجموعات.

7-إضافة عمود جديد في البيانات يمثل رقم المجموعة لكل عميل.

8-تمثيل النتائج بيانياً باستخدام Matplotlib لعرض تقسيم العملاء بصرياً.

النتائج:

تم تقسيم العملاء إلى 5 فئات مختلفة بناءً على مستوى الدخل وسلوك الإنفاق، مما يساعد الشركات على:

تحديد العملاء ذوي القيمة العالية.

استهداف الحملات التسويقية بدقة.

تحسين استراتيجيات البيع وزيادة الأرباح.

الأدوات المستخدمة:

Python

Pandas

Scikit-learn

Matplotlib