Telecom Customer Churn Prediction باستخدام Machine Learning

قمت بتطوير مشروع لتحليل بيانات عملاء شركات الاتصالات والتنبؤ بالعملاء المعرضين لإلغاء الاشتراك في الخدمة (Customer Churn Prediction) باستخدام تقنيات تعلم الآلة. يهدف المشروع إلى مساعدة الشركات على فهم سلوك العملاء وتحديد العوامل التي تؤثر على قرار ترك الخدمة، مما يساعد على تحسين استراتيجيات الاحتفاظ بالعملاء وتقليل معدل فقدانهم.

مر المشروع بعدة مراحل رئيسية، بدأت بمرحلة معالجة البيانات وتنظيفها والتعامل مع القيم المفقودة، ثم إجراء تحليل استكشافي للبيانات (EDA) لاكتشاف الأنماط والعلاقات بين المتغيرات المختلفة. بعد ذلك تم تطبيق تقنيات تقليل الأبعاد (Dimensionality Reduction) مثل Principal Component Analysis (PCA) لتحسين أداء النماذج وتقليل عدد الخصائص مع الحفاظ على المعلومات المهمة.

تم بعد ذلك تدريب عدة نماذج Machine Learning ومقارنتها لاختيار النموذج الأفضل من حيث الأداء، مثل:

• Random Forest

• Bagging Classifier

• Voting Classifier

كما تم تقييم أداء النماذج باستخدام مقاييس تقييم مختلفة مثل Accuracy وClassification Report لتحليل دقة النموذج وقدرته على التنبؤ بالعملاء المعرضين لترك الخدمة.

يساعد هذا المشروع الشركات على اتخاذ قرارات مبنية على البيانات من خلال التنبؤ المبكر بسلوك العملاء، مما يساهم في تحسين استراتيجيات التسويق وخدمات العملاء وتقليل معدلات إلغاء الاشتراك.