Ecommerce customer

تحليل سلوك المستهلك في التجارة الإلكترونية

SQL | Power BI | DAX | MySQL

---

ما الذي يميز هذا المشروع؟

هذا المشروع ليس مجرد تقارير ومخططات —

بل هو نظام تحليلي متكامل يحول البيانات الخام

إلى قرارات تجارية قابلة للتنفيذ فوراً.

---

ما الذي تم إنجازه؟

1. تنظيف البيانات (MySQL)

تنظيف 1,000 سجل عميل من مشاكل التنسيق

وتحويل العملات والتواريخ والقيم المفقودة

بشكل كامل واحترافي.

2. تحليل RFM

تصنيف العملاء إلى 6 شرائح سلوكية

(Champions / Loyal / At Risk / Lost وغيرها)

باستخدام Window Functions و CTEs.

3. نموذج Churn Risk

بناء نظام تسجيل نقاط لتحديد العملاء

المعرضين للمغادرة — واكتشاف أن أعلى

20 عميلاً من حيث القيمة هم الأكثر

عرضة للخطر بمتوسط CLV يبلغ $2,927.

4. Dashboard تفاعلي (Power BI)

4 صفحات متكاملة:

- Sales Overview

- Customer Insights & RFM

- Product Performance

- Strategic Recommendations

---

أبرز النتائج

- اكتشاف $58,000 إيرادات في خطر فوري

من 20 عميلاً ذوي قيمة عالية

- 51 عميلاً مصنفاً كـ Loyal في RFM

يُظهر مؤشرات Churn مرتفعة —

الولاء الحالي لا يضمن الاستمرار

- 188 عميلاً مفقوداً ذوي مخاطر منخفضة —

توصية بإعادة توجيه ميزانية الاحتفاظ

بهم نحو شرائح أعلى عائداً

- الخصومات تزيد حجم المبيعات

لكنها تخفض متوسط قيمة الطلب —

خاصة لدى العملاء غير الحساسين للسعر

---

الأدوات المستخدمة

MySQL Workbench — بناء قاعدة البيانات

وتنظيف البيانات

و Views معقدة

SQL Advanced — Window Functions

CTEs

Subqueries

Scoring Models

Power BI — Dashboard تفاعلي

بـ 4 صفحات

DAX — Measures مخصصة

وحسابات KPI

---

ملاحظة الشفافية

البيانات المستخدمة تحتوي على سجل واحد

لكل عميل. جميع النماذج مبنية على

افتراضات موثقة وتحليل حساسية ثلاثي

(Conservative / Base / Optimistic)

لضمان موثوقية النتائج.

---

هل تحتاج تحليلاً مشابهاً لبياناتك؟

تواصل معي وسنبدأ فوراً.