تحليل معدل دوران العملاء (Databel Churn Analysis) – كشف الأسباب وحلول لزيادة الاحتفاظ بالعملاء عبر Power BI

يُعد الاحتفاظ بالعملاء (Customer Retention) أرخص بـ 5 مرات من جلب عملاء جدد. في هذا المشروع، قمت بإجراء تحليل شامل لبيانات شركة "Databel" للاتصالات، بهدف فهم الأسباب الحقيقية وراء ترك العملاء للخدمة، وتقديم توصيات استراتيجية لتقليل هذا المعدل.

المهام التقنية والتحليلية التي نفذتها:

استكشاف وتحضير البيانات (Data Exploration): معالجة قاعدة بيانات ضخمة تحتوي على تفاصيل العملاء، أنواع العقود، الاستهلاك، وطرق الدفع.

بناء نموذج التناقص (Churn Modelling): إنشاء مقاييس (Measures) متقدمة لحساب نسبة التناقص الإجمالية (Churn Rate) مقارنة بالفترات السابقة.

تحليل الفئات (Segment Analysis): تقسيم العملاء بناءً على (العمر، نوع العقد، الاستهلاك) لتحديد "الفئات الأكثر عرضة للمغادرة".

تحليل الأسباب الجذرية (Root Cause Analysis): ربط أسباب المغادرة ببيانات فنية (مثل سعة استهلاك البيانات أو جودة خدمة العملاء).

الداشبورد التفاعلية: تصميم واجهة تسمح للمدراء "بالتنبؤ" بالمجموعات التي قد تغادر مستقبلاً لاتخاذ إجراءات وقائية.

أهم المؤشرات (KPIs) في الداشبورد:

Churn Rate %: نسبة العملاء المغادرين.

Churn by Category: تحليل المغادرين حسب فئات (Senior, Student, etc).

Contract Analysis: مقارنة استقرار عملاء العقود السنوية مقابل العقود الشهرية.

Reason Distribution: خريطة توضح الأسباب الأكثر تكراراً للمغادرة (مثل الأسعار أو المنافسين).

الأدوات المستخدمة:

Power BI لبناء لوحات التحكم.

DAX للعمليات الحسابية المتقدمة (Time Intelligence Functions).

Power Query لتنظيف وتجهيز البيانات.