Amazon Rating & Prices Analysis

مشروع متكامل في مجال علم البيانات يهدف إلى بناء نموذج تنبؤي لتوقع تقييمات المنتجات وتحديد العوامل الأساسية التي تحرك وتؤثر على رضا العملاء عبر منصة أمازون (Amazon). يركز المشروع على حل مشكلة تواجه الكثير من البائعين، وهي الصعوبة في معرفة العوامل الفعلية التي تضمن الحصول على تقييمات مرتفعة. من خلال تحليل بيانات تشمل آلاف المنتجات، نجح المشروع في تحويل البيانات الخام إلى رؤى استراتيجية وتوصيات قابلة للتطبيق لمساعدة البائعين في تطوير أعمالهم.

### **خطوات العمل والتنفيذ:**

* **تنظيف وإعداد البيانات (Data Preparation):** شملت هذه المرحلة معالجة البيانات بعناية من خلال التعامل مع القيم المفقودة (Missing Values)، وإزالة رموز العملات، وتفكيك وتقسيم ميزات الفئات (Category Features)، بالإضافة إلى هندسة ميزات جديدة (Feature Engineering) لضمان أعلى جودة للبيانات قبل النمذجة.

* **بناء النماذج التنبؤية (Modeling Approach):** لضمان دقة التنبؤ وفهم طبيعة البيانات، تم اختبار واستخدام نموذج الانحدار الخطي (Linear Regression) ونموذج التصنيف الغابي العشوائي (Random Forest Classifier).

* **تقييم الأداء (Model Evaluation):** حقق نموذج الـ Random Forest Classifier كفاءة عالية ودقة تنبؤ (Accuracy) تصل إلى حوالي 80%، متفوقاً بشكل ملحوظ على النموذج المرجعي الأساسي.

### **أبرز النتائج والتحليلات المستخرجة (Key Insights):**

* **محرك المبيعات (Volume Driver):** أظهرت التحليلات أن فئة "الإلكترونيات" (Electronics) تمثل المحرك الأساسي لحجم المبيعات، حيث تمتلك أعلى مخزون من المنتجات وتُقدم من خلالها أكبر الخصومات المالية.

* **أفضل قيمة خصم (Best Value):** تبين أن فئة "تحسينات المنزل" (Home Improvement) هي الفئة التي توفر أعلى نسبة خصم للمستهلكين.

* **استقرار رضا المستهلك:** تم ملاحظة أن تقييمات المنتجات مستقرة بشكل كبير حول معدل 4.0 دون وجود فئات ضعيفة الأداء، مما يوضح اتساق جودة المنتجات المقدمة بغض النظر عن مستويات الخصم المتاحة.

### **الفوائد التجارية للمشروع (Business Implications):**

يقدم المشروع دليلاً عملياً للبائعين يوضح أن ضبط مستويات الخصم بذكاء وتشجيع المشترين على كتابة المراجعات والتقييمات (Reviews) يساهم مباشرة في تعزيز معدلات رضا العملاء ورفع التقييم العام للمتجر، مما يسهل ترجمة هذه البيانات إلى استراتيجيات نمو حقيقية.

### **المهارات والتقنيات المستخدمة:**

* علم البيانات وتحليل البيانات (Data Science & Data Analysis).

* التعلم الآلي وبناء نماذج التصنيف (Machine Learning & Classification).

* تنظيف وهندسة البيانات (Data Cleaning & Feature Engineering).

* استخلاص الرؤى التجارية والتحليل الاستراتيجي (Business Insights).