Credit Card Customer Segmentation Using Machine Learning, Power BI, and AI Chatbot

قمت بتطوير مشروع متكامل لتحليل بيانات عملاء بطاقات الائتمان باستخدام تقنيات Machine Learning وPower BI بهدف تقسيم العملاء إلى شرائح سلوكية تساعد الشركات على تحسين استراتيجيات التسويق، وإدارة المخاطر، وزيادة الاحتفاظ بالعملاء.

اعتمد المشروع على خوارزمية K-Means Clustering لاكتشاف الأنماط السلوكية للعملاء دون الحاجة إلى بيانات مصنفة مسبقًا، ثم تم عرض النتائج في لوحة معلومات تفاعلية داخل Power BI، بالإضافة إلى دمج AI Chatbot لتقديم ملخصات وتوصيات تسويقية لكل شريحة من العملاء.

أبرز مميزات المشروع

تنظيف البيانات ومعالجة القيم المفقودة والشاذة.

تحليل استكشافي للبيانات (EDA).

تجهيز البيانات وتوحيد المقاييس (Feature Scaling).

تحديد العدد الأمثل للمجموعات باستخدام Elbow Method وSilhouette Score.

بناء نموذج K-Means لتقسيم العملاء.

إنشاء Dashboard احترافي في Power BI.

تصميم صفحات تحليلية متعددة لعرض سلوك العملاء.

استخدام مخطط Decomposition Tree لتحليل العوامل المؤثرة.

إنشاء AI Chatbot يقدم توصيات تسويقية مخصصة لكل شريحة.

تحويل نتائج التحليل إلى توصيات عملية قابلة للتنفيذ.

النتائج الرئيسية

تم تقسيم العملاء إلى أربع شرائح رئيسية:

العملاء مرتفعو المخاطر (Cash Advance / Revolving Risk)

العملاء منخفضو التفاعل (Low-Engagement)

العملاء النشطون في الإنفاق (Everyday Active Spenders)

العملاء المميزون مرتفعو القيمة (Premium High-Value)

وتم تقديم توصيات تسويقية وإدارية مناسبة لكل شريحة لدعم اتخاذ القرار.