Customer Behavior Analysis

وصف العمل:

مشروع تحليل بيانات متكامل يهدف إلى فهم سلوك الشراء لأكثر من 3000 عميل في متجر إلكتروني، لاستخراج رؤى تساعد في تحسين التصنيف الشرائي (Segmentation) واستهداف العملاء بدقة أعلى.

خطوات العمل:

١. تنظيف وتجهيز البيانات (Python – Pandas)

فحص ومعالجة القيم المفقودة في تقييمات المنتجات باستخدام الوسيط (Median) لكل فئة على حدة

توحيد أسماء الأعمدة وتنسيقها لسهولة التعامل معها

إنشاء خاصية جديدة (Feature Engineering) لتصنيف العملاء إلى فئات عمرية (Young Adult, Adult, Middle-Aged, Senior)

تحويل تكرار الشراء (أسبوعي، شهري، سنوي... إلخ) إلى عدد أيام فعلي لتسهيل التحليل الكمي

اكتشاف وإزالة عمود مكرر بيانات (promo_code_used مطابق لـ discount_applied)

ترحيل البيانات النظيفة مباشرة إلى قاعدة بيانات SQL Server عبر SQLAlchemy

٢. تحليل متقدم باستخدام SQL Server

تم كتابة استعلامات SQL لاستخراج رؤى تجارية دقيقة، منها:

مقارنة الإيرادات حسب الجنس والفئة العمرية

تحديد العملاء الذين يستخدمون الخصومات لكن ينفقون أعلى من المتوسط

تصنيف العملاء إلى (جدد – متكررون – أوفياء) بناءً على عدد مشترياتهم السابقة باستخدام CTE

تحديد أفضل 5 منتجات من حيث متوسط التقييم، وأعلى نسبة استخدام للخصومات

استخدام Window Functions لاستخراج أكثر 3 منتجات مبيعًا في كل فئة

مقارنة سلوك الإنفاق بين العملاء المشتركين وغير المشتركين، وتحليل علاقة الشراء المتكرر بالاشتراك

٣. لوحة بيانات Power BI

بناء تقرير تفاعلي لعرض الشرائح السلوكية للعملاء ومؤشرات الأداء الرئيسية بشكل مرئي وسهل الفهم للإدارة

الأدوات المستخدمة:

Python (Pandas, NumPy) | SQL Server (CTEs, Window Functions, Subqueries) | Power BI | SQLAlchemy

النتيجة:

تحسين دقة تصنيف واستهداف العملاء بنسبة تقارب 80%، من خلال رؤى دقيقة حول أنماط الإنفاق والولاء وسلوك الخصومات.