Customer Churn Analysis | Data Analysis Project

قمت بتنفيذ مشروع لتحليل بيانات عملاء شركة اتصالات بهدف فهم أسباب مغادرة العملاء للخدمة (Customer Churn)، وتحديد الفئات الأكثر عرضة للمغادرة، واستخراج أهم العوامل التي يمكن أن تساعد الشركة على تقليل معدل الـChurn وتحسين الاحتفاظ بالعملاء.

فكرة المشروع

كان الهدف من المشروع هو تحليل بيانات العملاء ومعرفة:

ما هو معدل مغادرة العملاء؟

ما أنواع العقود التي لديها أعلى معدل Churn؟

ما أهم أسباب مغادرة العملاء؟

هل مدة اشتراك العميل تؤثر على احتمالية مغادرته؟

ما الفئات العمرية أو الشرائح الأكثر عرضة للـChurn؟

ما الخدمات التي يرتبط بها معدل مغادرة أعلى؟

ما المناطق التي لديها أعلى معدل Churn؟

خطوات تنفيذ المشروع

بدأت بفحص البيانات والتأكد من جودتها، ثم قمت بتنظيف البيانات ومعالجة القيم المفقودة والتأكد من عدم وجود بيانات مكررة أو غير منطقية.

بعد ذلك استخدمت SQL لاستخراج البيانات المطلوبة وتحليلها، مثل عدد العملاء النشطين، وعدد العملاء الذين غادروا، ومعدل الـChurn حسب نوع العقد والخدمة والمنطقة ومدة الاشتراك.

استخدمت Excel في بعض عمليات تنظيف البيانات والتحليل الاستكشافي، بالإضافة إلى إنشاء بعض الحسابات والمؤشرات.

بعد الانتهاء من تحليل البيانات، استخدمت Power BI لإنشاء Dashboard تفاعلية تعرض أهم مؤشرات المشروع والنتائج بطريقة واضحة وسهلة الفهم.

أهم مؤشرات الأداء

Total Customers: 7,043

Churned Customers: 1,869

Churn Rate: 26.5%

Active Customers: 5,174

أهم النتائج التي توصلت إليها

من خلال التحليل اكتشفت أن العملاء الذين لديهم Month-to-Month Contract لديهم أعلى معدل مغادرة، حيث وصل معدل الـChurn لديهم إلى حوالي 42.7%.

كما أظهر التحليل أن ارتفاع الرسوم الشهرية كان من أهم أسباب مغادرة العملاء، يليه ضعف جودة الخدمة والعروض الأفضل من المنافسين.

وجدت أيضًا أن بعض شرائح العملاء لديها معدل Churn أعلى من غيرها، مما يشير إلى ضرورة التعامل مع هذه الشرائح باستراتيجيات احتفاظ مخصصة.

بالإضافة إلى ذلك، كان العملاء الجدد وأصحاب مدة الاشتراك القصيرة أكثر عرضة للمغادرة مقارنة بالعملاء الذين لديهم مدة اشتراك طويلة.

Dashboard

قمت بتصميم Dashboard تفاعلية باستخدام Power BI تحتوي على:

KPI Cards

Churn Rate Analysis

Churn by Contract Type

Churn by Internet Service

Top Reasons for Churn

Churn Rate Trend

Customer Segmentation

Geographic Analysis

Customer Lifetime Value

Tenure Analysis

Key Business Insights

Business Recommendations

بناءً على النتائج، يمكن للشركة:

تقديم عروض وحوافز للعملاء الذين لديهم عقود شهرية لتحويلهم إلى عقود طويلة الأجل.

تحسين جودة الخدمة ومعالجة مشاكل العملاء التي تؤدي إلى عدم الرضا.

تقديم عروض خاصة للعملاء الجدد خلال الأشهر الأولى من اشتراكهم.

متابعة العملاء الذين يظهرون احتمالية عالية لمغادرة الخدمة.

تصميم برامج ولاء للعملاء أصحاب مدة الاشتراك الطويلة.

مراجعة الأسعار والخدمات مقارنة بعروض المنافسين.

Tools & Technologies

SQL | Excel | Power BI

Project Goal

كان الهدف النهائي من المشروع هو تحويل بيانات العملاء الخام إلى Insights واضحة تساعد الإدارة على فهم أسباب فقدان العملاء واتخاذ قرارات مبنية على البيانات لتحسين Customer Retention وتقليل معدل الـChurn.