قمتُ بتطوير نظام متكامل للتنبؤ بخسارة العملاء وربطه بشات بوت تفاعلي مدعوم بالذكاء الاصطناعي لتقديم حلول واستجابات ذكية للشركات.
تفاصيل تنفيذ المشروع:
الأدوات والتقنيات المستخدمة:
لغة البرمجة Python
مكتبات Scikit-learn و MLflow
خوارزمية Random Forest للتنبؤ بخسارة العملاء
LangChain و LLaMA 3 مع تقنية RAG (Retrieval-Augmented Generation) لبناء الشات بوت
نوع البيانات:
أكثر من 7,000 سجل لعملاء مع خصائص ديموغرافية وسلوكية
بيانات تاريخية حول تعاملات العملاء وأنماط استخدامهم
تحليل ومعالجة البيانات:
تنظيف البيانات والتعامل مع القيم الناقصة
استخراج الخصائص المهمة التي تؤثر على قرار العميل بالبقاء أو الانسحاب
تقسيم البيانات للتدريب والاختبار
آلية عمل النموذج والشات بوت:
تدريب نموذج Random Forest لتحقيق دقة تنبؤ وصلت إلى %84
تصميم شات بوت يعتمد على LangChain + LLaMA 3 مع أنابيب RAG لتمكينه من:
الرد على استفسارات العملاء بشكل ذكي
تقديم توصيات مخصصة مبنية على نتائج التنبؤ
أتمتة عملية إعادة التدريب باستخدام MLflow مما قلل العمل اليدوي بنسبة 40%
نتائج المشروع:
نموذج قوي للتنبؤ بخسارة العملاء يمكن دمجه في منصات إدارة علاقات العملاء (CRM)
شات بوت ذكي قادر على التفاعل مع العملاء بشكل سلس وتقديم دعم فعال
نظام مرن بفضل أتمتة إعادة التدريب وتحسين الأداء المستمر
