نموذج التنبؤ بخسارة العملاء (Customer Churn Prediction) باستخدام Machine Learning

قمت بتطوير نموذج تعلم آلي للتنبؤ بالعملاء المعرضين لترك الخدمة (Churn)، بهدف مساعدة الشركات على تقليل معدل فقدان العملاء وتحسين استراتيجيات الاحتفاظ بهم. 🎯 هدف المشروع تحليل بيانات العملاء واكتشاف العوامل المؤثرة في قرار إلغاء الاشتراك، وبناء نموذج تصنيفي قادر على التنبؤ بالعملاء الأكثر عرضة للمغادرة. 📊 مراحل تنفيذ المشروع 1️⃣ تنظيف ومعالجة البيانات التعامل مع القيم المفقودة إزالة التكرار تحويل المتغيرات الفئوية إلى رقمية (Encoding) Scaling للمتغيرات العددية 2️⃣ التحليل الاستكشافي (EDA) حساب معدل فقدان العملاء تحليل العلاقة بين مدة الاشتراك وقرار الإلغاء دراسة تأثير نوع العقد وقيمة الفاتورة الشهرية استخدام Correlation Matrix لاكتشاف العوامل الأكثر تأثيرًا 3️⃣ Feature Engineering تقسيم العملاء حسب مدة الاشتراك إنشاء مؤشرات سلوك استخدام تحليل متوسط الإنفاق الشهري استخراج مؤشرات خطورة مبنية على الأنماط السلوكية 4️⃣ النماذج المستخدمة Logistic Regression Random Forest Gradient Boosting 5️⃣ تقييم النموذج تم استخدام: Accuracy Precision Recall F1-Score ROC Curve Confusion Matrix مع ضبط Threshold لتقليل نسبة العملاء المتوقع فقدانهم دون اكتشافهم. 📈 النتائج التحليلية تحديد أهم العوامل المؤدية إلى فقدان العملاء اكتشاف الفئات الأكثر عرضة للإلغاء تقديم توصيات لتحسين الاحتفاظ مثل: تحسين تجربة العملاء الجدد عروض مخصصة للعملاء ذوي الخطورة العالية تطوير خطط الاشتراك طويلة المدى 🛠 الأدوات المستخدمة Python – Pandas – NumPy – Scikit-learn – Matplotlib – Seaborn – Classification Models