نموذج التنبؤ بعودة العملاء باستخدام الشبكات العصبية متعددة الطبقات

قمت بتطوير نموذج تعلم آلة للتنبؤ بما إذا كان العميل سيعود للشراء مرة أخرى باستخدام خوارزمية الشبكات العصبية متعددة الطبقات (MLP). يعتمد المشروع على تحليل بيانات Online Retail لاستخراج أنماط سلوك العملاء والتنبؤ بالعملاء الأكثر احتمالاً للشراء مجدداً. يشمل المشروع مراحل متعددة تبدأ بتنظيف البيانات ومعالجتها، ثم استخراج خصائص مهمة لسلوك العميل مثل مدة آخر عملية شراء (Recency)، إجمالي الإنفاق (Monetary)، ومتوسط الكمية في الطلب (Average Quantity). بعد ذلك تم تجهيز البيانات للتدريب باستخدام تقنيات المعالجة المسبقة مثل تقييس البيانات ومعالجة عدم توازن البيانات. تم تدريب نموذج الشبكة العصبية باستخدام مكتبة TensorFlow / Keras لتحليل هذه الخصائص والتنبؤ باحتمالية أن يصبح العميل عميلاً متكرراً. كما قمت بتطوير واجهة تطبيق بسيطة باستخدام Streamlit تسمح بإدخال بيانات العميل والحصول على توقع فوري حول احتمالية عودته للشراء. يساعد هذا النوع من النماذج الشركات على: تحسين استراتيجيات التسويق. استهداف العملاء الأكثر احتمالاً للعودة. زيادة معدل الاحتفاظ بالعملاء وتحسين الأرباح.