تحليل سلوك العملاء باستخدام K-Means Clustering

قمت بتنفيذ مشروع لتحليل وتقسيم العملاء (Customer Segmentation) باستخدام خوارزمية K-Means Clustering في لغة Python بهدف فهم أنماط الشراء بناءً على: الدخل السنوي (Annual Income) معدل الإنفاق (Spending Score) خطوات العمل: 1-قراءة البيانات باستخدام مكتبة Pandas. 2-التأكد من عدم وجود قيم مفقودة (Data Cleaning). 3-اختيار المتغيرات المؤثرة في التحليل. 4-تطبيق StandardScaler لعمل Feature Scaling لضمان دقة نتائج التجميع. 5-استخدام Elbow Method لتحديد العدد الأمثل للـ Clusters. 6-تدريب نموذج K-Means بعدد 5 مجموعات. 7-إضافة عمود جديد في البيانات يمثل رقم المجموعة لكل عميل. 8-تمثيل النتائج بيانياً باستخدام Matplotlib لعرض تقسيم العملاء بصرياً. النتائج: تم تقسيم العملاء إلى 5 فئات مختلفة بناءً على مستوى الدخل وسلوك الإنفاق، مما يساعد الشركات على: تحديد العملاء ذوي القيمة العالية. استهداف الحملات التسويقية بدقة. تحسين استراتيجيات البيع وزيادة الأرباح. الأدوات المستخدمة: Python Pandas Scikit-learn Matplotlib