توقع تسرب عملاء تطبيق Waze (User Churn) باستخدام الذكاء الاصطناعي.

في تطبيقات الهواتف الذكية، يُعد الحفاظ على المستخدمين (User Retention) أهم من جذب مستخدمين جدد. هذا المشروع يهدف إلى حل مشكلة "تسرب العملاء" (Churn) لتطبيق الملاحة العالمي Waze. المشكلة والحل: قمت بتحليل بيانات سلوك المستخدمين (مثل: متوسط الكيلومترات المقطوعة، عدد مرات فتح التطبيق شهرياً، وأيام الاستخدام النشط) لبناء نموذج تعلم آلة (Machine Learning) قادر على التنبؤ بالمستخدمين المعرضين لخطر ترك التطبيق بنسبة دقة عالية. خطوات العمل التي قمت بها: معالجة البيانات (Data Preprocessing): التعامل مع البيانات المفقودة والقيم المتطرفة (Outliers) في سجلات القيادة. التحليل الاستكشافي (EDA): استخراج أنماط وسلوكيات المستخدمين الذين غادروا التطبيق ومقارنتها بالمستخدمين الحاليين باستخدام الرسومات البيانية. بناء وتدريب الموديل: استخدام خوارزميات التصنيف (Classification) لتدريب النموذج على البيانات التاريخية. التقييم: قياس كفاءة النموذج لضمان تقديم توقعات دقيقة تساعد إدارة التطبيق في اتخاذ قرارات تسويقية استباقية. الأدوات والتقنيات المستخدمة: Python | Pandas | NumPy | Scikit-Learn | Matplotlib | Seaborn | Classification Algorithms