تحليل سلوك العملاء وتصنيفهم باستخدام SQL و Python

يهدف هذا المشروع إلى فهم سلوك العملاء وتصنيفهم إلى شرائح مختلفة بناءً على أنماط شرائهم وتفاعلهم مع الشركة، وذلك لمساعدة قسم التسويق والمبيعات على بناء حملات تسويقية موجهة، وزيادة معدل حفظ العملاء (Customer Retention)، وتقليل نسبة التسرب (Churn Rate). الخطوات والتنفيذ: استخراج وتجهيز البيانات (SQL): كتابة استعلامات SQL متقدمة لاستخراج سجلات المعاملات الشاملة وتجميعها على مستوى كل عميل. معالجة القيم المفقودة وحساب التواريخ والأرقام المالية الأساسية. تحليل سلوك العملاء (Python - RFM Analysis): تطبيق نموذج RFM لتصنيف العملاء بناءً على: Recency: كم مضى من الوقت منذ آخر عملية شراء للعميل؟ Frequency: كم عدد مرات الشراء التي قام بها العميل؟ Monetary: كم يبلغ إجمالي ما أنفقه العميل؟ تقسيم العملاء إلى شرائح رئيسية مثل: (العملاء الأوفياء VIPs، العملاء الواعدون Promising، العملاء المعرضون للضياع At-Risk، والعملاء الخاملون Lost). التصور والتوصيات: رسم التوزيعات البيانية ونسب الشرائح باستخدام مكتبات البايثون (Seaborn & Matplotlib). تقديم توصيات تسويقية مخصصة لكل شريحة من العملاء بناءً على نتائج التحليل. الأدوات المستخدمة: SQL (PostgreSQL / MySQL): لاستخراج وتجميع البيانات وتنظيفها المبدئي. Python (Pandas, Matplotlib, Seaborn): لتحليل البيانات وتطبيق نموذج RFM وإنشاء الرسوم البيانية. المخرجات والنتائج (Deliverables): ملف Jupyter Notebook يحتوي على الكود المشروح والتنظيف المنجز بالكامل. شريحة تصنيف العملاء مع توصيات قابلة للتطبيق لكل شريحة لزيادة المبيعات والولاء