بناء نموذج تعلم آلة للتنبؤ بسلوك العملاء وتحليل أسباب المغادرة (Machine Learning & Retention)

وصف المشروع: تم تطوير نموذج متكامل للتعلم الآلي (Machine Learning Solution) بهدف التنبؤ باحتمالية مغادرة أو تسرب عملاء شركة اتصالات (Customer Churn)، وذلك للمساعدة في تحديد العملاء الأكثر عرضة لإلغاء الخدمة مسبقاً، وتزويد فريق التسويق والمبيعات برؤى استباقية لاتخاذ إجراءات الاحتفاظ بهم (Customer Retention). أبرز مراحل وهيكلية العمل: تحليل وتكشاف البيانات (Exploratory Data Analysis - EDA): دراسة أنماط سلوك العملاء، وتحليل العلاقة بين التسرب وعوامل مثل: مدة الاشتراك، التكلفة الشهرية، نوع العقد، وطرق الدفع. تنظيف البيانات وتجهيز الميزات (Feature Engineering & Preprocessing): معالجة القيم المفقودة، تحويل المتغيرات النصية (Categorical Encoding)، وموازنة البيانات (Data Balancing). بناء وتقييم النماذج (Model Building & Evaluation): تدريب وتقييم عدة خوارزميات لتعلم الآلة (مثل Logistic Regression, Random Forest, XGBoost) لاختيار النموذج الأكثر دقة وفاعلية بناءً على مؤشرات مثل (Precision, Recall, ROC-AUC). استخلاص الرؤى وحلول الأعمال (Business Insights): تحديد أهم العوامل المؤثرة في قرار المغادرة لتصميم عروض وخطط تسويقية مخصصة لحماية أرباح الشركة. الأدوات والتقنيات المستخدمة: Python (Pandas, NumPy) | Scikit-Learn | Matplotlib & Seaborn | Machine Learning Classification Algorithms.