تحليل سلوك عملاء بطاقات الائتمان لتحديد أسباب التسرب وتقديم توصيات لتعزيز الولاء.

يقدم هذا المشروع تحليلاً شاملاً لبيانات عملاء بطاقات الائتمان بهدف فهم الأسباب الرئيسية وراء تسرب العملاء (churn) وتقديم توصيات قابلة للتنفيذ لتحسين معدلات الاحتفاظ. قمنا بتحليل العوامل الديموغرافية والسلوكية للعملاء لتحديد الشرائح الأكثر عرضة للتسرب. المنهجية المتبعة: فحص جودة البيانات: تم التأكد من سلامة البيانات وخلوها من القيم المفقودة والمتكررة، والتعامل مع القيم 'Unknown' بطريقة تحفظ قيمة الإشارة. تنظيف وهندسة الميزات (Feature Engineering): تم إسقاط الأعمدة غير الضرورية، ترميز المتغيرات الفئوية (Ordinal Encoding) ذات الترتيب، وإنشاء ميزات جديدة مثل 'Age_Group' و 'Utilization_Group' و 'Transaction_Frequency'. تم أيضاً معالجة القيم الشاذة (Outliers) بتقنية Winsorization للحفاظ على البيانات. التحليل الاستكشافي للبيانات (EDA): تم إجراء تحليل أحادي وثنائي المتغيرات لتحديد الأنماط والعلاقات بين المتغيرات. تم التركيز بشكل خاص على مقارنة سلوك العملاء الحاليين (Existing) بالعملاء المتسربين (Attrited) عبر توزيعات الميزات الرقمية والفئوية، وتحليل خرائط الارتباط (Correlation Heatmap) لتحديد أقوى المؤشرات. النتائج الرئيسية والتوصيات: معدل التسرب العام: حوالي 16%، مما يشير إلى مشكلة حقيقية تتطلب التدخل. انخفاض النشاط: العملاء المتسربون يظهرون نشاطًا أقل بكثير في المعاملات، مما يعتبر مؤشرًا قويًا للتسرب. الخمول: العملاء غير النشطين لثلاثة أشهر أو أكثر خلال العام الماضي لديهم معدلات تسرب أعلى بشكل ملحوظ. عدد المنتجات: العملاء الذين يمتلكون عددًا أقل من المنتجات (1-2) هم أكثر عرضة للتسرب. فئة الدخل: فئة الدخل الأقل من 40 ألف دولار تظهر أعلى معدل تسرب. حد الائتمان: العملاء المتسربون يميلون لامتلاك حد ائتماني أقل. توصيات قابلة للتنفيذ: نظام إنذار مبكر: لتحديد العملاء ذوي النشاط المتناقص. إعادة تفعيل العملاء الخاملين: من خلال عروض مخصصة بعد شهرين من الخمول. البيع المتقاطع (Cross-sell): تقديم منتجات إضافية للعملاء ذوي المنتج الواحد. زيادة حدود الائتمان: للعملاء المخلصين ذوي الحدود المنخفضة. برامج ولاء مخصصة: لعملاء الدخل المنخفض. المهارات والأدوات المستخدمة: اللغات: Python المكتبات: Pandas, NumPy, Matplotlib, Seaborn, scikit-learn (OrdinalEncoder) المفاهيم: تحليل البيانات الاستكشافي (EDA), هندسة الميزات (Feature Engineering), معالجة القيم الشاذة (Outlier Handling), تحليل التسرب (Churn Analysis).