بناء نظام متكامل لتوقع تسرب العملاء (Customer Churn Prediction) باستخدام تقنيات تعلم الآلة مع واجهة مستخدم ونشر سحابي على AWS

- نبذة عن المشروع: يعتبر الاحتفاظ بالعملاء (Customer Retention) من أهم التحديات التي تواجه شركات الاتصالات والخدمات. اكتساب عميل جديد يكلف أضعاف الحفاظ على عميل حالي. يهدف هذا المشروع إلى حل هذه المشكلة التجارية من خلال بناء نظام ذكاء اصطناعي يتوقع احتمالية مغادرة العميل للشركة (Customer Churn) بناءً على سلوكه وتاريخه. يتيح هذا النظام لمتخذي القرار وفرق التسويق التدخل الاستباقي، تقديم عروض مخصصة، وتقليل الخسائر المالية بشكل ملحوظ. - المنهجية والعمل التقني (Technical Approach): لضمان أعلى درجات الدقة والموثوقية، لم أعتمد على خوارزمية واحدة، بل قمت ببناء هيكلية متقدمة ومراحل معالجة دقيقة: هندسة البيانات (Feature Engineering): تحليل بيانات العملاء واستخراج ميزات جديدة (مثل تكلفة الخدمة ومعدلات التغير في الأسعار) لتحسين فهم سلوك العميل. التعامل مع البيانات غير المتوازنة (Imbalanced Data): نظراً لأن نسبة العملاء المغادرين تمثل 26% فقط، قمت بتطبيق تقنيات (Cost-Sensitive Learning) وضبط أوزان الفئات (Class Weights) لضمان قدرة النموذج على التقاط الحالات الحرجة بكفاءة عالية. النمذجة المتقدمة (Advanced Modeling): تم بناء هيكلية Stacked Ensemble قوية تجمع بين عدة خوارزميات رائدة وهي: خوارزميات XGBoost و Random Forest النماذج الإحصائية والرياضية: SVM و Naive Bayes و Logistic Regression كـ Meta-Learner لاتخاذ القرار النهائي. تقييم الأداء: تفوق النموذج على المعايير المنشورة في الأبحاث الأكاديمية محققاً نتائج ممتازة في مقاييس Recall و ROC-AUC. - البيانات المستخدمة في التدريب (Training Dataset): تم تدريب النموذج على مجموعة بيانات متكاملة لقطاع الاتصالات (Telco Customer Churn Dataset) تضم أكثر من 7,000 سجل عميل وتشتمل على 21 ميزة (Features) متنوعة تم تصنيفها ومعالجتها برمجياً. - النشر السحابي وواجهة المستخدم (End-to-End Pipeline) لتحويل هذا النموذج من مجرد بحث تقني إلى منتج برمجي جاهز للاستخدام الفعلي قمت بالآتى: واجهة تفاعلية: قمت ببرمجة واجهة مستخدم رسومية (GUI) باستخدام Streamlit تتيح للمستخدم إدخال بيانات العميل والحصول على نسبة خطر المغادرة فورياً. التعبئة (Containerization): تم تغليف المشروع بالكامل باستخدام Docker لضمان عمله في أي بيئة تشغيل. النشر السحابي (Cloud Deployment): تم رفع ونشر النظام على خوادم AWS ECS (Express Mode) مع استخدام Amazon ECR، مما يوفر رابطاً إلكترونياً (Web URL) يمكن للعميل أو الإدارة استخدامه من أي متصفح في العالم بثبات وأمان عاليين. - الأدوات والتقنيات المستخدمة (Tech Stack) لغات البرمجة والمكتبات: Python, Pandas, Scikit-Learn, NumPy الذكاء الاصطناعي: Machine Learning, XGBoost, Stacked Ensembles التطوير السحابي : AWS (ECS, ECR), Docker واجهة المستخدم: Streamlit