نظام لتحليل وتقسيم قاعدة عملاء متجر إلكتروني إلى شرائح واضحة باستخدام منهجية RFM (Recency, Frequency, Monetary) مع خوارزمية K-Means للتجميع.
يقوم النظام بتحليل سلوك الشراء لكل عميل من ثلاث زوايا: متى آخر مرة اشترى، كم مرة اشترى، وكم أنفق إجمالاً. بناءً على هذه القياسات، يتم تصنيف العملاء تلقائياً إلى شرائح ذات معنى تجاري واضح.
أبرز ما يميز المشروع:
- هندسة خصائص RFM من بيانات معاملات خام
- معالجة الانحراف الإحصائي (skewness) في البيانات باستخدام التحويل اللوغاريتمي قبل التجميع
- تحديد العدد الأمثل للمجموعات باستخدام Elbow Method وSilhouette Score
- تسمية الشرائح بأسماء ذات دلالة تجارية (VIP، عملاء أوفياء، عملاء جدد، عملاء فاقدون) بناءً على تحليل خصائص كل مجموعة
- تصور ثلاثي الأبعاد للشرائح يوضح الفروق بينها بصرياً
القيمة التجارية: يمكّن هذا التحليل فرق التسويق من تصميم حملات موجهة بدقة — مثل برامج ولاء لعملاء VIP، وحملات استعادة للعملاء الفاقدين.
الأدوات المستخدمة: Python, pandas, scikit-learn, matplotlib, seaborn
