قمت بتطوير نظام ذكي لمساعدة شركات الاشتراكات في تحديد العملاء المحتمل مغادرتهم قبل وقوع ذلك. يعتمد المشروع على تحليل أنماط الاستخدام وتاريخ الدفع لتحويلها إلى رؤى دقيقة تساعد فرق التسويق على اتخاذ إجراءات استباقية للاحتفاظ بالعملاء.

المهام التقنية:
شمل المشروع هندسة الميزات ومعالجة مشكلة عدم توازن البيانات باستخدام تقنية SMOTE لضمان دقة التنبؤ. قمت بالمقارنة بين عدة نماذج مثل Random Forest و XGBoost و SVC، واستخدمت إطار عمل Optuna لضبط المعلمات والوصول لأفضل أداء. ركزت في التقييم على مقاييس Recall و F1-Score لضمان كفاءة النموذج في كشف العملاء المعرضين للرحيل.

التقنيات المستخدمة:
لغة البرمجة Python ومكتبات Pandas و NumPy. اعتمدت على Scikit-learn و XGBoost لبناء النماذج، وتقنية SMOTE لمعالجة البيانات، و Optuna للتحسين، بالإضافة إلى Matplotlib و Seaborn للتحليل البياني.

النتيجة:
بناء نموذج دقيق يميز بين العملاء الأوفياء والمعرضين للمغادرة، مع استخراج العوامل الرئيسية المؤثرة في قرار الرحيل مثل قيمة الرسوم الشهرية ونوع العقد.