مشروع تطبيقي لدراسة حركة مبيعات متجر إلكتروني وفهم سلوك الشراء لتحديد الشرائح الأكثر ربحية وأوقات الذروة.
خطوات العمل:
1. تنظيف البيانات:
حذف الصفوف المكررة والبيانات الناقصة.
استبعاد الفواتير الملغاة والأسعار/الكميات الصفرية أو بالسالب لضمان دقة الأرقام.
حساب إجمالي المبيعات (Total Sales) لكل طلب.
2. التحليل والسلاسل الزمنية (EDA):
استخراج أعلى 10 دول إيراداً وأكثر المنتجات طلباً.
تحليل أوقات الذروة (على مدار الشهور، الأيام، والساعات).
حساب متوسط قيمة الطلب (AOV) وإجمالي المبيعات.
3. تقسيم العملاء (RFM Segmentation):
تصنيف العملاء بناءً على: حداثة الشراء (Recency)، تكرار الشراء (Frequency)، وإجمالي الإنفاق (Monetary).
توزيع العملاء إلى شرائح (مثل Best Customers, Loyal) لمعرفة العميل الأكثر قيمة.
أبرز النتائج:
تحديد شريحة العملاء الأكثر ربحية للتركيز عليها في برامج الولاء.
تحديد الساعات والأيام الأنسب لإطلاق الحملات التسويقية بناءً على أوقات ذروة الطلب.
الأدوات: Python (Pandas, NumPy, Matplotlib, Seaborn)