تحليل وتقسيم بيانات العملاء (RFM Analysis) بذكاء اصطناعي وواجهة Streamlit

الوصف

هل تملك بيانات مبيعات وتريد تحويلها إلى استراتيجية تسويقية تضاعف أرباحك؟

في هذه الخدمة، لن أقدم لك مجرد ملف إكسيل، بل سأبني لك نظاماً ذكياً يعتمد على علوم البيانات (Data Science) لتقسيم قاعدة عملائك وفهم سلوكهم الشرائي بدقة متناهية باستخدام خوارزمية K-Means Clustering.

ماذا سأقدم لك بالتفصيل؟
تنظيف ومعالجة البيانات (Data Cleaning): التعامل مع القيم المفقودة، تكرار البيانات، وتنسيق التواريخ لضمان دقة التحليل.

تحليل RFM المتقدم: تصنيف العملاء بناءً على:

Recency (الحداثة): متى كانت آخر عملية شراء؟

Frequency (التكرار): كم مرة اشترى العميل خلال فترة زمنية محددة؟

Monetary (القيمة المالية): إجمالي ما أنفقه العميل في متجرك.

تقسيم العملاء إلى 5 فئات:

النجوم (Champions): أفضل عملائك.

الأوفياء (Loyal): يشترون بانتظام وبمبالغ جيدة.

الواعدون (Potential Loyalists): عملاء جدد بإمكانيات عالية.

المعرضون للضياع (At Risk): لم يشتروا منذ فترة ويجب استهدافهم فوراً.

الضائعون (Lost): عملاء توقفوا تماماً عن الشراء.

المخرجات التقنية التي ستستلمها:
لوحة تحكم تفاعلية (Streamlit Dashboard): تطبيق ويب خاص بك يتيح لك رفع ملفاتك ورؤية النتائج والرسوم البيانية (Pie Charts, Bar Charts) فوراً.

ملف النتائج النهائي: ملف Excel يحتوي على بيانات العملاء مضافاً إليها "فئة العميل" (Segment) لتستخدمها في حملاتك الإعلانية.

كود المصدر (Python Code): ملف البرمجة بالكامل مشروحاً ومنظماً بصيغة .py.

الأدوات والتقنيات:
لغة البرمجة: Python.

المكتبات: Pandas, NumPy, Scikit-learn, Matplotlib/Plotly.

إطار العمل: Streamlit.