تفاصيل المشروع

أحتاج إلى محلل بيانات محترف لتنفيذ مشروع كامل لتحليل بيانات حملة تسويقية وبناء نموذج تجزئة العملاء (Customer Segmentation) باستخدام Python. المطلوب تنفيذه بالتفصيل: 1. تنظيف ومعالجة البيانات قراءة ملف البيانات CSV المرفق (يحتوي على بيانات 2240 عميل) حذف الصفوف التي تحتوي على قيم مفقودة في عمود الدخل (Income) حساب العمر من سنة الميلاد (Year_Birth) إزالة القيم الشاذة للعمر (الاحتفاظ بالأعمار بين 18-100 سنة فقط) توحيد التصنيفات في الأعمدة النصية مثل: التعليم (Education): دمج الفئات المتشابهة الحالة الاجتماعية (Marital_Status): دمج الفئات المتشابهة حذف الأعمدة غير المفيدة (Z_CostContact, Z_Revenue) 2. هندسة المتغيرات (Feature Engineering) إنشاء متغيرات جديدة من البيانات الموجودة: عدد الأطفال الكلي = Kidhome + Teenhome إجمالي الإنفاق = مجموع الإنفاق على (Wines, Fruits, Meat, Fish, Sweet, Gold) عدد أيام العضوية من تاريخ التسجيل إجمالي المشتريات = مجموع المشتريات (Web + Catalog + Store) نسبة الإنفاق للدخل = Total_Spend / Income متوسط الإنفاق اليومي متغير يوضح وجود أطفال (Has_Kids) 3. التحليل الاستكشافي للبيانات (EDA) إنشاء رسوم بيانية لفهم البيانات: توزيع الأعمار (Histogram) توزيع الدخل (Histogram) توزيع إجمالي الإنفاق (Histogram) العلاقة بين الدخل والإنفاق (Scatter Plot) توزيع عدد الأطفال (Count Plot) مصفوفة الارتباط (Correlation Heatmap) للمتغيرات الرقمية 4. بناء نموذج التجزئة توحيد المتغيرات باستخدام StandardScaler مقارنة خوارزميتين: K-Means Clustering Gaussian Mixture Models (GMM) اختبار عدة قيم لعدد المجموعات (من 2 إلى 10) حساب Silhouette Score لكل نموذج ولكل عدد مجموعات رسم Elbow Method لتحديد العدد الأمثل للمجموعات اختيار النموذج الأفضل بناءً على Silhouette Score 5. تصور النتائج وتحليلها تصور المجموعات باستخدام PCA (تقليل الأبعاد إلى 2D) طباعة ملخص إحصائي لكل مجموعة يوضح: متوسط العمر متوسط الدخل متوسط عدد الأطفال متوسط الإنفاق متوسط Recency متوسط أيام العضوية طباعة عدد العملاء في كل مجموعة

تحليل بيانات تسويقية وتجزئة العملاء باستخدام Python و Machine Learning

نقاط الجدية