نفذت مشروعًا كاملًا لتحليل أسباب فقدان العملاء والتنبؤ بالعملاء المتوقع أن يوقفوا استخدام الخدمة.

بدأت بتنظيف بيانات أكثر من 7,000 عميل وتجهيزها للتحليل، ثم درست العلاقة بين مغادرة العميل وعدة عوامل، مثل مدة الاشتراك، نوع العقد، طريقة الدفع، والرسوم الشهرية.

بعد ذلك بنيت نموذجين للتنبؤ، هما Logistic Regression وRandom Forest، وقارنت بين نتائجهما لاختيار النموذج الأنسب لاكتشاف العملاء الأكثر عرضة للمغادرة.

أظهرت النتائج أن العملاء أصحاب العقود الشهرية والعملاء الجدد كانوا الأكثر عرضة لترك الخدمة، كما ظهر أن الرسوم الشهرية المرتفعة وطريقة الدفع بالشيك الإلكتروني من العوامل المؤثرة.

في نهاية المشروع، حولت النتائج إلى توصيات عملية يمكن أن تساعد الشركات على استهداف العملاء المعرضين للمغادرة وتحسين خطط الاحتفاظ بهم.

استخدمت في المشروع:
Python، Pandas، NumPy، Scikit-learn، Matplotlib، Seaborn وPower BI.