محرك تصنيف العملاء

السياق والمشكلة

بُني هذا المشروع على 14 شهرًا من بيانات مبيعات حقيقية لقطع غيار آلات لدى شركة (أفريقيا، الوكيل K600) وهي نفس قاعدة البيانات التي استُخدمت في مشروع . كان لدى فريق المبيعات 2,635 عميلًا ولا توجد طريقة لترتيب أولوياتهم سوى الحدس: من يجب حمايته، ومن يجب تنميته، ومن يستحق مكالمة هاتفية.

يفترض نموذج RFM التقليدي أمرين لا يتحققان هنا. لا توجد بيانات يومية الدقة إطلاقًا؛ فكل تاريخ فاتورة هو تجميع نهاية شهر، لذا يجب قياس الحداثة بالأشهر لا بالأيام. كما أن التصدير المصدري كان محدودًا بدقة عند 1,000,000 سطر لثلاث سنوات متتالية، وهو ما لم يقتصر أثره على حذف بنود فردية، بل أدى إلى إسقاط عملاء بالكامل. وبالمقارنة مع الجزء الوحيد النظيف من البيانات (سجلات 2025)، تسبب هذا الحد الأقصى في فقدان شريحة 2024 لـ 84% من إيراداتها الحقيقية وحوالي ثلثي العملاء الذين اشتروا فعليًا.

الحل التقني

الحل هو تصنيف كل عميل حسب مستوى موثوقية بياناته (تم التحقق منه مقابل قاعدة البيانات الخام: 230 عميلًا كثيف البيانات / 1,398 نظيف البيانات / 143 جزئي / 864 غير قابل للتحقق)، وهذا التصنيف يُرحَّل عبر كل جدول ورسم بياني وملف تصدير، بحيث لا تتم مقارنة إيراد أدنى مُلاحَظ بالكامل خلال نافذة شهرين مباشرة بإيراد أدنى من نافذة اثني عشر شهرًا ناقصة.

أما التجميع فقائم على مسح شامل، لا على افتراض صحة خوارزمية واحدة مسبقًا: 792 نموذجًا مرشحًا عبر 7 عائلات خوارزمية (مركزية، هرمية، احتمالية التوزيع، كثافية، بيانية، مختلطة النوع، ومُشفِّر تلقائي)، مع مجموعتي متغيرات، و3 تحويلات للانحراف، وقيم k من 2 إلى 10، وكل ذلك مُسجَّل في MLflow. استبعاد نموذجين كان أهم من اختيار الفائز نفسه:

• مُشفِّر تلقائي حقق درجة تماسك بلغت 0.685 داخل فضائه الخاص للتضمين مقابل 0.145 فقط في فضاء RFM الأصلي (وهو بالضبط اختبار الإفراط في التعلّم الذي تتجاهله أغلب تحليلات التصنيف).
• نموذج Ward الهرمي الذي بدا تماسكه تنافسيًا لكنه انهار عند إعادة أخذ العينات بمعدل ARI بلغ 0.565 فقط مقابل حد أدنى مطلوب قدره 0.75.

كان نموذج KMeans بقيمة k=4 على بيانات RFM محوّلة لوغاريتميًا هو المرشح الوحيد الذي تجاوز هذا الحد (بمعدل ARI بلغ 0.970، وأسوأ نتيجة من بين 100 إعادة أخذ عينة لا تزال عند 0.800).

النتائج

أربع شرائح: Heavy Hitters (7% من العملاء، 86% من الإيرادات)، Steady Regulars (29%، 12%)، Long Quiet (21%، 1%، و95% منها مبني على بيانات غير قابلة للتحقق — وقد أُفصح عن ذلك بصراحة ولم تُعامَل كفئة عملاء حقيقية)، وOne-and-Done Buyers (44%، أقل من 1%).

قائمة إعادة التنشيط انقسمت وفق ما يفرضه نظام المستويات: 45 عميلًا مؤكَّد الركود بقيمة 668,810 دولارًا مقابل 216 عميلًا يبدو راكدًا بقيمة 4.9 مليون دولار لا يمكن تمييز صمتهم عن خلل التصدير — أي أكبر بـ7.4 مرة، ولم يُقدَّم أبدًا كرقم واحد مجمّع.