app.py

import streamlit as st
import numpy as np
import joblib

# MODEL YÜKLE / LOAD MODEL
# Dosya adlarının klasöründekilerle aynı olduğundan emin ol!
try:
    model = joblib.load("kmeans.pkl")
    scaler = joblib.load("scaler.pkl")
except:
    st.error("Model dosyaları bulunamadı! / Model files not found!")

st.set_page_config(page_title="Customer Segmentation", page_icon="💎")
st.title("Customer Personality Segmentation / Müşteri Segmentasyonu")
st.write("---")

# 📊 SIDEBAR (Kriterler / Criteria)
st.sidebar.header("📊 Segment Criteria / Segment Kriterleri")

st.sidebar.subheader("💎 Premium")
st.sidebar.write("Income / Gelir > 100,000")
st.sidebar.write("Spending / Harcama > 2,000")
st.sidebar.write("Children / Çocuk = 0")

st.sidebar.write("---")

st.sidebar.subheader("🛒 Budget / Bütçeli")
st.sidebar.write("Income / Gelir > 40,000")
st.sidebar.write("Spending / Harcama > 500")

st.sidebar.write("---")

st.sidebar.subheader("📉 Occasional / Seyrek")
st.sidebar.write("Income / Gelir < 20,000")
st.sidebar.write("Spending / Harcama < 100")

st.sidebar.write("---")

st.sidebar.subheader("⚠️ Alternative / Alternatif")
st.sidebar.write("Others / Diğerleri")

# 🎯 INPUTLAR / INPUTS
col1, col2 = st.columns(2)

with col1:
    # İstediğin 110.000 ve 3.000 değerlerini varsayılan (default) yaptım:
    income = st.number_input("Income / Gelir ($)", value=110000)
    spending = st.number_input("Spending / Harcama ($)", value=3000)

with col2:
    kidhome = st.number_input("Kids / Çocuklar", value=0)
    teenhome = st.number_input("Teens / Gençler", value=0)
    recency = st.slider("Recency / Son Alışveriş (Gün)", 0, 100, 15)

# FEATURE ENGINEERING
children = kidhome + teenhome

st.write("---")

# 🔥 SEGMENT FONKSİYONU / SEGMENT FUNCTION
def segment_belirle(income, spending, children):
    # Premium Kuralı
    if income > 100000 and spending > 2000 and children == 0:
        return "💎 Premium"
    # Budget Kuralı
    elif income > 40000 and spending > 500:
        return "🛒 Budget"
    # Occasional Kuralı
    elif income < 20000 and spending < 100:
        return "📉 Occasional"
    # Diğerleri
    else:
        return "⚠️ Alternative"

# 🚀 BUTON / PREDICT
if st.button("Predict Segment / Segmenti Tahmin Et", use_container_width=True):

    try:
        # MODEL GİRDİSİ (4 Özellik beklediğini varsayıyoruz)
        # Sıralama: [Income, Spending, Children, Recency]
        data = np.array([[income, spending, children, recency]])
        data_scaled = scaler.transform(data)
        cluster = model.predict(data_scaled)[0]

        # 🔥 ASIL SONUÇ (KURAL)
        segment = segment_belirle(income, spending, children)

        # Kullanıcıya bilgi ver / Info Box
        st.info(f"""
        📌 **Entered Values / Girilen Değerler:**
        - Income / Gelir: **${income:,}**
        - Spending / Harcama: **${spending:,}**
        - Total Children / Toplam Çocuk: **{children}**
        - Recency / Güncellik: **{recency} days**
        """)

        st.write(f"🔍 **AI Cluster / Model Kümesi:** {cluster}")

        # 🎯 SONUÇ GÖSTERİMİ / RESULT DISPLAY
        if segment == "💎 Premium":
            st.balloons() # 🎈 Premium tebriği!
            st.success("### Result: 💎 Premium Customer / Değerli Müşteri")
            st.write("This customer is high-value and loyal. / Bu müşteri yüksek değerli ve sadıktır.")

        elif segment == "🛒 Budget":
            st.info("### Result: 🛒 Budget Customer / Bütçeli Müşteri")
            st.write("Standard customer with stable spending. / Dengeli harcaması olan standart müşteri.")

        elif segment == "📉 Occasional":
            st.warning("### Result: 📉 Occasional Customer / Seyrek Müşteri")
            st.write("Low frequency, potential for campaigns. / Düşük frekanslı, kampanya hedefi olabilir.")

        else:
            st.error("### Result: ⚠️ Alternative Customer / Alternatif Müşteri")
            st.write("Uncategorized or unique behavior. / Kategorize edilmemiş veya özel davranışlı.")

    except Exception as e:
        st.error(f"Error / Hata oluştu: {e}")

st.write("---")
st.caption("Marketing Campaign Analysis 2026 | Streamlit Multi-Language App")