Bakgrund: Den industriella marknadsföringen kännetecknas av djupa kundrelationer, där affärer ofta karaktäriseras av långa säljprocesser som innefattar åtskilliga interaktioner med flertalet aktörer involverade. Denna försäljning har blivit allt mer relationsorienterad där kundens behov, värde och önskemål sätts i fokus. Covid-19 har främjat ett digitalt arbetssätt vilket har påverkat verksamheter, affärslandskapet och interaktionen mellan säljare och kunder. Den fysiska interaktionen som anses vara grundläggande vid en nykundsbearbetning och för skapandet av en kundrelation har nu ersatts av digitala möten.  Syfte: Syftet med studien är att undersöka och bidra med ökad förståelse för hur omställningen till att arbeta digitalt på distans har en inverkan på säljarens nykundsbearbetning och etableringen av kundrelationer B2B.  Metod: Denna flerfallstudie tillämpar en kvalitativ forskningsmetod och utgår från ett hermeneutiskt perspektiv i samverkan med en deduktiv ansats med induktiva inslag. Studiens empiriska resultat har samlats in med hjälp av semistrukturerade intervjuer från fyra olika fallföretag. Utifrån tidigare forskning analyseras det empiriska resultatet.  Slutsats: Denna studies resultat påvisar att säljarens arbetssätt har påverkats i viss utsträckning vid bearbetning av nya kunder. Affärer präglas i hög grad av mjuka värden där den fysiska interaktionen förblir viktig för utvecklingen av en kundrelation. Digitala interaktioner ställer högre krav på säljaren inför ett möte och innebär svårigheter att kunna knyta en personlig kontakt för att komma kunden nära och utveckla ett förtroende. Samtidigt visar studien att det digitala verktyget medför en högre effektivitet, tillgänglighet, och en ökad möjlighet att nå fler kunder. Affärslandskapet har förändrats och en kombination av fysiska och digitala möten kommer vara ett sätt för säljarna att nykundsbearbeta på. / Background: Industrial marketing is defined by deep customer relationships, where business is characterized by long sales processes which include numerous interactions with multiple participants. B2B-sales have become more relationship-oriented where the customer's needs, values and wishes are the focal points. Covid-19 has promoted a digital way of working, which has changed the business landscape and the way salespeople interact with customers. The physical interaction that is considered vital when acquiring new customers has now been replaced by digital meetings.  Purpose: The purpose of the study is to investigate and contribute with an increased understanding of how the transition to working remotely has an impact on the seller’s customer acquisition and the establishment of B2B-relations.  Method: This multiple case study applies a qualitative research method, based on a hermeneutic perspective and a deductive approach with inductive elements. The empirical results of the study have been collected by means of semi-structured interviews from four different companies. The result of the interviews has been analysed using previous research.  Conclusion: The results of this study show that the salesperson’s way of working has been affected to a certain extent when acquiring new customers. B2B-sales is characterized by soft values where the physical interaction remains important for the development of customer relationships. Digital interactions require higher demands on salespeople before a meeting and can imply difficulties in developing a personal contact and association between the parties in order to establish trust. However, it turns out that digital tools lead to higher efficiency, availability, and an increased opportunity to reach more customers. The business landscape has changed, and a mix of physical and digital meetings will be a way for salespeople to acquire new customers.

This  research  emphasizes  the role  of  social  media  in  customer  acquisition  retention.Furthermore, it investigates insights that have the potential to benefit tech startups inshaping  their  strategies  and  effectively  allocating  resources  to  achieve  consistentcommunication with their customer base. The field of research is particularly relevant dueto the research gap present in the literature that does not investigate how technologystartups should approach the initial acquisition and retention of the user base, consideringthe limited resources available to these newborn organizations. The research providesinsights into customers' perceptions of brands and companies on social media platforms.It offers intuitions on how to enhance customer trust through these platforms and whichare the preferred way of interaction between customers and companies both on and offsocial media.The study was performed using qualitative and quantitative primary data with the purposeof gaining a deep understanding of the research topic. However, the focus has been puton the quantitative data aiming to create objective and generalizable  results, seekingunbiased findings.The  results  of  the research  showed  how important it  is  to  have  an  effective CRM(Customer Relationship  Management) system as well as  being able to identify  theaudience, understanding, therefore, the communication method that best fit the chosentarget, with the aim of interacting with them in the expected and preferred way, beingthus one step closer on achieving customer retention and acquisition.

The master thesis is carried out in a collaboration with a Swedish online grocery company. The goal of the thesis is to investigate if it is possible to explain the underlying factors that affect new customers to be retained. Because of the difficulties of defining churn and retention in non-contractual settings, most of the literature is focused on contractual and subscription settings. There are a limited number of studies when trying to predict customer churn in non-contractual businesses and even fewer studies that emphasize retention. This thesis aims to contribute to the field of retention in non-contractual business and also highlight the assumptions and drawbacks of churn-related task.  To achieve the goal of the thesis a literature review is carried out together with two statistical learning approaches; logistic regression model and extreme gradient boosting model. The results shows that it is possible to find the underlying factors that drive customers to be retained. The greatest drivers that could increase the probability of retaining new customers are the days between the first and second order, the second order value, and the total order value. / Examensarbetet är genomfört som ett samarbete med ett svenskt matvaruföretag på nätet. Målet med examensarbetet är att undersöka om det är möjligt att förklara de bakomliggande faktorer som påverkar nya kunder att stanna kvar som kunder. På grund av svårigheterna med att definiera kundbortfall och bibehållande av kunder i icke-kontraktuella affärer fokuserar den mesta av litteraturen på avtals- och prenumerationsmiljöer. Det finns ett begränsat antal studier där man försöker förutsäga kundbortfall i icke-kontraktuella verksamheter och ännu färre studier som fokuserar på bibehållande av kunder. Denna uppsats syftar till att bidra till området bibehållande av kunder i icke-kontraktuella affärer och även belysa antagandena och nackdelarna med analyser inom kundbortfall.  För att uppnå målet med avhandlingen genomförs en litteraturgenomgång tillsammans med två statistiska lärandemetoder; logistisk regressionsmodell och extreme gradient boosting model. Resultaten visar att det är fullt möjligt att hitta de bakomliggande faktorerna som driver kunderna att stanna kvar. De största drivkrafterna som kan öka sannolikheten för att kunder ska bibehållas är dagarna mellan första och andra ordern, andra ordervärdet och det totala ordervärdet.

Customer acquisition stands as a critical process for converting potential leads into customers. This study delves into the intricacies of the customer acquisition process within B2B technology-based startups, shedding light on their unique challenges and opportunities. By examining existing methodologies, identifying their effectiveness, and influencing factors, this research aims to provide valuable insights into streamlining the customer acquisition journey for technology-based startups. It draws upon theoretical concepts of the B2B selling process, the sales funnel framework, and insights from interviews. Adopting a qualitative approach, the study involves semi-structured interviews with those involved in sales and business development operations in technology-based startups. These interviews reveal the importance of targeted strategies, data-driven decision-making, and the integration between marketing and sales efforts. Additionally, the significance of KPIs in evaluating acquisition strategies is explored in depth. Various factors impacting the customer acquisition process are identified as product complexity, choice of marketing methods, strategic decision-making, brand development, managing communication channels, cost of acquisition, and building credibility. / Kundanskaffning är en kritisk process för att omvandla potentiella leads till kunder. Denna studie undersöker detaljerna i kundanskaffningsprocessen inom B2B-teknikbaserade startups och belyser deras unika utmaningar och möjligheter. Genom att granska befintliga metoder, identifiera deras effektivitet och påverkningsfaktorer, syftar denna forskning till att ge värdefulla insikter för att effektivisera kundanskaffningsresan för teknikbaserade startups. Den bygger på teoretiska koncept av B2B-försäljningsprocessen, säljtrattens ramverk och insikter från intervjuer. Genom att anta en kvalitativ metod innefattar studien halvstrukturerade intervjuer med personer involverade i försäljnings- och affärsutvecklingsoperationer i teknikbaserade startups. Dessa intervjuer avslöjar vikten av riktade strategier, datadrivet beslutsfattande och integration mellan marknadsförings- och försäljningsinsatser. Dessutom utforskas betydelsen av nyckeltal för att utvärdera anskaffningsstrategier på djupet. Olika faktorer som påverkar kundanskaffningsprocessen identifieras, såsom produktens komplexitet, val av marknadsföringsmetoder, strategiskt beslutsfattande, varumärkesutveckling, hantering av kommunikationskanaler, förvärvskostnad och att bygga trovärdighet.

Startups within the tech field are incraesingly using proof of concept (POC) customers as a partner when developing new products and services as this enables them to sell the product before building it, ensuring that the product they are developing is aligned with the market needs before making it avaliable to a wider market. Becasue of the positive results that designing and developing new products together with users and customers have shown, the acqusition of POC customers has become a crucial step in the product development process for many startups. The purpose of this study is to understand how the process from business idea to first proof of concept customer evolves and in this process, what are important factors in acquiring the first proof of concept customer. The study is of qualitative nature and leverages a multiple case study based on interviews with eight Swedish tech startups. The findings from the research show that the process is of iterative nature and has seven sub-processes; Defining and scoping proclem, Defining target marker, Finding customers, Defining customer needs, Initial pitch, Persuasion, and finally, Negotiation and signature. Furthermore, five concepts influencing this process were found; Market understanding, Product understanding, Sales tactics, Customer management, and Entrepreneurial attitude. / Startups som verkar inom techindustrin inkluderar allt oftare proof of concept (POC) kunder i utvecklingen av nya produkter och tjänster då det gör det möjligt att säkerställa att produkten är anpassad till marknadens behov. Då utveckling av nya produkter tillsammans med användare och kunder har visat sig effektivt och ha positiva resultat, har förvärvet av POC kunder blivit ett abgörande steg i produktutvecklingsprocessen för många startups. Syftet med denna studie är att förstå hur processen ser ut från affärsidé till signering av första proof of concept kunden, och i denna process även förstå vilka faktorer som är viktiga för att signera första proof of concept-kunden. Studien är av kvalitativ karaktär och använder fallstudier baserad på intervjuer med åtta svenska tech startups. Resultaten visar att processen är av iterativ natur och har sju delprocesser; Definiera problemet, Definiera målgrupp, Hitta kunder, Definiera kundbehov, Inledande pitch, Övertalning och slutligen, Förhandling och signatur. Vidare presenteras fem koncept som påverkar denna proccess; Marknadsförståelse, Produktförståelse, Säljtaktik, Kundhantering och Entreprenöriell attityd.

This thesis explores the application of machine learning 8ml9 techniques in customer classification and their intergration into customer relationship management (CRM) systems within the corporate insurance industry. The research aims to address the gap in the use of AI-CRM for the corporate insurance industry. It was conducted as a case study at a Swedish insurance broker company. The study leveraged external data sources to create a data seet on customer information. The feature selection process included Variance Influence Factor (VIF) to remove collinearity and then Mutual Class Info and Random Forest, which are methods used to find which independent variables affect the dependent variable the most. Also, Recursive Feature Testing was applied to find the best feature combinations. Four different binary classification models were implemented and compared - Decision Tree, Random Forest, Support Vector Machine, and Artificial Neural Network. Note that Random Forest can be used both for feature selection and classification. The models were tested on four different feature combinations and evaluated using Accuracy, Recall, Precision, F1-score, and ROC-AUC. The study further conducted interviews at the partner company to evaluate their current CRM system. The findings show that ML-based customer classification can be leveraged to effectivize the customer acquisition process for corporate insurance. The Support Vector Machine model achieved the highest accuracy, at 80%. Depending on the avaliable data and the use of metrics, different classifiers had the best performance. The study also found that when implementing classification into AI-CRM, the specific requirements at the company need to be examined. This study found it important to conersider the data procurement process, the current customer acquisition process, the risks associated with misclassification, and present bias. The findings of this study have theoretical implications for the implementation of AI-CRM for customer acqusition. It demonstrates the practical benefits of intergrating machine learning techniques into CRM systems, emphasizing the effectiveness of AI-CRM for customer classification. Further, by comparing different classification models and evaluating their performance, the study enhances the theoretical understanding of model selection for customer classification tasks in this specific domain. Additionally, the research provides insights into effective feature selection methods, aiding researchers and practitioners in extracting relevant variables for customer classification. / Denna studie utforskar tillämpningen av maskininlärning (ML) inom kundklassificering och dess intergration i kundrelationssystem (CRM) inom företagsförsäkringsbranschen. Forskningen syftar till att fylla kunskapsluckan inom användningen av AI-CRM inom företagsförsäkringsbranschen. Studien genomfördes som en fallstudie på ett svenskt försäkringsmäklarföretag. Studien utnyttjade externa datakällor för att skapa en dataset av kundinformation. Processen för val av variabler inkluderade Variance Influence Factor (VIF) för att ta bort kollinearitet och sedan Mutual Class Info och Random Forest, som är metoder som användsför att hitta vilka oberoende variabler som påverkar den beroende variabeln mest. Dessutom användes Recursive Feature Testing för att hitta de bästa kombinationerna av funktioner. Fyra olika binära klassificeringsmodeller implementerades och jämfördes- Decision Tree, Random Forest, Support Vector Machine och Artificial Neural Network. Observera att Random Forest kan användas både för val av funktioner och klassificering. Modellerna testades med fyra olika kombinationer av variabler och utvärderades med hjälp av Accuracy Recall, Precision, F1-score och ROC-AUC. Studien genomförde även intervjuer på partnerföretaget för att utvärdera deras nuvarande CRM-system. Resultaten visar att ML-baserad kundklassificering kan användas för att effektivisera processen för kundanskaffning inom företagsförsäkring.  Support Vector Machine-modellen uppnådde högst accuracy, 80%. Beroende på tillgängliga data och användning av evalueringsmått hade olika klassificerade bäst prestanda. Studien fann också att vid implementering av klassificering i AI-CRM måste de specifika kraven på företaget undersökas. Denna studie fann det viktigt att beakta processen för dataanskaffning, den nuvarande processen för kundanskaffning, riskerna med felklassificering och nuvarande partiskhet. Resultaten av denna studie har teoretiska implikationer för implementeringen av AI-CRM för kundanskaffning. Den visar på de praktiska fördelarna med att integrera maskininlärningstekniker i CRM-system och betonar effektiviteten hos AI-CRM för kundklassificering. Dessutom förbättrar studien den teoretiska förståelsen för val av modeller för kundklassificeringsuppgifter i det specifika domänet genom att jämföra olika klassificeringsmodeller och utvärdera deras prestanda. Studien ger också insikter om effektiva metoder för val av variabler och hjälper forskare och utövare att extrahera relevanta variabler för kundklassificering.

This paper aims to investigate whether or not it is possible to identify users who are about change provider of service with machine learning. It is believed that the Consumer Decision Journey is a better model than traditional funnel models when it comes to depicting the processes which consumers go through, leading up to a purchase. Analytical and operational Customer Relationship Management are presented as possible fields where such implementations can be useful. Based on previous studies, Random Forest and XGBoost were chosen as algorithms to be further evaluated because of its general high performance. The final results were produced by an iterative process which began with data processing followed by feature selection, training of model and testing the model. Literature review and unstructured and semi-structured interviews with the employer Growth Hackers Sthlm were also used as methods in a complementary fashion, with the purpose of gaining a wider perspective of the state-of-the-art of ML-implementations. The final results showed that Random Forest could identify the sought-after users (positive) while XGBoost was inferior to Random Forest in terms of distinguishing between positive and negative classes. An implementation of such model could support and benefit an organization’s customer acquisition operations. However, organizational prerequisites regarding the data infrastructure and the level of AI and machine learning integration in the organization’s culture are the most important ones and need to be considered before such implementations. / I det här arbetet undersöks huruvida det är möjligt att identifiera ett beteende bland användare som innebär att användaren snart ska byta tillhandahållare av tjänst med hjälp av maskininlärning. Målet är att kunna bidra till ett maskininlärningsverktyg i kundförvärvningssyfte, såsom analytical och operational Customer Relationship Management. Det sökta beteendet i rapporten utgår från modellen ”the Consumer Decision Journey”. I modellen beskrivs fyra faser där fas två innebär att konsumenten aktivt söker samt är mer mottaglig för information kring köpet. Genom tidigare studier och handledning av uppdragsgivare valdes algoritmerna RandomForest och XGBoost som huvudsakliga algoritmer som skulle testas. Resultaten producerades genom en iterativ process. Det första steget var att städa data. Därefter valdes parametrar och viktades. Sedan testades algoritmerna mot testdata och utvärderades. Detta gjordes i loopar tills förbättringar endast var marginella. De slutliga resultaten visade att framförallt Random Forest kunde identifiera ett beteende som innebär att en användare är i fas 2, medan XGBoost presterade sämre när det kom till att urskilja bland positiva och negativa användare. Dock fångade XGBoost fler positiva användare än vad Random Forest gjorde. I syfte att undersöka de organisatoriska förutsättningarna för att implementera maskininlärning och AI gjordes litteraturstudier och uppdragsgivaren intervjuades kontinuerligt. De viktigaste förutsättningarna fastställdes till två kategorier, datainfrastruktur och hur väl AI och maskininlärning är integrerat i organisationens kultur.

El presente trabajo de investigación tuvo como objetivo determinar la cantidad de alumnos matriculados en los diversos programas para el año 2020 dentro del Centro de Capacitación y Desarrollo Global (CCDG), ubicado en la ciudad de Lima; ello, a través del análisis del historial de la data de los años 2018 y 2019. Se ejecutó una investigación predictiva, dado que dicho tipo de investigación tiene como propósito prever o anticipar situaciones futuras, con el fin de tomar buenas decisiones en cuanto a la apertura de vacantes de los diversos programas y diplomados para cubrir la posible demanda de alumnos matriculados y, por otro lado, determinar las variables que permiten captar un mayor número de clientes. La metodología de ciencia de datos aplicada fue la regresión lineal simple; esta es una técnica que ayuda a proyectar el número de alumnos que podrían matricularse en el periodo 2020. Las variables utilizadas para esta técnica fueron la cantidad de alumnos matriculados y el número de meses correspondientes a los dos últimos años analizados. Como resultado, se obtuvo que, posiblemente, se tendrían 3280 alumnos matriculados para el año 2020 en los programas del CCDG, y que la variable más influyente para la atracción son las clases de modalidad virtual; asimismo, los cursos más demandados son la certificación del Organismo Supervisor de las Contrataciones del Estado (OSCE) y los diplomas del Sistema Integrado de Administración Financiera (SIAF). Los medios de contacto más efectivos, y con los que es posible atraer un mayor número de clientes, son la aplicación de WhatsApp y las llamadas telefónicas. / The present research work aims to determine the number of students enrolled in the various programs for the year 2020 within the Global Training and Development Center, located in the city of Lima. This, through the analysis of 2018 and 2019 data history. A predictive research was carried out, since this type of research is intended to foresee or anticipate future situations, in order to make good decisions regarding the opening of vacancies in the various programs and diplomas to cover the possible demand of enrolled students, and, also, to determine the variables that allow a greater customer acquisition. The applied Data Science methodology is simple linear regression, which is a technique that projects the number of students who would enroll in the 2020 period. The variables used for this technique were the number of enrolled students and the number of months corresponding to the last two years analyzed. As a result, there would possibly be 3280 students enrolled by 2020 in the programs offered at the CCDG, and the most influential variable for customer recruitment are virtual classes; also, the most demanded course is OSCE certification and SIAF diplomas. The most effective means of contact, which can attract more clients, are WhatsApp and phone calls. / Trabajo de investigación