Asp Net Core är en uppföljare Asp Net som är ett ramverk utvecklat av Microsoft. Vid skapandet av Asp Net Core gjordes förändringar i den http-pipeline som fanns i Asp Net, där egenskaper som ansågs onödiga togs bort vilket skulle resultera i förbättrad prestanda för Asp Net Core. Forskning som inspirerat detta arbete har visat att PHP var mer tidseffektivt än Asp Net på att hämta, lägga till och ta bort data. Frågan är om förändringen av http-pipeline kan bidra till att Asp Net Core är mer tidseffektivt än PHP vid utförandet av http-förfrågningar.Genom att utveckla ett epost-API i Asp Net Core och jämföra svarstider för utförandet av http-förfrågningar med ett redan existerande epost-API skrivet i PHP, kommer det vara möjligt att genomföra ett tekniskt inriktat experiment, där resultaten kan analyseras och slutsatser kan dras.Resultaten i detta arbete visar att Asp Net Core är mer tidseffektivt än PHP vid utförandet av 10 000 http-förfrågningar. Det kan i framtiden vara intressant att undersöka hur storleken på post-anropen kan påverka svarstiden för Asp Net Core och PHP.

Denna rapport utvärderar olika metoder för att klassificera och kategorisera email. Mångamail anländer hos människors inkorg varje dag. När tiden går och antalet email ökar blir detsvårare att hitta specifika email. På HDAB arbetar de som konsulter och vill dela upp email iolika mappar beroende på vilket projekt det tillhör. Idag fungerar det genom ett ord-regelbaseratsystem som sorterar email I olika mappar med en precision på cirka 85%. HDAB villta reda på om det går att använda maskininlärning för det nuvarande systemet. Denna rapportpresenterar fyra maskininlärningsalgorimer, beslutsträd, random forest beslutsträd, k-nearestneighbor och naive bayes, som användas för att utvärdera om det är möjligt att kategoriseraemailen.Datan som används till rapporten kommer från HDABs mailserver och är redan kategoriseradtill rätt kaegori. / This report will evaluate methods for classifying e-mails into different categories. A lot ofemails are received in peoples inboxes every day. When the time passes and the amount ofemails increases the ability to find specific emails gets harder. At HDAB they are workingwith consulting and want to separate different emails from different project into separate folders.This is achieved today by using a word based rule system that sorts emails into differentfolders and has a precision about 85%. HDAB wants to know if it is possible to use machinelearning to automatically sort the emails into different folders instead of the current solution.This report presents four machine learning algorithms, decision tree, random forest decisiontree, k-nearest neighbor and naive bayes, which are being used for evaluation of the possibilityto categorize the emails.The data used for the report will be data gathered from HDAB’s mail server and are alreadypre-labeled into their respectively categories.

<p>Syftet med uppsatsen är att undersöka om det finns negativa konsekvenser av att använda sig för mycket av email istället för av andra typer av kommunikation inom organisationen.</p><p>Det skickas stora mängder email varje dag inom organisationer, men många organisationer saknar policy för att styra denna kommunikation. Därför genomförs denna undersökning av emailvanor och hur email upplevs på Sörman Information AB.</p><p>För att besvara syftet har en kvalitativ datainsamlingsmetod använts. Vi har genomfört tio intervjuer på en av avdelningarna på fallföretaget Sörman Information AB.</p><p>Undersökningen har visat att email är den vanligaste kommunikationsvägen för arbetsrelaterad kommunikation mellan anställda på det undersökta företaget.</p><p>Slutsatsen blir därmed att email till viss del har negativa konsekvenser för en organisation men de flesta problem går att minimera genom att behandla email på rätt sätt. Som ett hjälpmedel för detta har vi utformat ett utkast till en emailpolicy.</p> / <p>The purpose of this thesis is to investigate the possibility of negative consequences caused by over use of email instead of other means of communication in an organization.</p><p>A very large amount of emails are sent every day within organizations. Most organizations lack a proper email policy to govern this communication. Hence this study is conducted to investigate the email habits and the general perception of email use of the employees at Sörman Information AB.</p><p>The investigation has shown that email is the most preferred choice of communication regarding work related communication between colleagues within the studied organization. T</p><p>hus the conclusion is that email to some degree can cause negative consequences for an organization. However most of these problems can be minimized by correct email use. As a complementing tool for this we have developed a first draft of an email policy.</p>

Background E-mail marketing is used to get consumers’ attention to one’s products, services, need, etc., and ultimately to get them to act in a specific way. How consumers are affected by E-mail marketing is a topic that has not been thoroughly investigated even though it is of great interest due to the vast increase of E-mail marketing the last couple of years. Thus, there is a major gap in the research of this topic, especially in a B2B context. Purpose The purpose of this thesis is to analyze behaviors and attitudes of decision-makers in the Swedish manufacturing industry regarding B2B E-mail marketing. Method The authors used a quantitative research approach with an online-survey in order to collect necessary data. The population is decision-makers within the manufacturing industry in Sweden. The result is based on 1 777 participating decision-makers. The questionnaire was constructed by the authors and is based on the theoretical framework consisting: Tri-Component Model of Attitudes, Planned Behavior, Micheaux’s (2011) theory of perceived pressure and A(ad). The authors used analysis techniques such as descriptive univariate analysis, Anova-test, factor analysis and linear regression analysis to derive the result. Conclusion The conclusions drawn from this study are that the decision-makers within the manufacturing industry in Sweden tend to have a negative attitude and behavior toward E-mail marketing messages, only a small minority of the decision-makers had a positive attitude. Furthermore, the authors discovered an association between their attitude and how they actually behave. The study also reveals differences in the attitudes and behaviors regarding age and position within the company. A final conclusion drawn from this study is that the decision-makers do not read all marketing messages they receive and they also delete some marketing messages without reading them. The result of this is a non-functional marketing method, as it does not work as it is intended. A suggestion for marketers working with E-mail marketing is to try to establish more positive attitudes by building relationships with the recipients.

Syftet med uppsatsen är att undersöka om det finns negativa konsekvenser av att använda sig för mycket av email istället för av andra typer av kommunikation inom organisationen. Det skickas stora mängder email varje dag inom organisationer, men många organisationer saknar policy för att styra denna kommunikation. Därför genomförs denna undersökning av emailvanor och hur email upplevs på Sörman Information AB. För att besvara syftet har en kvalitativ datainsamlingsmetod använts. Vi har genomfört tio intervjuer på en av avdelningarna på fallföretaget Sörman Information AB. Undersökningen har visat att email är den vanligaste kommunikationsvägen för arbetsrelaterad kommunikation mellan anställda på det undersökta företaget. Slutsatsen blir därmed att email till viss del har negativa konsekvenser för en organisation men de flesta problem går att minimera genom att behandla email på rätt sätt. Som ett hjälpmedel för detta har vi utformat ett utkast till en emailpolicy. / The purpose of this thesis is to investigate the possibility of negative consequences caused by over use of email instead of other means of communication in an organization. A very large amount of emails are sent every day within organizations. Most organizations lack a proper email policy to govern this communication. Hence this study is conducted to investigate the email habits and the general perception of email use of the employees at Sörman Information AB. The investigation has shown that email is the most preferred choice of communication regarding work related communication between colleagues within the studied organization. T hus the conclusion is that email to some degree can cause negative consequences for an organization. However most of these problems can be minimized by correct email use. As a complementing tool for this we have developed a first draft of an email policy.

Manual categorization of a mail inbox can often become time-consuming. Therefore many attempts have been made to use machine learning for this task. One essential Natural Language Processing (NLP) task is text classification, which is a big challenge since an NLP engine is not a native speaker of any human language. An NLP engine often fails at understanding sarcasm and underlying intent. One of the NLP challenges is to represent text. Text embeddings can be learned, or they can be generated from a pre-trained model. Google’s pre-trained model Sentence Bidirectional Encoder Representations from Transformers (SBERT) is state-of-the-art for generating pre-trained vector representation of longer text. In this project, different methods of classifying and clustering emails were studied. The performances of three supervised classification models were compared to each other. A Support Vector Machine (SVM) and a Neural Network (NN) were trained with SBERT embeddings, and the third model, a Recurrent Neural Network (RNN) was trained on raw data. The motivation for this experiment was to see whether SBERT embedding is an excellent choice of text representation when combined with simpler classification models in an email classification task. The results show that the SVM and NN perform higher than RNN in the email classification task. Since most real data is unlabeled, this thesis also evaluated how well unsupervised methods could perform in email clustering taking advantage of the available labels and using SBERT embeddings as text representations. Three unsupervised clustering models are reviewed in this thesis: K-Means (KM), Spectral Clustering (SC), and Hierarchical Agglomerative Clustering (HAC). The results show that the unsupervised models all had a similar performance in terms of precision, recall and F1-score, and the performances were evaluated using the available labeled dataset. In conclusion, this thesis gives evidence that in an email classification task, it is better for supervised models to train with pre-trained SBERT embeddings than to train on raw data. This thesis also showed that the output of the clustering methods compared on par with the output of the selected supervised learning techniques. / Manuell kategorisering av en inkorg kan ofta bli tidskrävande. Därför har många försök gjorts att använda maskininlärning för denna uppgift. En viktig uppgift för Natural Language Processing (NLP) är textklassificering, vilket är en stor utmaning eftersom en språkmotor inte talar något mänskligt språk som modersmål. En språkmotor misslyckas ofta med att förstå sarkasm och underliggande avsikt. En av språkmotorns utmaningar är att representera text. Textinbäddningar kan bli inlärda, eller så kan de genereras av en förutbildad modell. Googles förutbildade modell Sentence Bidirectional Encoder Representations from Transformers (SBERT) är den senaste tekniken för att generera förtränade vektorrepresentation av längre text. I detta projekt studerades olika metoder för att klassificera e-postmeddelanden. Prestandan av tre övervakade klassificeringsmodeller jämfördes med varandra, och av dessa var två utbildade med SBERT-inbäddningar: Support Vector Machine (SVM), Neural Network (NN) och den tredje modellen tränades på rådata: Recurrent Neural Network (RNN). Motivationen till detta experiment var att se om SBERT-inbäddningar tillsammans med enklare klassificeringsmodeller är ett bra val av textrepresentation i en e-post klassificeringsuppgift. Resultaten visar att SVM och NN har högre prestanda än RNN i e-postklassificeringsuppgiften. Eftersom mycket verklig data är omärkt utvärderade denna avhandling också hur väl oövervakade metoder kan utföras i samma e-postklassificeringsuppgift med SBERT-inbäddningar som textrepresentationer. Tre oövervakade klustringsmodeller utvärderas i denna avhandling: K-Means (KM), Spectral Clustering (SC) och Hierarchical Agglomerative Clustering (HAC). Resultaten visar att de oövervakade modeller hade liknande prestanda i precision, recall och F1-score, och prestandan var baserad på de tillgängliga klassannoteringarna. Sammanfattningsvis ger denna avhandling bevis på att i en e-postklassificeringsuppgift är det bättre att övervakade modeller tränar med förtränade SBERT-inbäddningar än att träna på rådata. Denna avhandling visade också att resultatet av klustringsmodellerna hade en jämförbar prestanda med resultatet av de valda övervakade inlärningstekniker.

Marknadsföringen har förändrats drastiskt under det senaste decenniet och forskningen visar att traditionella marknadsföringsaktiviteter inte längre är lika effektiva på grund av bland annat ett förändrat konsumentbeteende. Till följd av den förändrade attityden mot traditionell marknadsföring har ett nytt koncept vid namn inbound marknadsföring fått en allt mer framträdande roll på konsument- och företagsmarknaden. Konceptet ämnar att attrahera, konvertera och behålla kunder med hjälp av intressant och relevant innehåll till en tydligt definierad målgrupp. Dock har det blivit en allt svårare uppgift på de marknader som präglas av hög konkurrens, såsom e-handeln. Tidigare litteratur fokuserar främst på att undersöka inbound marknadsföring på en företagsmarknad, vars resultat kan vara svåra att överföra på konsumentmarknaden. Vi fann även att tidigare litteratur inte har undersökt hur företag arbetar med inbound marknadsföring som ett helhetskoncept. Denna studie ämnar därmed att ge ett bidrag till konsumentmarknaden genom att undersöka hur modeföretag arbetar med inbound marknadsföring för att attrahera och behålla kunder. Eftersom litteraturen även skildrar konceptet som ett överlägset marknadsföringskoncept är studiens syfte att undersöka vilka utmaningar modeföretag upplever i relation till konceptet. För att svara på vår frågeställning och syfte har vi genomfört en kvalitativ studie där empirin har samlats in genom sex semistrukturerade intervjuer med svenska modeföretag. Med utgångspunkt i tidigare forskning och den insamlade empirin har vi konstaterat att modeföretagen arbetar med inbound marknadsföring likt de strategier som litteraturen belyser. Ytterligare har studien funnit att modeföretag även använder två andra marknadsföringsteorier som inte har berörts i relation till konceptet. Studien har även utmynnat i en modell som kan hjälpa marknadsförare att få en övergripande bild av de strategier som ligger till grund för att attrahera och behålla kunder. Våra resultat indikerar även att modeföretag står inför komplexa utmaningar. Bland annat är det svårt för företagen att synas på en konkurrensutsatt marknad utan att upplevas som påträngande. Modeföretag står även inför utmaningen att anpassa innehållet efter kommunikationskanalerna som de tillhandahåller, få konsumenternas uppmärksamhet och förstå hur de vill interagera och engagera sig. Avslutningsvis måste modeföretag finna en balans i hur personifierat innehållet bör vara utan att det upplevs som irrelevant av konsumenterna samt när kampanjer borde inkluderas i marknadsföringen.