Att välja vilken eller vilka röststyrningstjänster man som företag vill stödja kan i dagens läge vara ett svårt val att göra. Det kan även var så att man inte har resurser att göra två olika implementationer. I den här undersökningen tittar vi på om det finns ett bra sätt att göra en implementation som kan hantera fler än en röststyrningstjänst. Tjänsterna vi har fokuserat på i undersökningen är Amazon Alexa och Google Assistant.

Aim: The aim of this study is to analyze the usage of Search Engine Optimization and Knowledge Graphs and the connection between them to achieve profitable business visibility and reach. Methods: Following a qualitative method together with an inductive approach, ten marketing professionals were interviewed via an online questionnaire. To conduct this study both primary and secondary data was utilized. Scientific theory together with empirical findings were linked and discussed in the analysis chapter. Findings: This study establishes current Search Engine Optimization utilization by businesses regarding common techniques and methods. We demonstrate their effectiveness on the Google Knowledge Graph, Google My Business and resulting positive business impact for increased visibility and reach. Difficulties remain in accurate tracking procedures to analyze quantifiable results. Contribution of the thesis: This study contributes to the literature of both Search Engine Optimization and Knowledge Graphs by providing a new perspective on how these subjects have been utilized in modern marketing. In addition, this study provides an understanding of the benefits of SEO utilization on Knowledge Graphs. Suggestions for further research: We suggest more extensive investigation on the elements and utilization of Knowledge Graphs; how the structure can be affected; which techniques are most effective on a bigger scale and how effectively the benefits can be measured. Key Words: Search Engine, Search Engine Optimization, SEO, Knowledge Graphs, Google My Business, Google Search Engine, Online Marketing.

In this thesis, there are discussed use-cases of NoSQL database MongoDB implemented as a datastore for user data, which is stored by Datastore stubs in Google App Engine SDK. Existing stubs are not very well optimized for higher load; they significantly slow down application development and testing if there is a need to store larger data sets in these storages. The analysis is focused on features of MongoDB, Google App Engine NoSQL Datastore and interfaces for data manipulation in SDK - Datastore Service Stub API. As a result, there was designed and implemented new datastore stub, which is supposed to solve problems of existing stubs. New stub uses MongoDB as a database layer for storing testing data and it is fully integrated into Google App Engine SDK.

This thesis deals with notification between smart phone and application server which controls intelligent home. It is focused on Android mobile platform and it is implemented for that platform. Notification service Google Cloud Messaging is used because it is not possible to directly address mobile phones from server. Based on actual position and user defined area the server is informed about moving to or from the area. The server can perform defined event automatically with these information. Implementation was tested in real system. Alpha and beta versions were regularly published.

Use of computers and computer networks is nowadays a part of everyday life. You do not use them only at home when you sit at you computer, but you can use them all the time everywhere. This can involve everything from surf to any website when you are at home, to checking your email on your mobile when you are on your way to work. Most people do not think about how it really works when they try to access a web page by typing the address into their browser, but something that most people probably notice is how long it can sometimes take to access a web page. All items which are directly connected to the IP network have a unique IP address that is used to make it possible to communicate. The IP address is either a period separated sequence of digits representing 32 bits or a colon separated sequence of digits representing 128 bits, depending on whether the address is an IPv4 or IPv6 address. Such numeric sequences are often difficult for us humans to remember therefore, the domain name system (DNS) was constructed. DNS makes it possible for us to write addresses in a textual format to access an item stored in a device connected to the network. DNS can be seen as a directory for the network and can be compared to a telephone directory, where if you know the name of a person can find his or her phone number. This thesis will describe how the various address translations are done by using DNS. It will also examine how much impact DNS has on the experienced delay from the time you type a web page address in the address bar of your browser to the actual time you reach the website. A survey of DNS performance will be presented to investigate how much delay can be reduced by using one of Sweden's two most well-known public DNS servers (Google Public DNS and OpenDNS) instead of the normal default DNS server provided by one's Internet service provider (ISP). The survey will also show how the DNS lookup waiting time changes at different times of day and different days of the week. The purpose of this work is to provide a basic explanation of what DNS is and increase the understanding of how an everyday user in a simple way can make their network usage more effective by getting their DNS lookups to occur faster. The conclusion from this thesis is that the alternative DNS server, Google Public DNS has the fastest DNS lookup time for this particular computer which the measurement was carried on. But this tells us nothing about whether the case for any other network users because the observed DNS performance has a large extent dependent on the ISP you are connected to, and what place you are at. / Dator- och nätverksanvändandet är idag en del av vardagen. Användandet sker inte enbart när man sitter hemma, utan det kan ske hela tiden och överallt. Det kan handla om allt från att surfa in på någon webbsida när man är hemma, till att kolla sin e-post i mobilen när man är på väg till jobbet. De flesta funderar inte på hur det egentligen går till när man försöker ansluta till en webbsida genom att skriva in adressen i webbläsaren. Däremot något som de flesta nog lagt märke till är hur lång tid det ibland kan ta att komma åt någon webbsida. Alla objekt som är direkt uppkopplade till IP-nätverket, har en unik IP-adress som används för att kunna kommunicera med varandra. IP-adressen är antingen en punktskild sifferföljd som består av 32 bitar eller en semikolonskild sifferföljd som består av 128 bitar, beroende på om det är IPv4 eller IPv6. Denna sifferföljd är ofta svår för oss människor att komma ihåg och av den orsaken konstruerades domännamnsystemet (DNS) som tillåter oss att genom adresser i textformat komma åt det sökta objektet på nätverket. DNS kan ses som ett uppslagsverk för nätverket och kan liknas vid en telefonkatalog, där om man vet namnet på en person kan hitta dennes telefonnummer. I detta examensarbete kommer det att beskrivas hur olika adressöversättningar sker med hjälp av DNS. Det kommer även utredas hur stor påverkan DNS har på den upplevda fördröjningen från det att man skrivit in webbsidans adress i adressfältet i webbläsaren tills det att man faktiskt kommer fram till webbsidan. En undersökning av DNS prestandan kommer att presenteras som utreder hur mycket tid man kan tjäna på att använda någon av Sveriges två mest kända alternativa DNS-servrar (Google Public DNS och OpenDNS) istället för den normalt förinställda DNS-servern som fås av ens internetleverantör (ISP). Undersökningen kommer även visa hur DNS uppslagningarnas väntetid förändras vid olika tidpunkter på dygnet samt vid olika veckodagar. Syftet med detta arbete är att ge en grundläggande förklaring av vad DNS är för något samt att öka förståelsen för hur en vardaglig nätverksanvändare på ett enkelt sätt kan effektivisera sitt nätverksanvändande genom att få sina DNS uppslagningar att gå fortare. Slutsatsen från denna avhandling är att den alternativa DNS-servern Google Public DNS har snabbast DNS uppslagningstid för just denna dator som mätningarna genomförts på. Men detta säger oss ingenting om huruvida fallet är för andra nätverksanvändare eftersom den observerade DNS prestandan är till stor grad beroende av den ISP man är ansluten till samt vilken plats man befinner sig på.

The Internet is dramatically changing the way we communicate, and it is becoming increasingly important for communication services to adapt to context in which they are used. The goal of this thesis was to research how Google Glass and WebRTC can be used to create a communication system tailored for field service support. A prototype was created where an expert is able to provide guidance for a field technician who is wearing Google Glass. A live video feed is sent from Glass to the expert from which the expert can select individual images. When a still image is selected it is displayed to the technician through Glass, and the expert is able to provide instructions using real time annotations. An algorithm that divides the selected image into segments was implemented using WebGL. This made it possible for the expert to highlight objects in the image by clicking on them. The thesis also investigates different options for accessing the hardware video encoder on Google Glass. / Internet har dramatiskt ändrat hur vi kommunicerar, och det blir allt viktigare för kommunikationssystem att kunna anpassa sig till kontexten som de används i. Målet med det här examensarbetet var att undersöka hur Google Glass och WebRTC kan användas för att skapa ett kommunikationssystem som är skräddarsytt för support av fälttekniker. En prototyp skapades som låter en expert ge vägledning åt en fälttekniker som använder Google Glass. En videoström skickas från Glass till experten, och denne kan sedan välja ut enstaka bilder ur videon. När en stillbild väljs så visas den upp på Glass för teknikern, och experten kan sedan ge instruktioner med hjälp av realtidsannoteringar. En algoritm som delar upp den utvalda bilden i segment implementerades med WebGL. Den gjorde det möjligt för experten att markera objekt i bilden genom att klicka på dem. Examensarbetet undersöker också olika sätt att få tillgång till hårdvarukodaren för video i Google Glass.

Collaborative writing technologies such as Google Docs is believed to be a helpful tool in supporting the development of constructivist learning environments. However, not much research has been done among special populations outside the United States. This dissertation examines how using google docs can enhance collaborative learning among non-native English-speaking students at a university in Oman. A total of 52 students participated in this study, where they completed a collaborative writing activity using Google Docs. This exploratory study yielded quantitative as well as qualitative data. Interviewees shared their experience of using Google Docs for the collaborative writing activity. The research shows that Google Docs promoted collaborative interactions among students, such as learning from each other and communicating with the teacher. Interestingly, the data indicate that students used alternate social media such as WhatsApp to communicate with their group mates regarding the collaborative writing activity. Overall, the results obtained here confirm that the Google Docs can be used to enhance collaborative learning among non-native English-speaking students.

Drought, being one the most complex natural hazards, has a significant impact on society. To mitigate the impact and risk, it is crucial to be able to forecast drought, which is a challenging task. Nowadays, with technology innovations, large amounts of remote sensing data is available on the cloud. Meanwhile,machine learning and data-driven techniques have proven to be reliable data processing methods in a number of fields. In this study, the author aims to predict agricultural drought in Sweden with machine learning (ML) models. Several ML models, including random forest, decision tree, linear regression, support vector machine, ARIMA, ANN, and CNN, are employed to find out the best performing model. Seven hypothesized factors are used and tested with RFE for features analysis. Three data arrangement methods are explored for the best possible way to arrange the dataset. In the result section, the author concludes that soil moisture is the most important feature, ARIMA and random forest models are the most reliable algorithms, and the temporal method is more suitable for short-term predicting. / Torka, som är en av de mest komplexa naturliga riskerna, har en betydande inverkan på samhället. För att mildra påverkan och risken är det avgörande att kunna förutse torka, vilket är en utmanande uppgift. Nuförtiden, med tekniska innovationer, finns stora mängder fjärranalysdata tillgänglig på molnet. Under tiden har maskininlärning och datadrivna tekniker visat sig vara tillförlitliga databehandlingsmetoder inom ett antal områden. I denna studie syftar författaren till att förutsäga jordbrukstorka i Sverige med modeller för maskininlärning (ML). Flera ML-modeller, inklusive slumpmässig skog, beslutsträd, linjär regression, stödvektormaskin, ARIMA, ANN och CNN, används för att ta reda på den bästa modellen. Sju hypotesfaktorer används och testas med RFE för funktionsanalys. Tre dataarrangemangsmetoder utforskas för bästa möjliga sätt att ordna datamängden. I resultatavsnittet drar författaren slutsatsen att markfuktighet är den viktigaste egenskapen, ARIMA och slumpmässiga skogsmodeller är de mest tillförlitliga algoritmerna, och den tidsmässiga metoden är mer lämpad för korttidsförutsägelse.

Denna uppsats undersöker fenomenet konverteringsoptimering på uppdrag av ett företag, för att ta reda på hur man kan arbeta för att öka sin konvertering, och därigenom även sin lönsamhet. Syftet med detta uppsatsarbete har varit att utföra en dokumentation av arbetsprocessen bakom konverteringsoptimering. Dels undersöks verktyg som Google Optimize och Hotjar, hur dessa samlar in testdata, samt hur denna data sedan kan analyseras för att komma fram till ett svar om hur man bör gå vidare efter de genomförda testerna. Dels studeras tre s.k. A/B-tester som genomfördes på ett företags webbplats där kvantitativa data samlades in, presenterades och analyserades av testprogrammet. Resultatet från arbetet visar hur arbetsprocessen konverteringsoptimering ser ut från start till mål: hur man inledningsvis analyserar en webbplats, hur man tar fram designförslag, hur man implementerar dessa i tester, samt hur man sedan samlar in data från testerna och analyserar denna. Bland annat tyder resultaten på att en noggrann analys av användarbeteende och resultat från tester är avgörande för att kunna optimera konverteringsgraden, att A/B-tester är ett kraftfullt verktyg för att testa och utvärdera olika konverteringsoptimeringsstrategier, samt att information om besökarnas scrollningsbeteende är en intressant faktor som spelar roll både i för- och efteranalys.

Data klassificeras numera som världens mest värdefulla resurs. Den växande och storskaliga användningen av internet är en bidragande faktor till de enorma mängder data som genereras och florerar i våra digitala miljöer. Genom att analysera data som samlas in från internet, kan insikter och förståelse för internetanvändares beteendemönster utvinnas. Därför har datainsamling och webbanalys på senare år blivit en nyckelaktivitet för många internetaktörer. Med ett effektivt arbete kring dessa områden kan internetaktörer skapa sig fördelar gentemot sina konkurrenter, och därmed skapa sig marknadsmässiga försprång. I takt med att data blir allt mer eftertraktat ökar också kraven på att internetanvändares integritet ska prioriteras så att datainsamlingen inte bryter mot några etiska principer. Detta ämne har på senare år blivit allt mer aktuellt efter att det visat sig att internetanvändares integritet ofta åsidosätts i strävan efter att samla in data. Många webbläsare har därför börjat arbeta aktivt för att skydda sina användare i större utsträckning, bland annat genom att hantera kakor allt mer restriktivt. Detta har orsakatproblem för webbanalysverktyg, då de använder kakor för att kunna identifiera, binda samman och samla in data kring en besökares beteenden och interaktioner på en webbplats. Syftet med denna studie är att utveckla, utvärdera och jämföra metoder som stärkerde kakor som används av webbanalysverktyg. Med hjälp av de metoder som utvecklas är studiens mål att höja kvalitén på den data som samlas in av verktygen. Studien har genomförts med en kvalitativ forskningsmetod i fem olika faser. För att utvärdera de metoder som utvecklas i studien har en utvärderingsmodell introducerats. Via utvärderingsmodellen har underlag till studiens resultat kunnat genereras. Resultatet visar att det med hjälp av mikroservicetjänster, i form av en proxyserver, är möjligt att åstadkomma en markant förbättring av kvalitén i den data som samlas in av webbanalysverktyg. / Data is now classified as the world’s most valuable resource. The growing and large-scale usage of internet is a contributing factor to the huge amount of data that are generated and flourish in our digital environments. By analyzing the data that can be collected from internet, insights and understanding of internet users behavioral patterns can be extracted. In recent years, web tracking and web analytics has therefore become a key activity for many players on the internet. With an effective work in these areas, internet players can create an advantage on thier competitors. As data becomes more and more sought after, the demands on the privacy aspects for internet users are also increasing. In recent years, this topic has become even more relevant, after it has been found that the privacy of internet users is often violated in the effort of data collection. Many web browsers has therefore actively begun to protect their users, for instance by handling cookies more restrictively. This has casued problems for web analytics tools, as they use cookies to identify, bind and collect data about users interactions and behavior patterns on a website. The purpose of this study is to develop, evaluate and compare methods that strengthen cookies used by web analytic tools. Using the methods developed in the study, the goal of the study is to improve the quality of the data that are collected by the tools. The study was conducted using a qualitative research method in five different phases. In order to evaluate the methods developed in the study, an evaluation model has been introduced. Through the evaluation model, data to the study’s result have been generated. The results shows that with help of microservices, in the form of aproxy server, it is possible to achieve a significant improvement in the quality of the data collected by web analytics tools.