While operating in online markets offers opportunities for expanded assortment and convenience, it also poses challenges such as increased competition and the need to build personal relationships with customers. Customer retention be- comes crucial in maintaining a successful business, emphasizing the importance of understanding customer behavior. Traditionally, customer behavior analysis has focused on transactional behavior, such as purchase frequency and spending amounts. However, there has been a shift towards non-transactional behavior, driven by the popularity of loyalty programs that reward customers beyond trans- actions and aim to make customers feel appreciated and included, regardless of their spending power. This study is conducted at a global retailer with the aim of enhancing the under- standing of how non-transactional customer behavior influences customer churn. The approach in this study is to understand such behavior by developing a statis- tical model and to analyze statistical approaches of feature importance. Two types of approaches for statistical modeling, each with four variations, are assessed: (1) Random forest; and (2) Logistic regression. Furthermore, three different feature importance methods are considered; (1) Gini importance; (2) Permutation impor- tance and (3) Coefficient importance. The results showed that this approach can be used to analyze customer behavior and gain a better understanding of the driving factors for churn. Furthermore, the results showed that random forest approaches outperform logistic regression. With the definition of churn constructed in this study, the most important factors that affect the probability of churn are the customer’s number of sessions and inter session interval. / Att bedriva e-handel erbjuder inte enbart möjligheter för utökat sortiment och bekvämlighet, utan leder även till ökad konkurrens och ett ökat behov av att bygga relationer med kunder. Kundlojalitet är därmed avgörande för att upprätthålla en framgångsrik verksamhet, och betonar vikten av att förstå kundernas beteende. Traditionellt har analyser av kundbeteende främst bedrivits med fokus på transak- tionellt beteende, såsom frekvens eller totalbelopp för köp. På senare tid har allt mer fokus lagts på icke-transaktionellt beteende, på grund av införandet av lo- jalitetsprogram som belönar kunder bortom transaktioner, med målet att kunder ska känna sig uppskattade och inkluderade, oavsett köpkraft. Denna studie genomförs hos ett globalt detaljhandelsföretag med målet att utöka förståelsen för hur icke-transaktionellt kundbeteende påverkar kundbortfall. För att uppnå detta konstrueras en statistisk modell som utnyttjas för att med hjälp av statistiska metoder analysera signifikans hos variabler. Två kategorier av statis- tiska modeller undersöks; (1) Random forest och (2) Logistisk regression. Utöver detta används tre olika metoder för att analysera signifikans hos variabler; (1) Gini-betydelse; (2) Permutationsbetydelse; och (3) Koefficientbetydelse. Resultatet visar att studiens tillvägagångssätt kan användas för att analysera kund- beteende och nå ökad förståelse för vad som driver kundbortfall. Vidare visar re- sultatet att random forest-modeller överträffar modeller baserade på logistisk re- gression. Baserat på den definition av kundbortfall som definierats i denna studie är de viktigaste faktorerna som påverkar sannolikheten för kundbortfall, kundens antal sessioner och intervallet mellan kundens sessioner.

With the rapid accretion of online shopping, online customer reviews have become a very essential source. An interpretation of this essential source is not fulfilled with every aspect since online customer reviews consists of unstructured information. This paper enlightens the understanding of behavioural analysis on how customers rate and review gender-based products by focusing on two brands in the fashion industry. Since gender-based products are analysed, gender as a search term is used for diversification in terms of product categories. To understand behavioural differences of customers to rate gender-based products, quantitative statistical methods were used. The two-sample t-test investigates if the means of two samples have statistically significant differences. Additionally, the word frequencies are analysed with the quantitative content analysis methodology to procure an answer for how customers review gender-based products for different product categories. The results show that the product categories which consist of the keyword “Men” in their product description have earned a higher average of total number or reviews and star rating. However, the words that customers type have similarities among different product categories and there are not any consistencies in their frequencies. Therefore, our results show that the customer comments are not significantly dependent for the determined gender-based product categories. / Med den snabba ökningen av online-shopping har kundrecensioner på nätet blivit en viktig källa. Kundrecensioner består av information som är ostrukturerad, vilket betyder att tolkningsprocessen av kundrecensionerna försvåras. I denna uppsats är en beteendeanalys genomförd för att belysa förståelsen av hur kunder betygsätter och recenserar könsinriktade produkter. Fokus har lagts på två varumärken inom modebranschen. Eftersom produkterna är könsinriktade används kön som en sökterm för att differentiera produktkategorierna. För att förstå skillnaden i kundernas beteende vid betygsättning av könsinriktade produkter användes kvantitativa statistiska metoder. Ett ”two-sample” t-test användes för att undersöka om det fanns statistiskt signifikanta skillnader i stickprovernas medelvärden. Med en kvantitativ innehållsanalys undersöktes ordfrekvensen för att få en förståelse av hur kunder granskar könsinriktade produkter, inom olika produktkategorier. Resultatet visar att de produktkategorier vars produktbeskrivning består av nyckelordet ”män”, har fått ett högre genomsnitt av antal recensioner samt fått högre betyg. Orden som kunder använder är lika inom de olika produktkategorierna och ordfrekvensen har ingen fast struktur. Resultatet visar därmed att kundrecensionerna inte är signifikant beroende av de fastställda könsinriktade produktkategorierna.

A lot of today’s marketing have moved to social media-platforms, especially Facebook. But how do companies use this media to communicate to their customers? And what does the customers who follow the companies on Facebook feel about the content being published? The purpose of this study is to get a better understanding on what two large companies, H&M and Spotify, publish on Facebook and to find out what their followers perception of the content is. The methods used are mixed methods, meaning a mix between qualitative and quantitative methods and a comparative analysis on the result from both methods. The qualitative methods are in the form of interviews with ten people, five that follows H&M and five that follow Spotify on Facebook. A content analysis is performed on all the content published by H&M and Spotify during a six month period, from 01-02-16 to 30-07-15. The study shows that both companies primarily used relationship marketing on their Facebook-pages by publishing mostly recommendations and information from either the music- or fashion market rather than their own products, and that these follower’s thought the content was diverse and relevant to them as a target audience. / Sociala medie-kanaler så som Facebook inkluderas allt mer inom dagens marknadsföring. Men hur använder företag detta medium för att kommunicera med sina kunder? Och vad tycker kunderna som följer företag på Facebook om innehållet? Syftet med denna studie är att få en större förståelse om vad två stora företag, H&M och Spotify, publicerar på Facebook och ta reda på vad deras följares uppfattning är kring innehållet. De metoder vi har använt oss av är mixed methods, som innebär en blandning av kvalitativa och kvantitativa metoder och en jämförande analys av resultatet från de båda. Den kvalitativa metoden är i intervjuform med tio personer; fem som följer H&M och fem som följer Spotify. En innehållsanalys gjordes på alla inlägg som H&M och Spotify publicerade mellan 01-02-16 till 30-07-15. Resultatet av studien visade att de båda företagen främst arbetade med relationship marketing på deras Facebook-sidor genom att mest publicera rekommendationer och information om musik- och modebranschen, mer än deras egna produkter och tjänster. Intervjuerna visade att de undersökta följarna också fann detta innehåll varierat och relevant för dem som målgrupp

I dagens samhälle handlar det om att vara så effektiv som möjligt för att vinna tid. Som Benjamin Franklin en gång sa att ”Tid är pengar”, är något som vi människor allt mer tagit fasta på då vi ställer höga krav på utvecklingen och dess teniska förmågor. Idag har de flesta människor tillgång till en dator med internetuppkoppling som vi dagligen utför sysslor vid. Det kan vara allt ifrån jobbrelaterade aktiviteter, hålla kontakten med nära och kära, söka information om vad som händer i världen och i vår omgivning, till mer nöjesinriktade delar såsom online spel och shopping. Just shopping via internet är något som vuxit väldigt mycket under det senaste årtiondet, de flesta människor idag har förmodligen någon gång köpt något via nätet eller haft tanke på att göra det. Syftet med denna uppsats är att uppmärksamma de säljfrämjande exponeringsverktyg som kunden anser bör finnas med i produktinformationen på webbutikerna för att de ska leda till ett köp hos dem. Detta för att öka kundnöjdheten online. Visionen är att öka förståelsen kring den produktinformation som konsumenten behöver för att kunna känna sig trygg i att handla kläder på internet. Vår kvantitativa undersökning ämnades för målgruppen män och kvinnor i åldrarna 18-35 år men den gemensamma nämnaren av intresset att handla kläder på internet. Undersökningen behandlade frågor som rör exponeringsverktygen på webben. Vi frågade hur respondenterna upplever de säljverktyg som finns idag, de utvecklingsmöjligheter vi funnit som finns inom klädexponeringen samt om de svarande själva hade idéer eller förslag på vad de skulle vilja se i produktinformationen i den perfekta webbutiken. De slutsatser som kunde dras utav vår studie var att en utveckling av de säljfrämjande exponeringsverktygen är önskad av våra respondenter då intresset för att handla kläder via internet är stort. För att konsumenten ska kunna känna sig säker när denne handlar kläder på internet bör webbutikerna arbeta med att skapa den befintliga produktinformationen så lik en fysisk klädexponering som möjligt. Detta kan uppnås genom utvecklingsmöjligheter såsom modeller med olika kroppsformer, virtuell 3D docka enligt egen längd, vikt och mått, virtuell butik samt omfattande produktinformation och högupplösta bilder.Today´s society is all about being as efficient as possible to win time. Benjamin Franklin once said “Time is money”. This is something we human beings have taken seriously as we raise our demand for development and its technological abilities. Today most people have access to a computer with wireless Internet connection from where they perform different chores. It could be anything from work related activities, staying in contact with loved ones, searching information about what’s going on in the world and in our surroundings, to more entertainment-oriented activities such as online games and shopping. Shopping online is something that has grown fast in the fashion industry in the last decade, and most people today have probably bought something or at least have thought of doing so.The purpose of this essay is to highlight the sales promoting exposure tools which the consumer find necessary in the product information found in web shops to lead them to purchase. This is to increase customer satisfaction online. Our aim is to increase the understanding of what the customer needs in form of product information to feel safe when buying clothes on the Internet.Our quantitative study is based on men and women aged 18-53 with a common interest in buying clothes on the Internet. The research deals with questions regarding exposure tools on the web. We asked the respondents how they perceived existing sales tools, the potentials for development in clothing exposure that we found and also if the respondents themselves had any ideas of what they would like to see included in the product information in the perfect web store.The conclusion we could draw from our study was that sales promoting exposure tools are needed by our respondents since the interest in buying clothes online is great. In order to make the customer feel sure when buying clothes on the Internet the web shops ought to work towards making the product information as similar to a physical exposure of the clothes as possible.This can be achieved through new developments such as models of various body types, virtual 3D dolls according to the consumers own measurements and weight, virtual stores and through comprehensive product information and high definition images. / Program: Butikschef, textil och mode

This study aims to investigate the implementation of an AI model that predicts customer purchases, in the telecom industry. The thesis also outlines how such an AI model can assist decision-making in marketing strategies. It is concluded that designing the AI model by following a Recurrent Neural Network (RNN) architecture with a Long Short-Term Memory (LSTM) layer, allow for a successful implementation with satisfactory model performances. Stepwise instructions to construct such model is presented in the methodology section of the study. The RNN-LSTM model further serves as an assisting tool for marketers to assess how a consumer’s website behavior affect their purchase behavior over time, in a quantitative way - by observing what the authors refer to as the Customer Purchase Propensity Journey (CPPJ). The firm empirical basis of CPPJ, can help organizations improve their allocation of marketing resources, as well as benefit the organization’s online presence by allowing for personalization of the customer experience. / Denna studie undersöker implementeringen av en AI-modell som förutspår kunders köp, inom telekombranschen. Studien syftar även till att påvisa hur en sådan AI-modell kan understödja beslutsfattande i marknadsföringsstrategier. Genom att designa AI-modellen med en Recurrent Neural Network (RNN) arkitektur med ett Long Short-Term Memory (LSTM) lager, drar studien slutsatsen att en sådan design möjliggör en framgångsrik implementering med tillfredsställande modellprestation. Instruktioner erhålls stegvis för att konstruera modellen i studiens metodikavsnitt. RNN-LSTM-modellen kan med fördel användas som ett hjälpande verktyg till marknadsförare för att bedöma hur en kunds beteendemönster på en hemsida påverkar deras köpbeteende över tiden, på ett kvantitativt sätt - genom att observera det ramverk som författarna kallar för Kundköpbenägenhetsresan, på engelska Customer Purchase Propensity Journey (CPPJ). Den empiriska grunden av CPPJ kan hjälpa organisationer att förbättra allokeringen av marknadsföringsresurser, samt gynna deras digitala närvaro genom att möjliggöra mer relevant personalisering i kundupplevelsen.