A strong trend in Swedish retail has been and is that an increased amount of trade is moved to external shopping malls. Several city lines are negatively affected and lose purchasing power when shopping malls are established and attract customers. But what sets a store in a mall apart from a store in the middle of the city? In this study, we will examine how the customer bases differ between two similar stores that are located in the city centre and the shopping mall. The purpose of the study is to gain a greater understanding of how the customer bases at two similar stores differ depending on whether they are located in a shopping mall versus the city centre. The work must be able to report differences and similarities between shopping mall and the city retail customer base, as well as whether there are differences in price elasticity. The work will create a greater understanding of how customers differ and thus lead to information that can be useful for companies regarding decision-making regarding location and customer focus. This will be done through a comparative analysis of price elasticity and customer behaviour between the two stores. The study is based on a comparative case study with quantitative data collection to answer the study's purpose. The specific case being studied is the optics chain where two of their stores are being studied. The two analysis units are located in the city centre and the shopping centre, respectively. The data material collected consists of sales reports from each store. Calculation of price elasticity based on the collected data material and information about customers are studied and analysed. The results show that the customers in the city centre are less price sensitive than the customers for the store located in the shopping centre. The analysis links this to a difference in age groups among customers. 15–59 years are of a larger proportion in the city centre, which is the group that is most often professional and has a greater purchasing power. Larger agglomeration that occurs in shopping malls is also linked to the result. Greater purchasing power could also be demonstrated when the more exclusive arch groups were sold with a larger share in the city centre. The study shows that the stores complement each other. / En stark trend inom svensk detaljhandel har varit och är att en ökad mängd av handeln förflyttas till externa köpcentrum. Flera stadskärnor blir negativt påverkade och förlorar köpkraft då köpcentrum etableras och dra till sig kunder. Men vad är det som skiljer kunderna i köpcentrum från en butik mitt inne i staden? I den här studien ska vi undersöka hur kundbaserna skiljer sig mellan två likadana butiker som är belägna i stadskärnan respektive köpcentrum. Studiens syfte är att få en större förståelse om hur kundbaserna hos två liknande butiker skiljer sig beroende på om de är lokaliserade i ett köpcentrum kontra stadskärna. Arbetet ska kunna redovisa skillnader och likheter mellan köpcentrum och stadshandelns kundbas, samt om skillnader i priselasticiteten förekommer. Arbetet ska skapa en större förståelse för hur kunderna skiljer sig åt och därmed medföra information som kan vara till nytta för företag gällande beslutsfattning kring lokalisering och kundfokus. Detta kommer att göras genom en jämförande analys av priselasticitet och kundbeteende mellan de två butikerna. Studien grundar sig på en komparativ fallstudie med kvantitativ datainsamling för att svara på studiens syfte. Det specifika fallet som studeras är optikkedja där två av deras butiker studeras. De två analysenheterna är lokaliserade i stadskärnan respektive köpcentrum. Insamlade datamaterialet består av försäljningsrapporter från respektive butik. Beräkning av priselasticitet utifrån det insamlade datamaterialet samt info kring kunderna studeras och analyseras. Resultatet visar att kunderna i stadskärnan är mindre priskänsliga än kunderna för butiken lokaliserad i köpcentrum. Analysen kopplar detta till en skillnad i åldersgrupper hos kunderna. 15–59 år är av större andel i stadskärnan vilket är den grupp som oftast är yrkessamma och har en större köpkraft. Även större agglomeration som förekommer i köpcentrum kopplas till resultatet. Större köpkraft kunde även påvisas då de exklusivare båggrupperna såldes med större andel i stadskärnan. Studien kommer framtill att butikerna kompletterar varandra.

Product pricing is an always present issue and there are a number of different traditional pricing strategies that can be applied depending on the situation. With an increasing amount of available data, as well as new improved methods to take advantage of this information, companies are presented with the opportunity to become more data driven in their decision making. The aim of this this thesis is to examine the possibilities of using statistical machine learning methods, more specifically neural networks, to predict what effect price changes have on sales numbers, and to identify what features are of importance when making these predictions. This would allow us to use a more data driven pricing strategy. The work is done in collaboration with Kjell \& Company, a Swedish consumer electronics retailer.  The results of this thesis shows that no predictions regarding sales can be done with any meaningful accuracy using the limited features available at the time of this thesis. More work has to be done in order to identify and quantify more value contributing features. Due to the limitations of the results presented here, no conclusions can be made regarding applying neural networks for these types of problems in general, based on the results of this report. However, the author still believes that it is a promising area of research, and that with a greater domain knowledge, interesting results could be achieved using similar methods. / Prissättning är ett alltid närvarande problem, och det finns ett antal olika traditionella strategier för prissättning som kan användas beroende på situationen. I samband med att mer och mer data blir tillgänglig, samt att nya metoder som kan användas för att ta tillvara på informationen läggs fram, presenteras företag med möjligheter att bli mer datadrivna i sitt beslutsfattande. Syftet med den här rapporten är att undersöka möjligheterna att använda statiska maskininlärningsmetoder, specifikt neurala nätverk, för att förutsäga vilken påverkan prisändringar har på försäljning samt vilka faktorer som är viktiga för att kunna göra dessa förutsägningar. Detta skulle innebära att man kan en mer datadriven prisstrategi. Arbetet görs i sammarbete med Kjell \& Company, en svensk butikskedja med fokus på hemelektronik. Resultaten av det här projektet tyder inte på det går att göra förutsägningar med någon meningsfull noggrannhet med den data som var tillgänglig. Mer arbete måste göras för att identifiera och kvantifiera nya parametrar, föreslagsvis parametrar med större koppling till värdeskapande faktorer. Baserat på de begränsade resultaten från detta arbete, går det inte att dra några slutsatser angående användandet av neurala nätverk i denna typ av problem i allmänhet. Dock anser författaren att det är ett lovande område med stora möjligheter, och att man med bättre domänkunskap borde kunna få fram intressanta resultat med liknande metoder.

In 2022, food prices increased rapidly, prompting this investigation into how the price shock has impacted consumer behavior. Previous studies have found that price shocks affect low- income households with children the most. A switch to more calorie-dense food and a decreased consumption of snacks. This study aims to estimate the price elasticity of various food products and to identify how the elasticities differ among various types of households. The elasticities are calculated using OLS regression on receipt data from Coop. Results show that household variables, including income level, presence of children, shopping location, and organic product preferences, significantly impact the price elasticity of food products. Low-income households without children, living outside major cities and their suburbs, have a higher price elasticity, meaning these shoppers are more sensitive to price changes. The same tendencies were observed for all products even though the exact parameters could only be proven for a third of the products. The findings have important implications for understanding how price changes affect consumer behavior and can inform food policy decisions. / Under 2022 ökade livsmedelspriserna kraftigt, vilket inspirerade denna undersökning av hur prischocken har påverkat konsumenternas beteende. Tidigare studier visar att prischocker har störst påverkan på låginkomsthushåll med barn. Även en övergång till mer kaloririk mat och en minskad konsumption av snacks har observerats. Syftet med denna studie är att uppskatta priselasticiteten för olika livsmedel och identifiera hur elasticiteten skiljer sig åt mellan olika typer av hushåll. Elasticiteterna beräknas med hjälp av en OLS-regression på kvittodata från Coop. Resultaten visar att hushållsvariabler, inklusive inkomstnivå, barn i hushållet, varans inköpsplats och val av ekologiska produkter, påverkar priselasticiteten för livsmedel markant. Hushåll med låg inkomst utan barn, som bor utanför större städer och deras förorter, har en högre priselasticitet, vilket innebär att dessa kunder är mer priskänsliga. Samma tendenser observerades för alla produkter även om de exakta parametrarna endast kunde bevisas för en tredjedel av produkterna. Resultaten har viktiga implikationer för förståelsen av hur prisförändringar påverkar konsumentbeteenden och kan även informera livsmedelspolitiska beslut.

This master's thesis seeks to determine the price elasticity of the Swedish housing supply through a vector error-correction model. The elasticities are estimated on a municipal, county and national level using data for the period 1992-2021. Furthermore, this study aims to find key determinants to explain the regional variations of housing supply elasticities. Overall, the results obtained indicate that the price elasticity of housing supply remains relatively inelastic regardless of the level. Only a small quantity of municipalities exhibited an elastic housing supply, those were Härjedalen, Krokom and Östra Göinge. The supply elasticity was estimated to be 0.074 on a national level. On a county level the elasticities varied between -0.107 and 0.461. The responsiveness of housing supply was found to be determined by the size of population and by land use regulations such as building permits, which is in line with previous empirical studies. Neither population growth, population density, house price or local tax rate were found to be significantly correlated with the obtained supply elasticities. The results imply that the housing supply elasticity varies substantially across counties and municipalities. Moreover, the study shows that the responsiveness of housing supply to fluctuations in price is low, which can serve as a potential indicator for future development of housing prices. / Denna masteruppsats syftar till att bestämma priselasticiteten för det svenska bostadsutbudet genom en vektor error-correction model. Elasticiteterna beräknades på kommunal-, läns- och riksnivå med hjälp av data för perioden 1992-2021. Därutöver syftar denna studie till att hitta bestämningsfaktorer för att förklara de regionala variationerna i bostadsutbudets priselasticitet. Sammantaget visade de erhållna resultaten att utbudselasticiteterna till övervägande del är oelastiska oavsett nivå. Några enstaka kommuner visade på ett elastiskt bostadsutbud, däribland Härjedalen, Krokom och Östra Göinge. Utbudselasticiteten uppskattades till 0.074 på nationell nivå. På länsnivå varierade priselasticiteterna för bostadsutbudet mellan -0.107 och 0.461. Vidare har responsiviteten hos bostadsutbudet visat sig bestämmas av befolkningsmängd och av reglering av markanvändning såsom bygglov, vilket är i linje med tidigare empiriska studier. Varken befolkningstillväxt, befolkningstäthet, bostadspris eller lokal skattesats har visat sig vara signifikant korrelerade med de erhållna utbudselasticiteterna. Resultaten tyder på att bostadsutbudets elasticitet varierar kraftigt mellan län och kommuner. Dessutom visar studien att bostadsutbudets responsivitet till följd av prisfluktuationer är lågt, vilket kan fungera som en potentiell indikator för den framtida utvecklingen av bostadspriser.