AbstraktSyfte: Syftet med studien var att analysera hur företag kan förbättra förståelsen för denekonomiska lönsamheten i sina marknadsföringsaktiviteter, detta genom att undersöka hurföretag idag arbetar med att följa upp den lönsamheten av digital marknadsföring samtvilken förbättringspotential företag upplever att det finns kring sätten de arbetar på. Metod: En kvalitativ metod har genomförts i denna studie där fyra intervjuer hargenomförts med tre respondenter som arbetar med att utvärdera lönsamhet av digitalmarknadsföring. Den insamlade empirin har sedan jämförts med nuvarande teorier för attförsöka förbättra förståelsen för ämnet. Resultat: Företag använder idag främst ROAS för att mäta lönsamheten avmarknadsföring och att den data som utgör grunden för utvärderingen kommer ochbearbetas av Google och Metas AI modeller. Däremot behandlas dessa olika av företag,vilket har visat sig motsvara deras erfarenhet och expertis inom området. De mest väsentliga aspekter som uppmärksammades var förbättringen och utnyttjandet avAI och dataanalysverktyg då den är kärnan i att utvärdera lönsamheten avmarknadsföringsaktiviteterna. Respondenterna är övertygade om att AI kommer utgöra enallt större del av arbetet med att utvärdera lönsamheten med digital marknadsföring därförmågan att förstå och hantera dessa AI modeller kommer att vara viktigt för företag iframtiden.Slutsats: Studien beskriver hur företag arbetar i praktiken och bidrar till nuvarande teoriergenom att visa på områden som bekräftar och säger emot tidigare forskning. Till exempelhar studien bekräftat problemet med att kunden inte delar med sig av information på nätet,vilket styrks av litteraturen. Medan det också visat sig att företagen i studien endast harutvärderat lönsamhetsmåttet ROAS, vilket säger emot tidigare forskning. / Purpose: The purpose of the study was to analyze how companies can improve theirunderstanding of the economic profitability of their marketing activities by examining howcompanies currently work to follow up on the profitability of digital marketing, as well asthe potential for improvement that companies perceive in the ways they work. Method: A qualitative method has been employed in this study, where four interviewshave been conducted with three respondents who work on evaluating the profitability ofdigital marketing. The collected empirical data has then been compared with currenttheories in order to enhance understanding of the subject. Results: Companies today primarily use ROAS (Return on Advertising Spend) to measurethe profitability of marketing, and the data that forms the basis for evaluation is providedand processed by Google and Meta's AI models. However, these are treated differently bycompanies, which has been found to correspond to their experience and expertise in thefield. The most significant aspects that were highlighted were the improvement and utilization ofAI and data analysis tools, as they are at the core of evaluating the profitability ofmarketing activities. The respondents are convinced that AI will play an increasinglyimportant role in evaluating the profitability of digital marketing, where the ability tounderstand and manage these AI models will be crucial for companies in the future.