Denna explorativa studie analyserar gemensamma och differentiella mönster för kommunikation och beteende hos användare i Hjälpforum. Målet med studien är att kartlägga aktiva användartyper med syfte att ge SVT kunskap om Hjälpforumets användare. Om forumadministratörer har mer kunskap om användarna i Hjälpforum kan de anpassa sin kommunikation utifrån användarnas individuella behov och öka deras förmåga att bidra med mer kvalitativ återkoppling. Detta kan i sin tur bidra till en positivare inställning och ökat förtroende hos användare i Hjälpforum. I denna studie kunde fem användartyper kartläggas i Hjälpforum med stöd av egen empiri och tidigare forskning. Nybörjare utgör främsta användartypen i Hjälpforum och SVT bör därför tillgodose deras behov för att eventuellt minska antalet nya användarinlägg. Dessutom kunde denna studie med hjälp av lämpliga databearbetningsverktyg kartlägga, en för tillfället, okänd användartyp i Hjälpforum utifrån ovanliga mönster i beteende och kommunikation vilket kan vara intressant för vidare analys. Studien presenterar förslag på hur resultatet kan användas för att skapa riktlinjer för framtida kommunikation och utveckling av Hjälpforum och SVT:s webbplats. / This exploratory study analyzes the common and differential patterns of communication and behavior of users in Help Forum. The goal of the study is to map the active user types with the aim of providing SVT knowledge of the Help Forum users. If the forum administrators have more knowledge of the users in the forum, they can adapt their communication based on the individual needs and enhance their ability to contribute more qualitative feedback. This may in turn contribute to a more positive attitude and greater confidence among users in Help Forum. In this study, five types of users could be identified in the Forum with the support of its own empirical data and previous research. Beginners are primary user type in the forum and SVT should cater to their needs in order to possibly reduce the number of new user posts. Furthermore, this study using appropriate data processing tool map, one for the moment, unknown user type in the forum by unusual patterns of behavior and communication which may be of interest for further analysis. The study presents suggestions on how the results can be used to create guidelines for future communication and development of Help Forum and SVT's website.

For the past decade, there has been many innovations made to the mobile phone and new features such as payments have been added to the mobile phone’s capabilities. East Africa is the region with the fastest uptake and highest adoption rates of mobile money in the world. Despite the success, the amount of active users of mobile money is still low in comparison to the number of registered users. The purpose of this master thesis is to analyze what mobile money providers should consider when trying to drive activity from the already registered user base. The main theoretical concept that was used is resource-based view and the analytical framework is an importance-effort matrix. The empirical study consisted of in-depth interviews with key experts and stakeholders from the mobile money industry. Most of the interviews were face-to-face interviews during a research trip to Kenya, Uganda and Tanzania. The findings were then reviewed during the Mobile Money Africa 2014 conference in South Africa. This thesis has identified a number of reasons for low user activity of the registered user base together with strategies that has the potential to tackle them. In order to drive activity, it is important for the service provider to understand and consider what that is desired and required to possess in terms of tangible, intangible and human resources to be able to successfully implement and run the identified strategies. The study concludes that tangible resources (physical and financial resources) are of great important for enabling success of most of the identified strategies whereas intangible (intellectual property, reputation and culture) and human (skills and knowledge, communication and interaction, and motivation) resources have great variance of importance. / Under det senaste decenniet har det skett många innovationer till mobiltelefonen och nya funktioner som mobilbetalningar har lagts till. Östafrika är den region med den snabbast växande adoptionen och högsta utnyttjandegraden av mobilbetalningar i världen. Trots regionens framgångar är det dock fortfarande få aktiva användare av mobilbetalningar i förhållande till antalet registrerade användare. Syftet med detta examensarbete är att analysera vad mobilbetalningsleverantörer bör tänka på när man försöker driva aktivitet från den registrerade användarbas. Det teoretiska ramverket har byggts huvudsakligen på resource-based view och den analytiska modell som används är en viktighet-instats-matris. Den empiriska studien bestod av ingående intervjuer med nyckelpersoner och intressenter från mobilbetalningsindustrin. Majoriteten av intervjuerna utfördes på plats med intervjuobjekten under en forskningsresa till Kenya, Uganda och Tanzania. Resultaten utvärderades därefter under Mobile Money Africa 2014 konferensen i Sydafrika. Denna studie har identifierat ett antal anledningar som orsakar låg användaraktivitet av den registrerade användarbasen och strategier som har möjlighet att angripa dessa anledningar. För att driva aktivitet, är det viktigt att mobilbetalningsleverantörerna förstår vad för materiella, immateriella och mänskliga resurser som är önskvärda samt krävs för att framgångsrikt kunna genomföra och driva de identifierade strategierna. I studien dras slutsatsen att materiella resurser (fysiska och finansiella resurser) är av stor betydelse för att möjliggöra framgång av de flesta identifierade strategier medan viktigheten för immateriella (immaterialrätt, rykte och kultur) och mänskliga (kompetens och kunskap, kommunikation och interaktion, och motivation) resurser varierar.

This paper aims to investigate whether or not it is possible to identify users who are about change provider of service with machine learning. It is believed that the Consumer Decision Journey is a better model than traditional funnel models when it comes to depicting the processes which consumers go through, leading up to a purchase. Analytical and operational Customer Relationship Management are presented as possible fields where such implementations can be useful. Based on previous studies, Random Forest and XGBoost were chosen as algorithms to be further evaluated because of its general high performance. The final results were produced by an iterative process which began with data processing followed by feature selection, training of model and testing the model. Literature review and unstructured and semi-structured interviews with the employer Growth Hackers Sthlm were also used as methods in a complementary fashion, with the purpose of gaining a wider perspective of the state-of-the-art of ML-implementations. The final results showed that Random Forest could identify the sought-after users (positive) while XGBoost was inferior to Random Forest in terms of distinguishing between positive and negative classes. An implementation of such model could support and benefit an organization’s customer acquisition operations. However, organizational prerequisites regarding the data infrastructure and the level of AI and machine learning integration in the organization’s culture are the most important ones and need to be considered before such implementations. / I det här arbetet undersöks huruvida det är möjligt att identifiera ett beteende bland användare som innebär att användaren snart ska byta tillhandahållare av tjänst med hjälp av maskininlärning. Målet är att kunna bidra till ett maskininlärningsverktyg i kundförvärvningssyfte, såsom analytical och operational Customer Relationship Management. Det sökta beteendet i rapporten utgår från modellen ”the Consumer Decision Journey”. I modellen beskrivs fyra faser där fas två innebär att konsumenten aktivt söker samt är mer mottaglig för information kring köpet. Genom tidigare studier och handledning av uppdragsgivare valdes algoritmerna RandomForest och XGBoost som huvudsakliga algoritmer som skulle testas. Resultaten producerades genom en iterativ process. Det första steget var att städa data. Därefter valdes parametrar och viktades. Sedan testades algoritmerna mot testdata och utvärderades. Detta gjordes i loopar tills förbättringar endast var marginella. De slutliga resultaten visade att framförallt Random Forest kunde identifiera ett beteende som innebär att en användare är i fas 2, medan XGBoost presterade sämre när det kom till att urskilja bland positiva och negativa användare. Dock fångade XGBoost fler positiva användare än vad Random Forest gjorde. I syfte att undersöka de organisatoriska förutsättningarna för att implementera maskininlärning och AI gjordes litteraturstudier och uppdragsgivaren intervjuades kontinuerligt. De viktigaste förutsättningarna fastställdes till två kategorier, datainfrastruktur och hur väl AI och maskininlärning är integrerat i organisationens kultur.