Sociala medier har miljontals användare och erbjuder en plattform där människor kankommunicera och interagera med varandra dagligen. I takt med att antalet användare avsociala medier ökat, har också diskriminering online blivit ett stort problem som är svår atteliminera. Diskriminering förekommer dagligen på sociala plattformar och skadar individereller grupper som utsätts för hat. Diskriminering online kan leda till allvarliga konsekvensersom kan orsaka psykisk skada. Genom en designansats syftar denna studie till att undesökahur diskreminering på sociala medier kan förebyggas. Studien inleds med en litteraturstudiedär det aktuella läget för sociala medier undersöks, och där befintliga designprinciperidentifieras. Designprinciperna eftertanke, egenmakt och empati används för att utvecklafunktioner i prototypen, designprincip helhet fungerar som en bas för prototypen. För attutvärdera studien skapades en prototyp baserad på befintliga sociala medieplattformar.Genom prototypen utvärderar vi om de implementerade funktionerna får användaren attändra sitt beteende online i hopp om att minska diskriminering online. Studien resulterade ikunskapsbidrag kring hur funktioner skapade utefter designprinciperna kan designas för attförebygga diskriminering online på ett proaktivt sätt.

The rapid growth of Internet Traffic has emerged as a major issue due to the rapid development of various network applications and Internet services. One of the challenges facing Internet Service Providers (ISPs) is to optimize the performance of their networks in the face of continuously increasing amounts of IP traffic while guaranteeing some specific Quality of Services (QoS). Therefore it is necessary for ISPs to study the traffic patterns and user behaviors in different localities, to estimate the application usage trends, and thereby to come up with solutions that can effectively, efficiently, and economically support their users’ traffic. The main objective of this thesis is to analyze and characterize traffic in a local multi-service residential IP network in Sweden (referred to in this report as “Network North”). The data about the amount of traffic was measured using a real-time traffic-monitoring tool from PacketLogic. Traffic from the monitored network to various destinations was captured and classified into 5 ring-wise locality levels in accordance with the traffic’s geographic destinations: traffic within Network North and traffic to the remainder of the North of Sweden, Sweden, Europe, and World. Parameters such as traffic patterns (e.g., traffic volume distribution, application usage, and application popularity) and user behavior (e.g., usage habits, user interests, etc.) at different geographic localities were studied in this project. As a result of a systematic and in-depth measurement and the fact that the number of content servers at the World, Europe, and Sweden levels are quite large, we recommend that an intelligent content distribution system be positioned at Level 1 localities in order to reduce the amount of duplicate traffic in the network and thereby removing this traffic load from the core network. The results of these measurements provide a temporal reference for ISPs of their present traffic and should allow them to better manage their network. However, due to certain circumstances the analysis was limited due to the set of available daily traffic traces. To provide a more trustworthy solution, a relatively longer-term, periodic, and seasonal traffic analysis could be done in the future based on the established measurement framework. / Den ökande tillväxten av Internet Trafik har blivit en viktig fråga med anledning av den snabba utvecklingen av olika internetbaserade applikationer och tjänster. En av utmaningarna för Internet leverantörerna är att optimera prestandan i sina nät inför de ständigt ökande datamängderna och samtidigt garantera kvalitet på tjänsterna (QoS). Därför är det nödvändigt för Internetleverantörer att studera trafikmönster och lokala differentierade användarbeteenden, för att uppskatta trender av nyttjande av internettjänster, och därmed komma med lösningar som effektivt och ekonomiskt stödja deras kunders trafik. Det främsta syftet med denna avhandling är att analysera och karaktärisera internettrafiken i ett lokalt IP baserat multiservicenätverk i Sverige (i denna rapport avseende "Network North"). Uppgifterna om trafikmängden mättes i realtid med ett övervakningsverktyg från PacketLogic. Trafik till och från det övervakade nätverkets olika destinationer fångades upp och delades in i 5 cirkelliknande lokaliseringsnivåer i enlighet med geografiska trafikdestinationer: trafik inom nätverket North och till resten av norra Sverige, Sverige, Europa och världen. Parametrar som trafikmönster (t.ex. distribuerad internettrafik mängd, användning av olika tjänster och applikationer med dess popularitet) och användarbeteenden (t.ex. användar-vanor och intressen, etc.) på olika geografiska lokaliseringsnivåer har studerades i inom projekt. Som ett resultat av de systematiska och djupgående internetmätningar med det faktum av det stora antalet existerande tjänsteinnehållsservrar som ofta finns placerad långt ifrån slutanvändaren, ute i världen eller i Europa som är ganska så många till antalet. Rekommenderar vi att ett intelligent tjänstedistributionssystem appliceras närmre slutanvändaren på en regional nivå, för att minska på dagens onödiga omfattande duplicerande internettrafik i nom stamnäteten. Resultaten av dessa trafikmätningar av internettrafik ger en tidsmässig referens för Internetleverantörerna av deras nuvarande trafik och bör göra det möjligt för dem att bättre hantera sin nätverksinfrastruktur. Men på grund av vissa omständigheter begränsades mätanalysen på grund av möjliga och tillgängliga tidrammar att utföra dagliga trafikmätningsuppsättningen. För att ge en mer tillförlitlig lösning kan en på en längre sikt, periodisk och säsongsbunden trafikanalys göras i framtiden, baserat på den etablerade mätinfrastrukturen.

In today’s business climate permeated by Big Data, an opportunity to drive performance lies in analysing consumer behaviour from user data. In particular for online content providers, user data is available in abundance and logged continuously. This leads to new possibilities for design and usage of metrics, as businesses can benefit from smart and timely decision-making. However, in order to profit from user data in performance measurement (PM), it is critical to identify metrics that truly guide decisions. Thus, an effective and efficient PM process is imperative. Despite its promise, Big Data’s role in PM has been scarcely researched. Research has studied user behaviour from data, for instance in the context of video or audio streaming and web search, but primarily with a focus on technical performance. In addition, the research on online content providers’ PM is fragmented, and has mainly been conducted by practitioners. Thus, the PM field needs to be updated to reflect today’s dynamic and digital business climate. Therefore, the purpose of this research was to explore how online content providers, generating a large amount of user data, work with PM, and also practically illustrate how metrics can be designed from user data. The research was carried out as a case study at an audio streaming company, but empirics was also gathered from other online content providers with the aim to increase the generalisability. The illustration of metric design was based on quantitative analysis of commuters’ in-car audio streaming. For commuters’ audio streaming it was found that suitable metrics should capture the habitual nature. Therefore engagement metrics were found to be applicable, for instance the fraction having sessions both in the morning and afternoon, and the fraction having more than one day commuting with the streaming service per week. In regard to online content providers’ PM process, this research contributes with a proposed framework, which was developed from three existing frameworks; HEART reflected as important measurement dimensions and translation of goals to metrics, OKR which sets the focus in terms of high-level goals, and design-implement-use reflected as the process’ phases. It was found that insights from user data and explicit user feedback are complementary and can arise throughout the whole process, and that mutual communication between data scientists and product managers is crucial. Further, four types of iterations were identified in the process; modifying a metric, designing new metrics, completely changing a metric, and starting new initiatives. Moreover, metrics were found to be highly context dependent. Additionally, four important aspects were identified in metric design; data availability and proxy assessment, characteristics and form of metric, metric trade-offs, and metric movement interpretation. / I dagens affärsklimat genomsyrat av Big Data finns en möjlighet att driva resultat framåt genom analys av kundbeteenden från användardata. I synnerhet för online-tjänsteföretag samlas användardata kontinuerligt och finns tillgänglig i en oerhörd mängd. Detta skapar nya möjligheter för design och användande av mätetal då företag kan utveckla smartare och snabbare beslutsfattande. För att verkligen dra fördel av användardata i prestationsmätning (PM) är det dock kritiskt att identifiera mätetal som faktiskt bistår beslutsfattande, vilket följaktligen kräver en effektiv PM-process. Trots potentialen är forskning på Big Data inom PM begränsad. Studier har analyserat kundbeteenden från användardata, exempelvis i kontexten av strömmad video eller audio och webbsökningar, men primärt med fokus på tjänstens tekniska prestanda. Vidare är forskning på PM hos online-tjänsteföretag fragmenterad, och huvudsakligen genomförd av företag inom industrin. Följaktligen bör fältet aktualiseras för att reflektera dagens digitala och dynamiska affärsklimat. Därför var syftet med denna studie att utforska hur online-tjänsteföretag, som besitter stora mängder användardata, arbetar med PM, men även praktiskt illustrera hur mätetal kan designas från denna data. Studien genomfördes som en fallstudie på ett ljud-strömningsföretag, men empiri insamlades även från andra online-tjänsteföretag med avsikt att öka generaliserbarheten. Den praktiska illustrationen av mätetals-design baserades på en kvantitativ analys av pendlares audio-strömning i bil. För pendlares audio-strömning i bil fann denna studie att lämpliga mätetal bör fånga den vanemässiga aspekten associerad med pendling. Därmed anses mätetal som reflekterar engagemang lämpliga, exempelvis andelen som har sessioner både på förmiddagen och eftermiddagen och andelen som har mer än en dag med pendlar-sessioner i veckan. Gällande PM-processen hos online-tjänsteföretag bidrar denna studie med ett föreslaget ramverk som utvecklades från tre existerande ramverk; HEART som reflekteras i form av viktiga mätetalsdimensioner samt översättning av mål till mätetal, OKR vilket sätter fokus för processen i termer av mål på högre nivå, och designa-implementera-använda som reflekterar processens faser. I studien kom det fram att insikter från användardata och explicit användaråterkoppling kompletterar varandra, och att dessa kan uppkomma under hela processen. Vidare konstaterar denna studie att ömsesidig kommunikation mellan dataforskare och produktchefer är essentiellt. Dessutom identifierades fyra typer av iterationer som kan förekomma vid användning av mätetal; modifiera mätetal, designa nya mätetal, fullständigt förändra mätetal samt påbörja nya initiativ. Därutöver kan studien konstatera att mätetal är högst kontextberoende, och att det finns fyra viktiga aspekter att ta hänsyn till i mätetals-design; data-tillgänglighet och proxy-utvärdering, karaktäristik och form på mätetal, trade-off mellan mätetal, samt tolkning av mätetals-förändringar.