In my Master’s thesis, I want to concentrate on the problems of CRM systems. Utilization CRM is eventual solution for small enterprise in this complicated economic situation. The aim is selection and appointment the final product with the selected company and to extend and improve it further according to the client’s wishes. Efficient strategy of customer relation management is competitive advantage for each company and it's benefit for company and customer too.

The subject of my diploma thesis is to describe, analyze and quantify the impact of the European legislation on the solutions of IT support, selected processes and to propose steps to manage them. The work analyses present situation and deals with option of optimal solution at using present piece of knowledge. End of my work is go in actual procedure application IT systems, so as effectively support the company process.

This diploma thesis analyzes the current information system company AUDIT BUSINESS SERVICE Ltd. and suggestions for its improvement. The theoretical part introduces the currently used methods and trends. The practical part contains analysis and proposals for improvements, including an evaluation of costs and benefits.

This master’s thesis deals with an analysis of information system of the company DATA-Software, spol s.r.o. After evaluating the strengths and weaknesses of the system, changes will be proposed in order to increase the added value the information system generates for the company or to lower its costs while retaining the same functionality.

The main aim of this master’s thesis entitled “Communication strategy of the company” is to develop a new communication strategy for a specific business based on the results of analysis. The thesis consists of three parts, the theoretical that explains the concepts of concerning marketing and marketing communication, analytical, in which the company is introduced and subsequently analyzed and finally implementation part, where the suggestions for improvement of the communication strategy are introduced. Part of the implementation part is also the budget needed for the notions as well as economic evaluation of specific proposals.

Ett hållbart agerande har gått från att vara en trend till att bli ett måste för välfärden av framtida generationer. EU har genom sina hållbarhetsmål försökt påverka länder att bli mer klimatsmarta, vilket både företag och konsumenter är eniga om är ett orosmoment som måste förbättras. Den största konsumentgruppen i Sverige är millennials och de har ett attityd- beteende gap gentemot hållbar konsumtion. De tycker det är viktigt att konsumera hållbart men agerar inte enlighet med detta. Genom cause related marketing (CRM), kan företag influera konsumenter att stödja ett gott syfte genom konsumtion samtidigt som de själva tjänar på det. Att arbeta mot ett specifikt syfte är en trend som lär hålla i sig men det är viktigt att företag tänker igenom sin kampanj innan de marknadsför den. Tidigare studier på CRM har nämligen visat att millennials kan vara kritiska mot denna typ av marknadsföringsstrategi, men om företagen använder det på rätt sätt så kan det vara gynnsamt för både konsumenter, företag och syfte. Våra fokusområden i denna studie är hållbar konsumtion, millennials och CRM, vilka vi valt att kombinera till en frågeställningen som lyder: Hur motiveras millennials till hållbar konsumtion genom CRM? Studien syftar till att skapa en djupare förståelse för millennials motiv för hållbar konsumtion och hur CRM kan uppmuntra detta. Studien har utgått från tidigare forskning inom de två ämnesområdena hållbar konsumtion och CRM, för att sedan knytas samman genom konsumenters bakomliggande motiv. Detta sammanställdes i en teoretisk modell för hur CRM spelar in på hållbar konsumtion. Studien har en kvalitativ karaktär där åtta semi-strukturerade djupintervjuer genomfördes i kombination med projektiva tekniker. Respondenterna valdes ut genom ett bekvämlighetsurval, och den insamlade datan transkriberades för att senare kodas. En tematisk analys har genomförts för att analysera empirin, och resulterade i fyra globala teman: hållbara influenser, uppmuntran, insikt och autencitet. Resultatet visar att det framförallt är genom egoistiska motiv som millennials motiveras till hållbar konsumtion. De altruistiska motiven har också en betydande roll, men av en indirekt karaktär, medan egoistiska motiv har en direkt påverkan på köpintentionen. Dock måste millennials vara mottagliga för CRM för att överväga att köpa produkter från en CRM kampanj. Vi vill även poängtera vikten av en väl utformad kampanj, då detta kan väga upp för andra bristande faktorer. CRM har således potential att minska attityd-beteende gapet och motivera millennials till hållbar konsumtion. Slutligen diskuteras teoretiskt bidrag, praktiska rekommendationer till företag, direktioner för fortsatt forskning samt samhälleliga och etiska implikationer.

Thesis deals with the realization of complex Business Intelligence (BI) solution, which is an extension of current analytical layer of the company and also includes implementation of data warehouse, data cubes and report. The introductory part of the thesis describes theory of BI problematics, usage of data warehouse in Customer Realationship Management (CRM) and data-driven marketing. Later part describes specification of requirements, analysis of the current state of the company and own work. Microsoft tools and technologies were used for development of the solution.

The video streaming industry has grown at a rapid speed during the past decade and has becomea trending topic in regard to technological advancements. Nowadays, there are manycompetitors in the market, and it is getting harder to stand out from the competition. Furthermore, the customers are demanding more in their choice of video streaming servicesand are expecting several features and functions in order to retain the service. Electronic Customer Relationship Management (eCRM) is a tool that has been used by providers of videostreaming services in order to improve long-term customer relationships. eCRM has beenresearched before as well as implemented by many companies. However, there are stillresearch gaps in relation to a potential impact that eCRM features have on customer loyalty, aswell as a managerial need to investigate these issues further. The purpose of this thesis is to develop deeper knowledge about how pre-, at- and postpurchase features of eCRM affect the customer loyalty in the video streaming industry. Thecontext of the study was the video streaming industry as it has increased majorly in popularityover the past years and there are many features to consider in the purchasing process. Therefore,we developed a conceptual model that was based on prior research to investigate the influenceof specific features on customer loyalty. The empirical data collection was conductedconsidering the conceptual model. This study was conducted by using a qualitative methodwith semi structured interviews, the respondents consisted of active users of a streaming serviceat the age between 18 to 34 years old. By analyzing the empirical data, we could determinefeatures of eCRM that affected and did not affect customer loyalty in our study. The findings showed that all the steps of the purchase process had features that affectedcustomer loyalty. The features of pre-purchase that we found relevant to customer loyalty inour study were captivating customers, which refers to the ability to attract customers' attention. The features of captivating customers are marketing, popularity, and recommendations, andout of these features, it was popularity and recommendation that we found affecting thecustomers loyalty. The features of the second step in the purchase process, at-purchase, that wefound affecting customer loyalty in our study were assortment, price, and convenience. Assortment refers to the content and supply of the service while the price refers to how muchthe service cost. Convenience is divided into four parts, the number of profiles, active users,devices that can use the service and the ability to stream offline, all these features exceptstreaming offline were found to have an effect on customer loyalty. Post-purchase refers to astage after the purchase has been made and, in our study, we found that the feature of clientcommunication has an effect on customer loyalty. Client communication is the communicationthat accrue between company and customer.

CRM är informationsproducerande informationssystem som används av organisationer för att registrera samt hantera information om tidigare, nuvarande och potentiella kunder. Kunderna kan enkelt hitta information, recensioner och priser hos konkurrenter vilket har stärkt konsumenternas förhandlingsstyrka. Det blir därför allt viktigare för företag att inte bara skaffa nya kunder, utan också attrahera befintliga kunder för återkommande affärer och hålla befintliga kunder nöjda. Organisationer behöver komma till insikt att en framgångsrik CRM-strategi ofta inkluderar omfattande förändringar och kräver därför mycket engagemang och planering. Anställda från alla områden såsom marknadsföring, försäljning och kundtjänst kan också behöva utbildas för att få ett konsekvent kundfokus som värdesätter kundservice och nöjdhet. Tidigare studier har undersökt hur CRM som informationssystem påverkar anställdas roller och aktiviteter i organisationer. Denna fallstudie undersöker förändring av arbetssystem, aktörsroller och aktiviteter vid utveckling av CRM samt faktorer som leder till förändring. En kvalitativ forskningsstrategi antogs som grundläggande metod för denna fallstudie. Det studerade fallet utgörs av en nordisk företagskoncern i småhusbranschen och empirin som fallstudien bygger på har samlats in via sju semistrukturerade intervjuer. Studiens resultat utifrån empiri och analys visar på att arbetssystem, aktörsroller och aktiviteter förändras vid utveckling av CRM. Stöd från ledning, anpassade utbildningar och viss grad av tvång var några faktorer som identifierades att ha stor påverkan på arbetssystem, aktörsroller och aktiviteter vid utveckling av CRM. / CRM is an information-producing information system used by organizations to register and manage information about past, present and potential customers. Customers can easily find information, reviews, and prices from competitors, which has strengthened consumers' bargaining power. It is therefore becoming increasingly important for companies to not only generate new customers, but also attract existing customers for recurring business and keep existing customers happy. Organizations need to realize that a successful CRM-strategy often involves extensive change and therefore requires a lot of commitment and planning. Employees from all areas such as marketing, sales and customer service may also need to be trained to have a consistent customer focus that values ​​customer service and satisfaction. Previous studies have examined how CRM as an information system affects employees' roles and activities in organizations. This case study examines changes in work systems, actor roles and activities in the development of CRM as well as factors that lead to change. A qualitative research strategy was adopted as the method for this case study. The case studied consists of a Nordic corporate group in the detached house industry and the empirical data on which the case study is based has been collected via seven semi-structured interviews. The results of the study based on empirical data and analysis show that work systems, actor roles and activities change in the development of a CRM. Support from management, adapted training and a certain degree of enforcement were some factors that were identified to have a major impact on work systems, actor roles and activities in the development of CRM.

This thesis explores the application of machine learning 8ml9 techniques in customer classification and their intergration into customer relationship management (CRM) systems within the corporate insurance industry. The research aims to address the gap in the use of AI-CRM for the corporate insurance industry. It was conducted as a case study at a Swedish insurance broker company. The study leveraged external data sources to create a data seet on customer information. The feature selection process included Variance Influence Factor (VIF) to remove collinearity and then Mutual Class Info and Random Forest, which are methods used to find which independent variables affect the dependent variable the most. Also, Recursive Feature Testing was applied to find the best feature combinations. Four different binary classification models were implemented and compared - Decision Tree, Random Forest, Support Vector Machine, and Artificial Neural Network. Note that Random Forest can be used both for feature selection and classification. The models were tested on four different feature combinations and evaluated using Accuracy, Recall, Precision, F1-score, and ROC-AUC. The study further conducted interviews at the partner company to evaluate their current CRM system. The findings show that ML-based customer classification can be leveraged to effectivize the customer acquisition process for corporate insurance. The Support Vector Machine model achieved the highest accuracy, at 80%. Depending on the avaliable data and the use of metrics, different classifiers had the best performance. The study also found that when implementing classification into AI-CRM, the specific requirements at the company need to be examined. This study found it important to conersider the data procurement process, the current customer acquisition process, the risks associated with misclassification, and present bias. The findings of this study have theoretical implications for the implementation of AI-CRM for customer acqusition. It demonstrates the practical benefits of intergrating machine learning techniques into CRM systems, emphasizing the effectiveness of AI-CRM for customer classification. Further, by comparing different classification models and evaluating their performance, the study enhances the theoretical understanding of model selection for customer classification tasks in this specific domain. Additionally, the research provides insights into effective feature selection methods, aiding researchers and practitioners in extracting relevant variables for customer classification. / Denna studie utforskar tillämpningen av maskininlärning (ML) inom kundklassificering och dess intergration i kundrelationssystem (CRM) inom företagsförsäkringsbranschen. Forskningen syftar till att fylla kunskapsluckan inom användningen av AI-CRM inom företagsförsäkringsbranschen. Studien genomfördes som en fallstudie på ett svenskt försäkringsmäklarföretag. Studien utnyttjade externa datakällor för att skapa en dataset av kundinformation. Processen för val av variabler inkluderade Variance Influence Factor (VIF) för att ta bort kollinearitet och sedan Mutual Class Info och Random Forest, som är metoder som användsför att hitta vilka oberoende variabler som påverkar den beroende variabeln mest. Dessutom användes Recursive Feature Testing för att hitta de bästa kombinationerna av funktioner. Fyra olika binära klassificeringsmodeller implementerades och jämfördes- Decision Tree, Random Forest, Support Vector Machine och Artificial Neural Network. Observera att Random Forest kan användas både för val av funktioner och klassificering. Modellerna testades med fyra olika kombinationer av variabler och utvärderades med hjälp av Accuracy Recall, Precision, F1-score och ROC-AUC. Studien genomförde även intervjuer på partnerföretaget för att utvärdera deras nuvarande CRM-system. Resultaten visar att ML-baserad kundklassificering kan användas för att effektivisera processen för kundanskaffning inom företagsförsäkring.  Support Vector Machine-modellen uppnådde högst accuracy, 80%. Beroende på tillgängliga data och användning av evalueringsmått hade olika klassificerade bäst prestanda. Studien fann också att vid implementering av klassificering i AI-CRM måste de specifika kraven på företaget undersökas. Denna studie fann det viktigt att beakta processen för dataanskaffning, den nuvarande processen för kundanskaffning, riskerna med felklassificering och nuvarande partiskhet. Resultaten av denna studie har teoretiska implikationer för implementeringen av AI-CRM för kundanskaffning. Den visar på de praktiska fördelarna med att integrera maskininlärningstekniker i CRM-system och betonar effektiviteten hos AI-CRM för kundklassificering. Dessutom förbättrar studien den teoretiska förståelsen för val av modeller för kundklassificeringsuppgifter i det specifika domänet genom att jämföra olika klassificeringsmodeller och utvärdera deras prestanda. Studien ger också insikter om effektiva metoder för val av variabler och hjälper forskare och utövare att extrahera relevanta variabler för kundklassificering.