Radiograph examinations play a critical role in various applications such as the detection of bone pathologies and lung cancer, despite the challenge of false negatives. The integration of Artificial Intelligence (AI) holds promise in enhancing image quality and assisting radiologists in their diagnostic processes. However, the scarcity of annotated high-quality data poses a significant hurdle in training AI models effectively. In this thesis, we propose a method for training deep learning models using synthetic data to achieve segmentation of X-ray images. Realistic, simulated, images were generated, enabling segmentation of anatomical structures, including the spine, ribs, scapula, clavicle, and lungs, on a test set comprised of other simulated images. The foremost emphasize was placed on the segmentation of the spine, where we obtained a Dice score of 0.87. Significant advancements have also been made in the application of the model to real clinical images, demonstrating successful segmentation in certain instances. Further generalization of the model opens up numerous avenues for future exploration of deep learning in radiography. / Röntgenundersökningar har en avgörande roll inom flera områden, såsom detektering av bensjukdomar och lungcancer, trots en stor andel falska negativa resultat. Artificiell intelligens (AI) är ett lovande verktyg för att förbättra bildkvaliteten och underlätta radiologers arbete att diagnostisera patienter. Det är dock en brist på högkvalitativ, annoterad, data, vilket är ett signifikant hinder för effektiv träning av AI-modeller.  I detta arbete presenteras en metod för att träna djupinlärningsmodeller med hjälp av syntetisk data för att segmentera anatomier på röntgenbilder. Realistiska, simulerade, bilder genererades och möjliggjorde segmentering av ryggrad, revben, skulderblad, nyckelben och lungor på ett testset bestående av andra simulerade bilder. Störst vikt lades på segmentering av ryggrad, där ett Dice-resultat på 0.87 uppnåddes. Betydande framsteg har också gjorts i tillämpningen av modellen till verkliga kliniska bilder och lyckade segmenteringar åstadkoms i vissa exempel.  Ytterligare generalisering av modellen skulle öppna upp många möjligheter att undersöka användning av djupinlärning för röntgenbilder.

The purpose of this bachelor thesis is to investigate how different variables impact voice and data traffic for a telecom operator that operates in an undisclosed Sub-Saharan African country. The data has been provided by said company. The models, generated by using multivariate linear regression analysis, have a high explanatory power, as evidenced by high coefficients of determination. However, it is important to recognize the persistence of certain systematic issues, which are most likely due to the absence of key explanatory variables. Addressing these limitations in future research efforts will lead to a more comprehensive understanding of the subject and more robust findings to determine which factors drive voice and data traffic. In the report, the telecommunication sites are segmented based on generated income. Two segmentation models were created to categorize sites based on their data and voice revenue quartiles. A color matrix was used to depict the results. The hypothesis that nearby sites are more likely to perform similarly was tested using a quartile-based scoring method. The regression analysis uncovered significant variables and revealed information about the relationship between various factors and data and voice traffic. The regression residuals were analyzed using qualitative cluster analysis, which revealed distinct clustering patterns. Overall, the study provides useful insights into data and voice traffic segmentation and performance analysis in the analyzed region. / Syftet med detta kandidatarbete är att undersöka hur olika variabler påverkar röst- och datatrafik för en telekom-operatör som är verksam i ett Subsahariskt afrikanskt land. Studien använder sig av linjär regressionsanalys för att utveckla modeller som visar med en bra förklaringsgrad. Förklaringsgraden visas genom höga determinationskoefficienter. Men, trots ett bra resultat är det viktigt att ta hänsyn till systematiska problem hos modellerna. problemen beror troligtvis på att viktiga förklarande variabler saknas i datan. Framtida forskningsinsatse bör därför sträva efter att åtgärda dessa begränsningar, och på så sätt uppnå en mer omfattande förståelse av ämnet och mer korrekt resultat. I rapporten segmenteras telekommunikationsmasterna baserat på genererad inkomst. Två segmenteringsmodeller har utvecklats för att kategorisera masterna enligt deras kvartiler för data- och röstintäkter. Resultaten visas visuellt med hjälp av en färgmatris. Dessutom prövades hypotesen att närliggande master uppvisar liknande prestanda med hjälp av en kvartilsbaserad poängmetod. Regressionsanalysen identifierar signifikanta variabler och ger insikter i relationen mellan olika faktorer mellan data- och rösttrafik. Vidare upptäcks, via kvalitativ klusteranalys av regressionsresterna, tydliga klustringsmönster i resultatet. Sammantaget ger denna studie värdefulla insikter i data- och rösttrafiksegmentering samt prestandaanalys i den analyserade regionen.

Training deep-learning networks to segment a particular region of interest (ROI) in 3D medical acquisitions (also called volumes) usually requires annotating a lot of data upstream because of the predominant fully supervised nature of the existing stateof-the-art models. To alleviate this annotation burden for medical experts and the associated cost, leveraging self-learning models, whose strength lies in their ability to be trained with unlabeled data, is a natural and straightforward approach. This work thus investigates a self-supervised model (called “self-learning” in this study) to segment the liver as a whole in medical acquisitions, which is very valuable for doctors as it provides insights for improved patient care. The self-learning pipeline utilizes only a single-slice (or a few-slice) groundtruth annotation to propagate the annotation iteratively in 3D and predict the complete segmentation mask for the entire volume. The segmentation accuracy of the tested models is evaluated using the Dice score, a metric commonly employed for this task. Conducting this study on Computed Tomography (CT) acquisitions to annotate the liver, the initial implementation of the self-learning framework achieved a segmentation accuracy of 0.86 Dice score. Improvements were explored to address the drifting of the mask propagation, which eventually proved to be of limited benefits. The proposed method was then compared to the fully supervised nnU-Net baseline, the state-of-the-art deep-learning model for medical image segmentation, using fully 3D ground-truth (Dice score ∼ 0.96). The final framework was assessed as an annotation tool. This was done by evaluating the segmentation accuracy of the state-of-the-art nnU-Net trained with annotation predicted by the self-learning pipeline for a given expert annotation budget. While the self-learning framework did not generate accurate enough annotation from a single slice annotation yielding an average Dice score of ∼ 0.85, it demonstrated encouraging results when two ground-truth slice annotations per volume were provided for the same annotation budget (Dice score of ∼ 0.90). / Att träna djupinlärningsnätverk för att segmentera en viss region av intresse (ROI) i medicinska 3D-bilder (även kallade volymer) kräver vanligtvis att en stor mängd data kommenteras uppströms på grund av den dominerande helt övervakade karaktären hos de befintliga toppmoderna modellerna. För att minska annoteringsbördan för medicinska experter samt den associerade kostnaden är det naturligt och enkelt att utnyttja självlärande modeller, vars styrka ligger i förmågan att tränas med omärkta data. Detta arbete undersöker således en självövervakad modell (“kallas ”självlärande” i denna studie) för att segmentera levern som helhet i medicinska skanningar, vilket är mycket värdefullt för läkare eftersom det ger insikter för förbättrad patientvård. Den självlärande pipelinen använder endast en enda skiva (eller några få skivor) för att sprida annotationen iterativt i 3D och förutsäga den fullständiga segmenteringsmasken för hela volymen. Segmenteringsnoggrannheten hos de testade modellerna utvärderas med hjälp av Dice-poängen, ett mått som vanligtvis används för denna uppgift. Vid genomförandet av denna studie på CT-förvärv för att annotera levern uppnådde den initiala implementeringen av det självlärande ramverket en segmenteringsnoggrannhet på 0,86 Dice-poäng. Förbättringar undersöktes för att hantera driften av maskutbredningen, vilket så småningom visade sig ha begränsade fördelar. Den föreslagna metoden jämfördes sedan med den helt övervakade nnU-Net-baslinjen, den toppmoderna djupinlärningsmodellen för medicinsk bildsegmentering, med hjälp av helt 3D-baserad sanning (Dice-poäng ∼ 0, 96). Det slutliga ramverket bedömdes som ett annoteringsverktyg. Detta gjordes genom att utvärdera segmenteringsnoggrannheten hos det toppmoderna nnU-Net som tränats med annotering som förutspåtts av den självlärande pipelinen för en given budget för expertannotering. Det självlärande ramverket genererade inte tillräckligt noggranna annoteringar från baserat på endast en snittannotering och resulterade i en genomsnittlig Dice-poäng på ∼ 0, 85, men uppvisade uppmuntrande resultat när två verkliga snittannoteringar per volym tillhandahölls för samma anteckningsbudget (Dice-poäng på ∼ 0, 90).

Hårdnande konkurrens i en globaliserad och teknologidriven arbetsmarknad föranleder ökade krav på flexibla affärsmodeller för allt fler arbetsgivare. Atypisk arbetskraft används som en reserv för att möta marknadens fluktuerande behov och som en buffert för fast anställda vilket förklaras ge upphov till ojämlika arbetsförhållanden och segmentering av arbetskraften i ”insiders” och ”outsiders”. Denna studie ämnar bidra till att fylla den kunskapslucka som finns avseende flexibilisering i den svenska arbetsmarknaden genom att studera skillnader i arbetstillfredsställelse mellan fast och atypiskt anställda och därtill den medierande effekten av lön och arbetsotrygghet. Studien utgår från Dual Labor Market Theory vilken dikotomiserar arbetsmarknaden i ett primärt och sekundärt segment med starka institutionella barriärer emellan. Arne Kallebergs teori om arbetsbelöningar utgör utgångspunkt för studiens teoretisering och operationalisering av arbetstillfredsställelse. Datamaterialet baseras på den sjätte europeiska undersökningen om arbetsvillkor, EWCS6, 2015. Analysen utgår från totalt 807 anställda män och kvinnor mellan 18–65 år som vid datainsamlingstillfället var folkbokförda i Sverige. Med bivariata analyser visas att atypiskt anställda har lägre lön och upplever en högre arbetsotrygghet än fast anställda. Genom enkel och multipel regressionsanalys visas att atypisk anställning är negativt associerat med arbetstillfredsställelse och att lön medierar det negativa sambandet. Resultaten går i linje med tidigare forskning som visat negativ inverkan av atypisk anställning på arbetstillfredsställelse och lön samt ger stöd åt Dual Labor Market Theory genom att påvisa strukturella komponenters betydelse i sammanhanget. Otrygghet i arbetet visas ha svag inverkan på arbetstillfredsställelse och obefintlig medierande effekt på sambandet mellan atypisk anställning och arbetstillfredsställelse vilket strider mot tidigare forskningsresultat och diskuteras med hänsyn till det ekonomiska skyddsnät som innefattas i svensk socialpolitik däribland A-kassa, socialbidrag och statligt finansierade basutgifter.

This thesis project evaluates and compares different deep learning based segmentation tools for acquiring 3D segmentations of mitochondria. These segmentations could then hopefully be used in the future to quantify the mitochondria dynamics, which is vital for the survival of human cells. Four different models were evaluated and compared using the metrices Intersection over Union (IoU) and Dice, and a measurement of the quantity and area of the segmented mitochondria. The four different models were from the Fiji U-Net plugin, MitoSegNet, EmbedSeg 2D and EmbedSeg 3D. The data used was microscopic images of transfected MDCKII cells taken using a Lattice light-sheet microscope. Processing of the data was done in Fiji, which included manual annotation of the images in order to acquire ground truth segmentations. The results showed that the most suited model for this task was the model from the Fiji U-Net plugin. The other models also generated adequate segmentations, but could not adapt to images from a different cell. It was also concluded that stacking together 2D segmentations in order to achieve a 3D segmentations was successful. / Detta examensarbete utvärderar och jämför olika djupinlärningsbaserade segmenteringsverktyg för att få 3D-segmenteringar av mitokondrier. Dessa segmenteringar kan sedan förhoppningsvis användas i framtiden för att kvantifiera mitokondriernas dynamik, vilken är avgörande för de mänskliga cellernas överlevnad. Fyra olika modeller utvärderades och jämfördes med hjälp av måtten IoU och Dice, samt en mätning av kvantiteten och arean av de segmenterade mitokondrierna. De fyra olika modellerna var från en Fiji U-Net-plugin, MitoSegNet, EmbedSeg 2D och EmbedSeg 3D. Datan som användes var mikroskopbilder av transfekterade MDCKII-celler tagna med ett Lattice light-sheet mikroskop. Processeringen av datan gjordes i Fiji, som inkluderade manuell annotering av bilderna för att få ground truth segmenteringar. Resultaten visade att modellen som var bäst lämpad för denna uppgift var modellen från Fiji U-Net-pluginen. De andra modellerna genererade också adekvata segmenteringar, men kunde inte anpassa sig till bilder av en annan cell. En slutsats var också att stapla samman 2D-segmenteringar för att få 3D-segmenteringar var en lyckad metod.

Social media are online accommodations where users can interact with other users, which has become a phenomenon that has grown and completely exploded over the past decade. Companies are well aware of this and has invested a large amount of resources in order to establish a better contact with their customers. Companies have several different fields of applications with social media such as gathering information, promotion, communicating with customers and reach out to desired audience effectively. Millennials are the generation who most frequently use social media and also grown up during the phenomenon's development. Previous research has shown that companies have had difficulties in reaching out to the millennial generation. This thesis purpose is to gain a deeper understanding of how companies can use social media to facilitate the segmentation process and effectively reach out to the millennial generation. Therefor two research questions have been established. The two research questions have been answered with assistance from relevant theory and research in the subject area. A case study was applied for the study, where the data was gathered from two focus groups discussing the social media platform Facebook. Each focus group consisted of eight participants within the millennial generation containing basic knowledge in marketing. The study’s result indicates millennials to follow (and thereby self-segment themselves) influential profiles they have a personal interest towards. However, Facebook is not the platform where the millennials follow these profiles. The study also indicates the best way to capture millennials interest on Facebook is through short, humorous videos with an interest capturing beginning. The study’s results also show millennia’s have a low interest in interacting with companies on Facebook. / Sociala medier är onlineplatser där personer kan interagera med varandra. Detta fenomen har vuxit i en accelererande fart under de senaste decenniet och fångat stort intresse hos företag som lägger massiva resurser på att få en bättre kontakt med sina kunder. Företag har åtskilda användningsområden av sociala medier, som till exempel att samla kundinformation, marknadsföra sig, kommunicera med kunder och att nå ut till en önskad målgrupp. Millennials är den generationen som flitigast använder sociala medier och har växt upp under fenomenets utveckling. Tidigare forskning visar att företag har haft svårigheter med att nå ut till millennial generationen. Denna uppsats syfte är därför att ge en djupare förståelse om hur företag kan använda sig av sociala medier för att förenkla segmenteringsprocessen och nå ut till millennial generationen. För att få en djupare förståelse inom område, har vi formulerat två forskningsfrågor. Forskningsfrågorna har i sin tur blivit besvarade med ståndpunkt i relevant teori och forskning inom området. Studien utfördes som en fallstudie, där informationen samlades in från två fokusgrupper som diskuterade Facebook. Vardera fokusgrupp bestod av åtta deltager inom millennial generationen, med grundläggande marknadsförings kunskaper. Studiens resultat indikerar på att millennial generationen följer (och där igenom själv-segmenterar sig själva) inflytande profiler de finner ett personligt intresse för. Dock är Facebook inte den plattform de använder för att följa dessa profiler. Vidare indikerar studien att det bästa sättet att fånga millennial generationens intresse är genom en kort, roligt video, där något intressant händer under de första sekunderna. Studiens resultat visar även att millennial generation inte har något större intresse av att interagera med företag på Facebook.

För att få en tydlig bild av en marknad använder företag sig av segmenteringstekniker för att dela upp konsumenter i olika segment med målet att kunna precisera sina marknadsföringsåtgärder och optimera sina försäljningsutsikter. I dagens globaliserade multikanalsamhälle suddas landsgränser ständigt ut, vilket skapar ett behov för företag att istället identifiera regionala marknader. Genom att karlägga regioner är det möjligt att röna ut om det även inom ett land kan finnas skillnader i attityder till olika varumärken. Kombinationen av geografisk, demografisk och psykografisk segmentering möjliggör för företag att inte enbart se vilken ålder konsumenter har eller vilken stad de bor i, utan även vilken typ av attityd de har gentemot en viss produkt eller ett varumärke.Studien syftar till att ta reda om det finns regionala skillnader i varumärkesattityder i Sverige samt vad attityderna grundar sig i. I form av en studie över tre geografiskt skilda områden i Sverige, där 239 respondenter medverkade i strukturerade intervjuer undersöktes om varumärkesattityder kan skilja sig åt i de olika regionerna. Vidare medverkade 6 personer i mer djupgående semistrukturerade intervjuer där kvalitativ information rörande skapande och förändring av varumärkesattityder kunnat inhämtas. Studien behandlar varumärkesattityder gentemot fallföretaget 8848 Altitude som är ett producerande företag med fokus på utrustning och konfektion för alpinsport. Det insamlade materialet analyserades med hjälp av ett antal teorier om segmentering, attityder och tribes.Studiens resultat visar på att det finns skillnader i varumärkesattityder över de olika regionerna i Sverige. Resultatet visar även att det inte enbart är geografisk och demografisk tillhörighet som avgör vilken attityd en konsument har gentemot ett varumärke. Däremot, helt oberoende av geografisk tillhörighet, är det möjligt att utröna data över en grupp respondenter som har likvärdig konsumtion, värderingar och användande av produkter vilket kan benämnas vid en tribe. Studiens slutsats menar att tribal tillhörighet är en aspekt som kan vara ett fördelaktigt tillägg i psykografisk segmentering. Genom att studera en eventuell tribe kan ett företag se vilka värden som länkar samman produkten med konsumenten och således precisera sin marknadsföring. / Program: Civilekonomprogrammet

Purpose: The purpose of this paper to analyze whether there is any connection between the brand identity of four Swedish fashion companies and their lack of a comprehensive size range for women.  Both primary and secondary data has been the basis of this paper. A theoretical framework using brand identity and STP models was created with the help of secondary data.  Limitations: The choice to investigate four case companies limits the ability to generalize the results. In order to reach a comprehensive industry understanding, additional case companies would be needed.   Method: The study is based on deductive approach with qualitative research. In the deductive approach, the researcher uses existing theoretical models within brand identity and the STP process to help analyze the empirical data and draw conclusions.   Results: The results show that the cost of producing a narrower range of clothing is the main reason why the companies do not offer larger clothing sizes for women. The second factor, according to three of the four companies, is that it is technically difficulty to simply increase the size of clothing, and would require specialist knowledge to adapt the designs. Two of the four companies see some connection between brand identity and the lack of a comprehensive size range, but view this not as a decisive factor but rather, an influencing factor. / Syfte: Syftet med uppsatsen är att utifrån fyra svenska modebolags perspektiv analysera om det finns något samband mellan deras varumärkesidentitet och dess avsaknad av heltäckande storleksutbud för kvinnor. Både primär och sekundär data har legat till grund för denna studie. Med hjälp av sekundära data har den teoretiska referensramen, som använder varumärkesidentitet och STP-modellen, skapats.   Avgränsning: Valet att undersöka fyra fallföretag utgör ingen generaliserbarhet. För det behövs undersökning av ytterligare flera fallföretag genomföras. På så sätt kan en generell branschförståelse fås.   Metod: Studien utgår från en deduktiv ansats med en kvalitativ forskningsmetod. I den deduktiva ansatsen kommer forskaren använda sig av befintliga teoretiska modeller inom varumärkesidentitet och STP processen som hjälp för att analysera data i empirin och dra slutsatser.   Resultat: För de undersökta bolagen visar resultatet att kostnaden för produktion av mindre klädvolymer är den främsta anledningen till det avvägande man gjort om att inte erbjuda större klädstorlekar till kvinnor. Den andra faktorn är enligt tre av fyra bolag att man ser en svårighet designtekniskt att bara öka upp storleken vilket gör att det krävs specialistkunskap för att hantera större kläddesign. Sen ser två av fyra bolag ett visst samband mellan varumärkesidentiteten och det bristande heltäckande storleksutbudet, inte som en avgörande faktor men som en påverkande faktor.

Within the timber industry the processing of sawn wood boards must be done in the right way to ensure that the product fulfills the requirements. Correct processing is crucial for wooden structures consisting of these will live up to their expectations. How the mounting of the board in wooden structures is performed to obtain satisfactory results is depending on how it is physically cupped. Due to this a curvature measuring device is used in the timber industry to detect how a sawn board is physically cupped. After detection, a proper processing can be performed to give a satisfactory product. The Swedish company Nolyx AB currently uses a curvature measuring device consisting of a smart camera with the task of taking a digital picture of the board end grain to determine its cupping. The smart camera currently has deficiencies that this work will investigate. The deficiencies are that the smart camera’s processing of images with certain properties do not give satisfactory results. The algorithms lack the robustness needed to cope with the variations of the item that might arise in the process. The desire of this study is that the smart cameras correctness in terms of variations in the object will increase, leading to financial gains for the company Nolyx AB and increased utilization of raw material for their customers. The result of this work is an algorithm that incrementally extracts and identifies the growth rings in the end grain of the board. The correctness of the image processing in this study is 82%, which is 22% higher compared to the smart camera. / Inom träindustrin måste bearbetning av sågade träbrädor ske på rätt sätt för att produkten skall uppfylla kraven. En korrekt bearbetning är avgörande för att träkonstruktioner bestående av dessa ska leva upp till sina förväntningar. Hur monteringen av brädan vid byggnation av träkonstruktioner utförs för att erhålla tillfredställande resultat beror på hur den fysiskt är kupad. På grund av detta används kupmätare inom träindustrin för att detektera brädans fysiska kupning. Efter detektering kan en korrekt bearbetning utföras vilket ger en tillfredsställande produkt. Företaget Nolyx AB använder idag en kupmätare som består av en smartkamera vars uppgift är att ta en digital bild av brädans ändträ för att avgöra dess kupning. Kupmätaren har idag brister som detta arbete skall angripa. Nämligen att smartkamerans behandling av bilder med vissa egenskaper inte ger tillfredsställande resultat. Algoritmerna saknar den robusthet som krävs för att klara de variationer på objektet som kan uppkomma i processen. Önskan med denna studie är att smartkamerans felfrihet vad gäller variationer i objektet ska öka, vilket leder till ekonomiska vinster för företaget Nolyx AB och ökat utnyttjande av råvaran för sina kunder. Resultatet av det här arbetet är en algoritm som stegvis extraherar och identifierar årsringarnas struktur. Felfriheten för bildbehandlingen i denna studie är 82 % vilket är 22 % högre jämfört med smartkameran.

Ett av de mest omtalade fenomenen de senaste åren har varit den snabba utvecklingen av digitala medier och sociala nätverk. Teknologin har utvecklats från att ha varit något som användes ibland och var till för arbete och underhållning, till att vara en stor del av livet och för vissa en nödvändighet. De nya medierna och sociala nätverken är idag en stor del av mångas vardag och påverkar hur vi tar in information, kommunicerar och utrycker våra tankar och idéer. Under de senaste åren har allt fler organisationer valt att ta in sociala medier i sin marknadsföringsstrategi och organisationerna har företagsprofiler på bland annat Facebook och YouTube för att kommunicera med kunderna. Yngre generationer har växt upp med tekniken och sociala medier vilket är en resa som äldre inte har följt med på och därför är en vanlig uppfattning idag att endast yngre generationer använder sig av de nya mediekanalerna. Uppsatsen behandlar det här ämnet och problemformuleringen lyder: Sker det en automatisk segmentering när organisationer väljer sociala medier som kommunikationskanal? Syftet med uppsatsen är att utforska om fördomen att endast yngre målgrupper nås genom sociala medier stämmer och om det sker en automatisk segmentering mot en ung målgrupp när organisationer väljer nya mediekanaler som kommunikationskanal.Uppsatsens undersökningsdesign är en fallstudie där Hemtex är uppsatsens fallföretag. För att få fram relevanta resultat i vår undersökning har en förstudie om hur Hemtex arbetar med sina sociala mediekanaler utförts. Vi har även intervjuat två experter inom sociala och digitala medier samt genomfört en skrivbordsundersökning där fokus har varit att få fram information och statistik om mediebeteende och sociala mediers utveckling. Uppsatsens resultat inom Internetanvändning och användning av sociala medier visar att det är en större andel unga än äldre som använder sig av kanalerna. Sett till statistiken som vi har haft att tillgå stämmer det alltså att det sker en automatisk segmentering till unga målgrupper när organisationer använder sig av sociala medier som kommunikationskanal. Dock sker utvecklingen inom sociala medier snabbt och undersökningens resultat visar att vissa äldre åldersgrupper ökar sin närvaro på kanalerna, vilket gör att studiens resultat kan ha begränsad tillämplighet tidsmässigt.A well mentioned phenomenon in recent years has been the rapid development of digital media and social networks. The technology has evolved from being something that was used occasionally for work and entertainment to become a necessity. The new media and networks are now an important part of many people's daily lives and affects how we absorb information, communicate and express our thoughts and ideas. In recent years more and more organizations have chosen to adopt social media as a part of their marketing strategy and business organizations have created company profiles on for example Facebook and YouTube to communicate with customers. Younger generations have grown up with technology and social media which is a journey that older has not been involved in. A perception many organizations have today is that only the younger generations use the different digital media channels. The essay deals with this subject and our definition of the problem is: when using social media as a communication channel, will the organization obtain an automatic segmentation? The purpose of this paper is to explore whether the prejudice that only younger audiences are reached through social media and if there is an automatic segmentation to a young audience when organizations choose new media channels to communicate. In this essay we use Hemtex as a case company. In order to obtain the relevant results of our investigation, a pilot study on how companies in the home textile industry is working with their social media channels is performed, three interviews with experts in social and digital media are implemented, and a desk study carried out where the focus has been to obtain information and data about media behaviour and social media development. The essay presents results in Internet usage and the social media usage, which shows that there is a higher proportion of younger people than older people who use the channels. As shown in the statistics that we have had available, it is true that there is an automatic segmentation to young audiences when an organization uses social media as a communication channel. However, the development in social media is rapid and the results of the essay show that certain groups of older people are increasing their presence on the social media channels. This shows that the results found in the study may have limited applicability in the future. The essay is presented in Swedish. / Program: Textilekonomutbildningen