Denna uppsats syftar till att utforska äldres relation till strömningstjänster och designens inverkan på deras användande. Mot en bakgrund av nya lagar gällande offentlig tillgänglighetsanpassning intresserar sig uppsatsen för hur tillgänglighetsanpassningen ser ut i strömningstjänster. Ur ett tillgänglighetsperspektiv undersöks äldres attityder till och problem med strömningstjänster för att för att kunna ge förslag på hur tillgänglighetsarbetet kan förändras eller förbättras. Genom intervjuer framkommer det att en stor del av den problematiken som de äldre upplever inte beror strikt på den grafiska designen, utan problematiken är bredare och berör saker som språkanvändning i tjänsterna, krångliga supportsamtal och en rädsla att göra fel. Som förslag på att åtgärda problemen efterlyses en breddad designroll som utgår från en helhet baserad på sambanden mellan visuella och icke-visuella komponenter för att på så vis verka för att göra digitala tjänster mer tillgängliga för äldre människor i samhället.

Netflix and other streaming services have grown immensely since they started offering online streaming. In this paper I present a correlation matrix using ticket sales at the domestic box office and the number of Netflix subscribers. They are shown to be negatively correlated with one another, supporting many previous researchers’ thoughts on the topic. I also show using two OLS regressions with data from movies released in 2006-2007 and 2017-2018 that being a part of a franchise has a stronger correlation with increased revenue in the latter model compared to the previous one. In the models one can also see that the general quality of a movie, as measured by IMDb rating, is associated with a higher increase in revenue in the latter model. I argue that this is due to consumers being inclined to watch what they perceive to be high-quality movies in the theaters in the latter model as they can conveniently watch movies of a poorer quality on their streaming service, an option that was not available to the same extent previously. I also argue that consumers are more willing to commit to going to the cinema for a franchise movie, especially in the Marvel cinematic universe, as they are often effects driven movies which are better experienced on a large screen. The budget variable is significant in both models, but the coefficient is much smaller in the second model. I argue that this is due to the fact that a higher budget is required for movies released in 2017-2018 to maintain the same level of revenue as in 2006 and 2007 due to the competition that have come from streaming services. However, I conclude that more research is necessary before drawing definite conclusions as the market for cinema is highly uncertain and difficult to estimate accurately.

Providers of online services have witnessed a rapid growth of their user base in the last few years. The phenomenon has attracted an increasing number of competitors determined on obtaining their own share of the market. In this context, the cost of attracting new customers has increased significantly, raising the importance of retaining existing clients. Therefore, it has become progressively more important for the companies to improve user experience and ensure they keep a larger share of their users active in consuming their product. Companies are thus compelled to build tools that can identify what prompts customers to stay and also identify the users intent on abandoning the service. The focus of this thesis is to address the problem of predicting user abandonment, also known as "churn", and also detecting motives for user retention on data provided by an online streaming service. Classical models like logistic regression and random forests have been used to predict the churn probability of a customer with a fair amount of precision in the past, commonly by aggregating all known information about a user over a time period into a unique data point. On the other hand, recurrent neural networks, especially the long short-term memory (LSTM) variant, have shown impressive results for other domains like speech recognition and video classification, where the data is treated as a sequence instead. This thesis investigates how LSTM models perform for the task of predicting churn compared to standard nonsequential baseline methods when applied to user behavior data of a music streaming service. It was also explored how different aspects of the data, like the distribution between the churning and retaining classes, the size of user event history and feature representation influences the performance of predictive models. The obtained results show that LSTMs has a comparable performance to random forest for churn detection, while being significantly better than logistic regression.  Additionally, a framework for creating a dataset suitable for training predictive models is provided, which can be further explored as to analyze user behavior and to create retention actions that minimize customer abandonment. / Leverantörer av onlinetjänster har bevittnat en snabb användartillväxt under de senaste åren. Denna trend har lockat ett ökande antal konkurrenter som vill ta del av denna växande marknad. Detta har resulterat i att kostnaden för att locka nya kunder ökat avsevärt, vilket även ökat vikten av att behålla befintliga kunder. Det har därför gradvis blivit viktigare för företag att förbättra användarupplevelsen och se till att de behåller en större andel avanvändarna aktiva. Företag har därför ett starkt intresse avatt bygga verktyg som kan identifiera vad som driver kunder att stanna eller vad som får dem lämna. Detta arbete fokuserar därför på hur man kan prediktera att en användare är på väg att överge en tjänst, så kallad “churn”, samt identifiera vad som driver detta baserat på data från en onlinetjänst.   Klassiska modeller som logistisk regression och random forests har tidigare använts på aggregerad användarinformation över en given tidsperiod för att med relativt god precision prediktera sannolikheten för att en användare kommer överge produkten.  Under de senaste åren har dock sekventiella neurala nätverk (särskilt LSTM-varianten Long Short Term Memory), där data istället behandlas som sekvenser, visat imponerande resultat för andra domäner såsom taligenkänning och videoklassificering. Detta arbete undersöker hur väl LSTM-modeller kan användas för att prediktera churn jämfört med traditionella icke-sekventiella metoder när de tillämpas på data över användarbeteende från en musikstreamingtjänst. Arbetet undersöker även  hur olika aspekter av data påverkar prestandan av modellerna inklusive distributionen mellan gruppen av användare som överger produkten mot de som stannar, längden av användarhändelseshistorik och olika val av användarfunktioner för modeller och användardatan. De erhållna resultaten visar att LSTM har en jämförbar prestanda med random forest för prediktering av användarchurn  samt är signifikant bättre än logistisk regression. LSTMs visar sig således vara ett lämpligt val för att förutsäga churn på användarnivå. Utöver dessa resultat utvecklades även ett ramverk  för att skapa dataset som är lämpliga för träning av prediktiva modeller, vilket kan utforskas ytterligare för att analysera användarbeteende och för att skapa förbättrade åtgärder för att behålla användare och minimera antalet kunder som överger tjänsten.

Pendant des décennies, la France a imposé des quotas pour la musique francophone. Les stations de radio doivent réserver un pourcentage minimal de pièces musicales pour les chansons de langue française depuis 1996. Le développement des services de diffusion en continu, sans quotas, a changé notre façon d'écouter de la musique et pose un nouveau défi aux organismes de réglementation. L'applicabilité des quotas est de plus en plus difficile dans l'industrie de la radiodiffusion et pose la question du désavantage concurrentiel. Dans cette thèse, j'essaie de répondre à trois questions principales sur le thème de la consommation de musique dans cet écosystème en mutation. Dans un premier temps, j'examine empiriquement les réponses stratégiques des radios françaises aux quotas de musique francophone. Les stations respectent-elles les quotas? L'audience réalisée pour la musique francophone est-elle inférieure à ce qu'elle serait en l'absence de ces réponses stratégiques? Pour répondre à ces questions, j'utilise des données détaillées sur les listes de lecture des principales stations de radio en France pour montrer que les stations ont une certaine latitude pour ajuster leurs playlists soumises aux contraintes de quotas. Deuxièmement, je construis un ensemble de données pour fournir des preuves descriptives sur les services de radio et de streaming. Ce sont des modèles économiques entièrement différents et ils ne sont pas comparables sans ajuster l'ensemble de données pour refléter les différences. Afin de comparer le nombre de titres musicaux sur les stations de radio avec le nombre de flux sur les services de streaming, je développe une méthodologie pour combiner les données radio avec les données en streaming en France en 2016. Troisièmement, en utilisant cette nouvelle base de données, la variété des motifs et de la musique sur les services de streaming se compare à celle de la radio. Je fournis également des preuves empiriques sur les ex ternalités de consommation des deux marchés. / For decades, France has imposed quotas for Francophone music. Radio stations need to reserve a minimum percentage of total song plays for French-language songs since 1996. The development of streaming services, which faces no quotas, has changed how we listen to music and poses a new challenge to regulators. The applicability of quotas is increasingly difficult in the radio broadcasting industry and raises the question of competitive disadvantage. In this thesis, I try to answer three main issues on the topic of music consumption in this changing ecosystem. First, I empirically examine the strategic responses of French radio stations to quotas for Francophone music. Do stations comply with the quotas? Is the realized audience for Francophone music lower than it would be in the absence of these strategic responses? To answer these questions, I use detailed data on the playlists of major radio stations in France to show that stations have some scope for adjusting their playlists subject to the quota constraints. Second, I build a dataset to provide some descriptive evidence on radio and streaming services. These are entirely different economic models, and are not comparable without adjusting the dataset to reflect the differences. In order to compare the audience number of music titles on radio stations with the number of streams on streaming services, I develop a methodology to combine radio data with streaming data in France in 2016. Third, using this novel dataset, I look at music consumption pattern and music variety on streaming services compares to that of radio. I also provide empirical evidence on the consumption externalities of both markets.

Master of Science / Department of Journalism and Mass Communications / Major Professor Not Listed / Based on the Uses and Gratifications (U&G) approach and Parasocial Interaction (PSI) theory, this study examined how people use live streaming platforms in China. Uniquely, it sought to understand the effect of romantic relationships on how and why people watch Host Live Shows (HLSs) and explored the relationships between Chinese audiences and live- streamers. Through an online survey, four viewing motivations were identified: Community Building, Ego-boost, Escape, and Bandwagon. Ego-boost is a relatively new motivation of media use, which means audiences watch and interact with HLSs to get compliments, self-confidence, self- validation, and ego-boosts. This study found audiences’ perceived realism and PSI were both very neutral. However, emotion projection of audiences onto streamers was observed – most viewers highly agree that streamers are their friends. Moreover, this study found the quality of interpersonal communication is affecting audiences’ HLS dependence and the degree of PSI, while the quantity of interpersonal communication might not be – the more satisfied a person is about his/her interpersonal communication, the heavier he/she depends on HLSs and the stronger his/her PSI is. As expected, the degrees of both romantic relationship status and romantic relationship satisfaction influence people’s HLS use. While compared with females, males are affected by romantic relationships more, both the status and satisfaction level. Lastly, when it comes to people’s romantic lives and social lives, HLSs are more likely to be used as alternatives to meet their unsatisfied needs from their “real partners.”

These last years, streaming services (for music, podcasts, TV shows and movies) have been under the spotlight by disrupting traditional media consumption platforms. If the technical implications of streaming huge amounts of data are well researched, much remains to be done to analyze the wealth of data collected by these services and exploit it to its full potential in order to improve them. Using raw data about users’ interactions with the music streaming service Spotify, this thesis focuses on three main concepts: streaming context, user attention and the sequential analysis of user actions. We discuss the importance of each of these aspects and propose different statistical and machine learning techniques to model them. We show how these models can be used to improve streaming services by inferring user sentiment and improving recommender systems, characterizing user sessions, extracting behavioral patterns and providing useful business metrics. / De senaste åren har strömningtjänster (för musik, podcasts, TV-serier och filmer) varit i strålkastarljuset genom att förändra synen på hur vi konsumerar media. Om det tekniska impikationerna av att strömma stora mängder data är väl utforskat finns det mycket kvar i att analysera de stora datamängderna som samlas in för att förstå och förbättra tjänsterna. Genom att använda rådata om hur användarna interagerar med musiktjänsten Spotify, fokuserar den här uppsatsen på tre huvudkoncept: strömmandets kontext, användares uppmäksamhet samt sekvensiell analys av användares handlingar. Vi diskuterar betydelsen av varje koncept och föreslår en olika statistiska och maskininlärningstekniker för att modellera dem. Vi visar hur dessa modeller kan användas för att förbättra strömmningstjänster genom att antyda användares sentiment, förbättra rekommendationer, karaktärisera användarsessioner, extrahera betendemönster och ta fram användbar affärsdata.

Title: Predicting the Behaviour of Streaming Services Users Autor: Bc. Šimon Stachura Department: Katedra teoretické informatiky a matematické logiky Supervisor: Mgr. Martin Pilát, Ph. D. Abstract: Streaming services are one of the phenomena of the last decade, allowing online legal access to media for a large number of users. The media is usually provided to the users as an automatically generated sequence, created by some form of a recommender system. The preferences of individual users are usually estimated based on historical data from their previous usage of the service. Skipping behaviour on individual elements of the generated sequence (songs, for instance) is one of the basic signals expressing these preferences. Goal of this work is to predict users' behaviour based on their previous experience with the service. We chose a large dataset consisting of real data from usage of the Spotify service, and considered options for preprocessing and representing them. We decided to use recurrent neural networks with the Encoder-Decoder architecture for modelling the behaviour of the users. These models encode the information about users' historical behaviour into a compact inner representation of the session, and based on that representation they generate expected behaviour in the next time steps. We created...

Musikmarknaden har förändrats mycket de senaste åren. Många nya streamingtjänster har dykt upp på senare år och tiotals miljoner använder dessa tjänster idag (Borja et al., 2015). Användbarheten är en viktig aspekt för att användarna ska kunna använda dessa tjänster på ett tillfredsställande sätt. Denna studie undersöker två olika musiktjänsters gränssnitt ur ett användbarhetsperspektiv. 20 studenter från KTH besvarade en enkät om deras tidigare användning av musiktjänster. Sedan deltog studenterna i en ”Think Aloud”-undersökning där de fick utföra ett antal uppgifter på tjänsterna och där vi dessutom mätte effektivitet genom att ta tid samt beräkna antalet klick för varje uppgift. Slutligen fick studenterna besvara ett antal frågor i en kort intervju. Studien visade att båda tjänsterna visserligen hade funktioner som fungerade bättre än hos den andra tjänsten, men i slutändan var de mycket lika avseende användbarhet. / The music market has changed considerably in recent years and streaming has become one of the most popular ways to listen to music today. Many new streaming services have appeared and tens of millions of people use these today (Borja et al., 2015). Usability is important in order for users to be able to use these services in a satisfactory manner. This study examines two different music service interfaces from a usability perspective. 20 students from KTH answered a questionnaire about their prior use of music services. Afterwards the students participated in a Think Aloud study where they performed a number of tasks on services and where we additionally measured the efficiency by taking the time, in addition to calculating the number of clicks for each task. Finally, students were asked to answer a number of questions in a brief interview. The study shows that while both services had features that fared better in the study than for the other service, they were very similar when it came to usability.

The purpose of this essay is to study whether streaming services has made a difference in the act of viewing linear TV together with others. The methods used in the research are: a focus group performed with six people, an email-interview with an expert in TV and a general survey used to define the user groups. The results shows that streaming services has had an impact on viewing patterns and also contributed with new ones. The Swedish consumer is more likely to use streaming services everyday except for Fridays, which can be attributed to a tradition called Fredagsmys (friday cosiness), co-viewing primetime TV on Fridays. Co-viewing TV is also affected by streaming services according to our studies, but not nearly as much as the viewing behaviours. We’re using a theory called Diffusion of Innovation to explain the usage of streaming services and why it has not been adopted by everyone as their main platform for viewing media.

Search on video streaming services is significantly different from web search engines and traditional information retrieval systems. Although an internal site search function’s primary purpose is similar to a web search engine’s, the user’s needs differ, which calls for a different design approach regarding the search result. Many previous researchers have investigated the algorithms behind search functions. However, there is a lack of studies related to the user experience of a search's user interface within the video streaming industry. This study investigates how different presentations of search results affect the users to complete a search on web-based video streaming services. The study was done in collaboration with SVT, examining their video streaming service SVT Play. The research aimed to answer three research questions based on the official usability standard ISO 9241–11. A prototype was designed from a state-of-the-art analysis and the findings from three focus group interviews. An A/B test was conducted on the developed prototype, comparing it against the original search function live on SVT Play, including 46 860 test users. A complementary user test with 10 participants was done in addition to the A/B test. The findings from the A/B test did not show any significant difference between the prototypes. It highlighted that users’ search goals are strong enough not to let the layout and design affect their choice, hence the overall click-through rates. However, the user test showed that the new prototype was, in general, easier to use. It also showed that the different prototypes suited different search goals. The participants expressed a wish to have a solution that combines the design elements from the two prototypes. / Sökfunktionen på videostreamingtjänster skiljer sig från webbsökmotorer och traditionella informationssökningssystem. Även om det primära syftet av en sökfunktion på en intern webbplats liknar webbsökmotorns, så skiljer sig användarens behov vilket därav kräver en annan designmetod. Många tidigare forskare har undersökt algoritmerna bakom sökfunktioner. Dock saknas studier relaterade till användarupplevelsen av sökets gränssnitt inom videostreaming industrin. Denna studie undersöker hur olika presentationer av sökresultatet påverkar användarna för att slutföra en sökning på en webbaserad videostreamingtjänst. Studien gjordes i samarbete med SVT och därav utgick undersökningen från deras videostreamingtjänst SVT Play. Uppsatsen syftade till att svara på tre forskningsfrågor utformade efter den officiella användbarhetsstandarden ISO 9241–11. En prototyp togs fram baserad på en toppmodern analys och resultat från fokusgruppsintervjuer. Ett A/B test med 46 860 testanvändare utfördes med syfte att jämföra den framtagna prototypen med den ursprungliga sökfunktionen på SVT Play. Ett kompletterande användartest med tio deltagare gjordes utöver A/B testet. Resultaten från A/B testet visade ingen signifikant skillnad mellan prototyperna. Det framhöll att användarnas sökmål är tillräckligt starka för att layout och design ska påverka deras val och därav den totala klickfrekvensen. Användartestet visade att den nya prototypen generellt var lättare att använda. Studien visade också att de olika prototyperna passade olika sökmål. Deltagarna uttryckte en önskan om en lösning som kombinerar designelement från de två olika prototyperna.