Browsing by Author "Magnusson, Linus"

Now showing 1 - 2 of 2

Att välja den vinnande sponsringen - för både företag och samhälle. Hur sponsorer väljer elitklubbar att sponsra samt hur de mäter effekterna
(2024-07-04) Jonsson, Robert; Magnusson, Linus; University of Gothenburg/Department of Business Administration; Göteborgs universitet/Företagsekonomiska institutionen
Sponsring har blivit en av de vanligaste marknadsföringsmetoderna och fortsätter att växa i popularitet. Sponsring innebär att ett företag köper rätten att associera sig med en rättighet, till exempel en idrottsklubb. Anledningen till dess popularitet kan ha att göra med dess varumärkesbyggande egenskaper. Tidigare forskning visar att sponsring kan förbättra företagets image, öka försäljning och skapa en stolthet hos medarbetarna, vilket i sin tur är motiverande för dem. Att sponsra professionella idrottslag kan även förbättra sponsorns CSR-image. Dock kan misslyckad sponsring innebära att företaget istället ser negativa effekter som till exempel bojkotter och/eller skadat rykte. Att välja rätt klubb att sponsra blir därför viktigt för att få positiva effekter såväl som att undvika negativa effekter. Att dessutom ha flera alternativ, som det finns i Göteborg, kan göra valet ännu svårare. Från tidigare forskning framkommer det att det finns utmaningar med att mäta effekter av sponsringen och att siffrorna kan variera beroende på vilken mätmetod som används. Det primära syftet med denna studie är att undersöka och öka förståelsen för hur huvudsponsorer av elitklubbar i Göteborg som spelar i högstaligan väljer ändamålsenliga föreningar att sponsra. Det sekundära syftet är att undersöka hur de mäter effekterna av sponsringen. Frågeställningarna är (1) Hur väljer huvudsponsorer i Göteborg ändamålsenliga elitklubbar att sponsra för att uppnå önskvärda effekter? (2) Hur mäter huvudsponsorerna i denna studie effekterna av sin sponsring? Arbetet avgränsas genom att undersöka enbart lagidrotter, sponsorer av elitklubbar i högsta ligan i Göteborg samt att de ska vara huvudsponsorer. För att svara på frågeställningarna användes en kvalitativ ansats med hjälp av fem semistrukturerade intervjuer med fyra sponsorer och en kompletterande intervju med en expert. Därefter gjordes en tematisk analys. Denna studie har kommit fram till att det som ligger till grund för att välja klubb att sponsra är företagets policy och strategi, klubbens nätverk, beslutsfattarens känslor och erfarenhet samt klubbens CSR-arbete. Den sistnämnda är det viktigaste kriteriet för samtliga sponsorer i studien. Kriterierna för att välja klubb stämde överens med tidigare forskning, men att CSR-arbetet var det viktigaste är unikt för denna studie. För att mäta effekter får sponsorerna rapporter till sig från mätföretag och klubbarna själva. De är intresserade av att veta hur de synts, hur många som känner till att de är sponsorer och att öka försäljningen. Dock finns det en avsaknad på specifika mått som används av sponsorerna i denna studie. De gör egna mätningar på till exempel CSR och hållbarhet, men inga specifika mått nämns. Den tidigare forskningen på effektmätning av sponsring stämmer delvis överens med sponsorerna i denna studie. Däremot upplever samtliga sponsorer i denna studie att det är svårt att mäta positiva finansiella effekter av sponsring. De nämner däremot inte hur de mäter sina varumärken eller effekten av CSR.
CLUE -- Clustering-Based Load Understanding and Exploration
(2025-10-02) Magnusson, Linus; Thorsson, Rasmus; Göteborgs universitet/Institutionen för data- och informationsteknik; University of Gothenburg/Department of Computer Science and Engineering
The deployment of Advanced Metering Infrastructure (AMI) in electricity grids generates vast volumes of high-dimensional time series data, presenting significant challenges for practical analysis and pattern discovery. This thesis presents CLUE (Clustering-Based Load Understanding and Exploration), a modular and flexible toolchain designed to process and analyze high-dimensional temporal data efficiently. The CLUE toolchain addresses fundamental challenges in time series clustering, including computational complexity, difficulties in parameter selection, and the gap between algorithmic capabilities and domain expertise. The toolchain integrates multiple clustering algorithms, with a focus on IP.LSH.DBSCAN (Integrated Parallel Locality-Sensitive Hashing DBSCAN), which achieves speedups magnitudes higher compared to traditional DBSCAN while maintaining adequate clustering quality. The toolchain features automated parameter optimization through k-distance analysis and multi-metric evaluation, eliminating the need for extensive manual tuning. Additionally, CLUE supports multiple distance metrics (Euclidean, Angular, and Dynamic Time Warping) and provides flexible data representation options through both raw time series and feature-based approaches. The toolchain’s effectiveness is demonstrated through a case study with Göteborg Energi, analyzing electricity consumption patterns from approximately 7,500 customers. The evaluation reveals CLUE’s ability to identify meaningful consumption profiles, detect anomalies, and enable interactive exploration of complex temporal consumer patterns. This work contributes a practical solution for organizations facing the challenge of extracting meaningful insights from large-scale time series data, with applications extending beyond electricity grids to any domain requiring efficient analysis of highdimensional temporal patterns.