Как анализът на данни (може да) печели избори за политиците

Живеем в свят, в който сме по-свързани отвсякога. Обемът на генерираните всяка минута данни е огромен и дори частица от тях може да бъде истински полезна за мениджърите на предизборни кампании, политиците, партиите и разбира се – за електората. Въпросът е коя е тази частица и къде и как да бъде търсена.

Внимание! Политиците вече знаят твърде много за нас. И не се свенят да го използват. Ето как.

Всеизвестно е, че първата президентска кампания на Барак Обама до голяма степен бе спечелена с помощта на социалните мрежи. Активността на неговия щаб във Facebook и Twitter му донесе първия мандат. А работата с данни му донесе втория.

Дейвид Акселрод, мениджър и на двете кандидатпрезидентски кампании на Барак Обама коментира пред журналисти, че тайната на втория му успех е в настояването всяко действие на всеки доброволец да бъде превърнато в измерима цифрова информация. Мантрата на екипа му е била „Ако не въведеш данните, не си свършил работата“.

Когато доброволците в кандидатпрезидентските кампании в САЩ работят на терен, тяхната основна задача е да записват интереса на потенциалните гласоподоватале към конкретни проблеми. Точно тук кампанията на Обама се оказва истински ефективна, благодарение на успешен микс от данни и маркетингови техники. Доброволецът записва не само политическите проблеми, поставени от потенциалните избиратели, но и техният e-mail адрес. След това, гласоподавателят получава персонализиран мейл от Барак Обама, който съобщава колко важни са поставените от него въпроси и т.н. Подобна информация дава възможност на маркетинговите стратези да покажат реклами в социалните мрежи на хората, регистрирани с точно тези мейли и те да бъдат 100% релевантни към тях. Забравете за огромните бюджети за телевизионна реклама. Тук идват и оптимизираните разходи за медийна реклама, които чрез програматик медиа купуването правят възможно показването на правилната реклама по правилното време на правилния екран пред правилния човек.

Големият пробив на data analytics в политиката идва през 2016 г., когато два ключови вота бяха преобърнати с тяхна помощ. Както Брекзит, така и изборната победа на Тръмп се случват с дейното участие на аналитичната компания Cambridge Analytica. Тя утилизира данни от различни източници, включително платени. Такива са регистри, контактни списъци от различни сектори, бонус карти, клубна принадлежност, абонаменти за списания и вестници и дори за религиозна принадлежност. В света има няколко компании като Experian и Acxiom, които предлагат такива информационни масиви. Т.е., ако се нуждаеш от информация за това къде в САЩ живеят много жени от еврейски произход, можеш да купиш такива данни заедно с телефонните им номера.

С тази информация и данните, които републиканците в САЩ имат от предишни кампании, става много лесно да се направи т.нар. психографски профил на повечето, ако не и на всички гласоподаватели. Т.е. става ясно дали те са невротици или спокойни персонажи, дали са интроверти или екстроверти, дали са гей или хетеросексуални и какви са техните политически предпочитания.

Разполагайки с тази информация е изключително лесно да въздействаш върху мнението на потенциалните гласоподаватели, вече познавайки техните лични нагласи и страхове. Повечето от съобщенията, разпространени през социалните мрежи от кампанията на Доналд Тръмп са мотивирани с данни зад тях. Включително спонсорираните във Facebook клипове, показвани на чернокожи жени, в които Хилъри Клинтън казва, че чернокожите мъже са хищници.

Психографските изследвания и данните отвориха огромни възможности за въздействие върху гласоподавателите от страна на политиците. Свързващото звено между психологията и дигиталния свят се оказаха социалните мрежи и най-вече Facebook. Този пробив е осъществен от поляка Михал Козински, който участва в разработката на Facebook приложение, определящо личностния профил на потребителя на база лайковете и публикациите, които генерира. То все още е активно на страницата на Психографския център на университета в Кеймбридж.

Работата по него на Козински му позволява да твърди, че може да оцени един човек по-добре от негов колега на базата на 10 Facebook харесвания. Със 70 харесвания, моделът на Козински дава повече информация за човек, отколкото имат неговите приятели, а със 150 – машината знае повече, отколкото родителите му. Захранен с 300 различни харесвания, машината ще знае повече за дадена личност, отколкото неговия партньор.

Този текст е предоставен на SocialEvo от А4Е, български стартъп с фокус върху анализирането и моделирането на големи данни