Los trolls y los bots, partícipes ineludibles de la contienda electoral. Varias organizaciones intentan medir el impacto que pudieron llegar a tener en las últimas elecciones.
¿Cuáles son los lugares más efectivos para llegar con el mensaje en una campaña electoral? Algunos apostarán por la TV, otros por la radio, o los diarios. Todos, en realidad, pensarán en un mix. Pero lo que ninguno dudará es que en las redes sociales también se juega el voto:
las elecciones legislativas que pasaron dejaron resultados tanto electorales como aprendizajes en las campañas.
Hubo, en definitiva, dos maneras de analizar los resultados: un aspecto cuantitativo, en el que se analiza el impacto de las conversaciones generadas, y otro, con un nivel más profundo y cualitativo, que permite interpretar a nivel semántico qué es lo que verdaderamente ocurrió, y sobre todo qué hubo detrás de cada mensaje "exitoso". Facebook, por ejemplo,
hizo su balance: más de 4 millones de personas eligieron a la red para expresar su postura política y se generaron 10,6 millones de interacciones (contando publicaciones, me gusta, comentarios y contenido compartido). Pero, ¿quiénes estuvieron detrás de los mensajes? ¿Cuánto dinero aportaron los candidatos para estos medios no tradicionales?
Auditoría de la Cámara Nacional Electoral
La Cámara Nacional Electoral monitoreó por segunda vez lo que sucedió en las redes (la primera fue en las presidenciales de 2015). El objetivo era entender qué presupuesto destinaban los candidatos a la publicidad online, tanto en Facebook, Instagram, Twitter o YouTube. Esta auditoría se realiza en tres niveles: en los diferentes posteos que suben los candidatos en las cuentas del partido y de los candidatos; en la publicidad paga que hacen de esas publicaciones o promociones ad hoc, que en algunos casos es muy difícil de "cazar" (como lo llaman en la jerga) por ser hípersegmentados (por ejemplo a un masculino, de 35 años, en La Matanza); y por último, quizás la más importante, en rastrear en el dinero que pudo haberse utilizado para realizar videos "que parecen naturales o humanizados, pero están editados y distribuidos en estas páginas de los candidatos o en otras, con el fin de ampliar la llegada", explica Mara Destéfanis, de la empresa BigDataMachine, la consultora que trabajó para la CNE. Por ahora los resultados se mantienen en reserva y saldrá un informe en los próximos meses. La Cámara también pedirá a los administradores de las cuentas de los candidatos un extracto de los gastos de tarjeta de crédito en publicidad que hicieron para sumar al expediente. Fue algo que se hizo en 2015, aunque solo un candidato ofreció el recibo. En la Justicia ya tienen en sus manos los informes de todo lo que ocurrió en las PASO y en la pre-campaña electoral, pero por ahora tampoco difundieron las conclusiones.
Comparar los hashtags para entender qué sucedió
Desde 7Puentes, empresa especializada en análisis de datos, lograron estudiar en profundidad qué sucedió con los dos hashtags principales utilizados en Twitter entre el 19 y el 23 de octubre:
#SigamosCambiandoJuntos y el de
#Suma2Votos, de Unidad Ciudadana en la provincia de Buenos Aires. En ambos, las cifras de cuentas nuevas (5,3 y 5,1%, respectivamente) que tuitearon al respecto se mantuvo similar. El volumen de bots (cuentas sin personas reales detrás) que representó la muestra total fue del 6 por ciento en el oficialismo y del 12 por ciento en el caso de la principal oposición en la Provincia de Buenos Aires. En algunos casos fueron cuentas creadas en la India y en otros países de América latina. El análisis de 7Puentes sigue metodologías de análisis de big data que permiten extraer significados de las palabras que se emiten en las redes sociales. Se lo conoce como vectorización de textos (o
word2vector), que ayuda a interpretar grandes volúmenes. Por ejemplo, podrá entender si alguien está hablando de Cristina Fernández de Kirchner si es que mencionó algunas de sus características, como ex presidenta o candidata. Es lo mismo que sucede cuando Google Fotos -por citar una herramienta- puede detectar que una imagen es un gato, o un perro, o una sonrisa, a partir de un aprendizaje que fue realizando el sistema. En ese sentido, a partir de los 200 últimos tuits podría entender qué tópicos podrían ser los más importantes para un perfil. Y entender, siguiendo la misma lógica, qué piensan sus seguidores. "Los bots se identifican a grandes rasgos por su volumen de tuits, entre otras cosas. Mientras el promedio global de tuits es de 16 por día, acá encontrábamos cuentas que tuiteaban con estos hashtags que tenían más de 200 en 24 horas", explica Carlos Lizarralde, ingeniero y CEO de la empresa. La empresa también simbolizó en gráficos para entender las diferencias de las comunidades alrededor de estos hashtags comparativos. "Cuanto más grande es la pelota, más interacciones tuvo. Cuando hay vinculación entre una pelota y otra es que hubo una red que funcionó, una comunidad. En Cambiemos ves un estadio gritándose entre sí, en la que los influenciadores llegan a todos los que están en el medio, que a la vez conversan entre sí. En el caso de Unidad Ciudadana se ve algo más disperso, donde no hay redes, sino conversaciones con quien emite el mensaje, pero no una comunidad sólida", analiza Lizarralde.
