211service.com
Teknologien, der driver 2020-kampagnerne, forklaret
Fru Tech | Getty, Pexels
Kampagner og valg har altid handlet om data – under de empatiske løfter om at rette op dine problemer og kæmpe for dine familie, det er en forretning med målinger. Hvis en kampagne er heldig, vil den finde vej gennem et vildnis af meningsmålinger, vælgeregenskaber, demografi, valgdeltagelse, visninger, gerrymandering og annoncekøb for at komme i kontakt med vælgerne på en måde, der flytter eller endda inspirerer dem. Obama, MAGA, AOC – alle har fået noget af den specielle sauce. Alligevel vinder kampagner, der indsamler og bruger tallene bedst.
Det har selvfølgelig været sandt i nogen tid. I 2017 beklagede Hillary Clinton, at Den Demokratiske Nationalkomité havde forsynet hendes hold med forældede data. Hun gav til dels skylden for sit tab til Donald Trump, hvis kampagne sad oven på en imponerende republikansk data-knusende maskine. (DNC svarede, at det ikke var dataene, men hvordan det blev brugt, der var utilstrækkeligt.)
I 2020 har kampagner tilføjet nye rynker til deres taktik til at indsamle og manipulere data. Traditionel meningsmåling viger for AI-drevet prædiktiv modellering; massive dataudvekslinger, der engang blev anset for tvivlsomt lovlige, giver kampagner, PAC'er og andre grupper mulighed for at koordinere deres indsats. Og hvem kan glemme microtargeting? Begge kampagner søger at bevæbne sig med omfattende visninger af hver potentiel vælger og bruger algoritmer til at segmentere og målrette vælgere mere specifikt og strategisk. Her er vores guide til, hvad der er nyt og forbedret, og hvad det betyder for dig, vælgeren.
Vælgerdata i massevis
I løbet af de sidste par år har kampagner støt tilføjet den store mængde personlige oplysninger, de opbevarer om vælgerne. Det er delvist et resultat af en praksis kaldet overtagelsesannoncering, hvor kampagner kører direkte respons-annoncer, der søger at få enten kontaktoplysninger eller meninger direkte fra en person. Fra maj brugte begge præsidentkampagner op mod 80 % af deres annoncebudgetter på direkte respons-annoncer.
Kampagneembedsmænd kan ikke lide at tale om præcis, hvor meget data de opbevarer - men de fleste vælgerfiler har sandsynligvis et sted mellem 500 og 2.500 datapunkter pr. person. (En vælgerfil er et integreret datasæt, der konsoliderer oplysninger om vælgerregistrering på statsniveau. Lær mere om dem her. ) Hver annonce, telefonopkald, e-mail og klik øger dette antal. Siden den demokratiske dataudveksling (eller DDx) kom online i juni, har den samlet over en milliard datapunkter, hvoraf de fleste DDx siger er kontaktoplysninger.
I modsætning til hvad man måske tror, kommer mange af disse personlige detaljer fra folk, der allerede har besluttet sig for kandidaterne. Trump-kampagnens app, f.eks. tillader automatisk Bluetooth-parring som kan hjælpe med at identificere en brugers placering - noget, der har trukket til eftersyn. ( Bluetooth-beacons er blevet fundet i Trump-gårdskilte i fortiden.) Denne form for overvågning betragtes ikke som normen, men det giver mening. Folk, der downloader en kandidats app, støtter sandsynligvis allerede denne kandidat, og engagerede vælgere er de mest tilbøjelige til at donere.
Dataudvekslinger
Dataudvekslinger giver kampagner og PAC'er mulighed for at dele data, hvilket gør opsøgende og meddelelsesudveksling mere effektiv og omfattende. Republikanerne har brugt Data Trust siden 2013 - det er en one-stop-shop, der inkluderer en udveksling, vælgerdata og datahostingtjenester. Demokrater mente oprindeligt, at dette var en overtrædelse af den føderale valgkommissions regler mod samarbejde mellem forskellige typer politiske organisationer, såsom PAC'er, nonprofitorganisationer og selve kampagnerne. The American Democracy Legal Fund, en demokratisk gruppe, sagsøgte DataTrust og tabte … så naturligvis har demokraterne lavet deres egen version. Det er den demokratiske dataudveksling, der gik live i juni.
Løftet om dataudveksling er at lade alle tilpassede organisationer dele data. Ifølge en demo givet til New York Times , DDx kan producere et dashboard, der viser, hvor komfortabel hver enkelt vælger er med at stemme pr. brev, og dette deles blandt alle liberale grupper i børsen. I tidligere år kunne lokale søgegrupper, statspartier og problemorienterede PAC'er alle have brugt penge sideløbende på at indsamle den slags information. På den republikanske side har Data Trust bevist sit værd mange gange. For eksempel indsamlede den information om vælgere, der afgav deres stemme tidligt under midtvejsvalget i 2018. Kampagner holdt op med at nå ud til disse mennesker, sparer en rapporteret $100 mio .
Mikromålretning på næste niveau
I det gamle Rom blev slaver trænet til at huske navnene på vælgere, der kunne blive overtalt til at stemme på deres herre, så han kunne finde og hilse på dem personligt. I disse dage kommer strategien bag personlig målretning fra computermodeller, der kan opdele vælgerne i meget specifikke grupper. Beskeder finpudses ved hjælp af omfattende A/B-tests.
Sociale platforme varierer i den form for mikromålretning, de tillader. Facebook lader kampagner målrette små grupper og enkeltpersoner. Gennem dens brugerdefinerede målgruppefunktion kan kampagner uploade et regneark med brugernes profiler og implementere deres budskab med kirurgisk præcision. De kan også bruge et værktøj kaldet look alike, der bruger de tilpassede lister til at finde profiler, der sandsynligvis vil reagere på lignende måder. ( Sådan kan du fravælge den type målretning. ) Begge præsidentkampagner har gjort dette, og et projekt fra New York University sporer denne type reklamer . Den viser for eksempel, at der fra den 30. juli til den 4. august dukkede en annonce med beskeden Our Recovery Will Be Made in America op i feeds fra omkring 2.500 Facebook-brugere i Wisconsin. Disse brugere blev udvalgt specifikt efter profilnavn fra en liste uploadet af Biden-kampagnen. Det er næsten umuligt at spore, hvor denne lille liste over navne kom fra, selvom den højst sandsynligt er købt fra en tredjepart.
Andre platforme er mere restriktive. Google forbød politisk mikromålretning tidligt i år, mens Twitter har forbudt politiske annoncer fra kampagner - selvom det tillader annoncer fra politisk tilpassede fortalergrupper.
Ud med meningsmålingerne, ind med AI-modellerne
Du har sikkert hørt: meningsmålinger fungerer ikke, som de plejede. Præsidentvalget i 2016 udløste en industrikrise centreret om stigningen i ikke-svar bias - en smart måde at sige, at mobiltelefonbrugere har en tendens til ikke at besvare opkald fra numre, de ikke genkender (som meningsmålere), og at folk er blevet mere og mere tilbageholdende, når de bliver spurgt om deres politiske holdninger.
Som svar henvender kampagner sig til maskinlæring og kunstig intelligens for at forudsige, hvordan vælgerne vil opføre sig. I stedet for at stole på intermitterende benchmarking af befolkningen, køres modeller nu ved hjælp af løbende opdaterede datasæt. Den mest almindelige teknik, kampagner bruger, kaldes scoring, hvor en gruppe vælgere får tildelt et tal fra 1 til 100 baseret på, hvor sandsynligt de er til at gøre noget eller have en bestemt mening. Kampagner bruger disse sandsynligheder til at informere om deres strategi, enten ved at forsøge at overtale uafklarede vælgere eller ved at udnytte stærke holdninger til penge eller mobilisering.
Modellerne er ikke perfekte. I 2016 forudsagde de Clintons sejr med en fejlmargin svarende til den, der blev antaget i meningsmålingerne. Men modeller har nemmere ved at overkomme nogle af problemerne med polling, og jo mere data modellerne indtager, jo mere præcise er de.
Resultatet: Ingen fælles sandheder
Efterhånden som kollektive beskeder aftager i betydning, bliver det sværere at overvåge de utallige skræddersyede budskaber, som politiske grupper udsender og lægger frem for vælgerne. Personlig meddelelser betyder, at hver persons syn på en kampagne er forskellig, fordi hver enkelt modtager en anden informationsstrøm. Udsmykning, forvrængning og direkte løgn bliver så meget lettere, især for offentlige personer, hvis opslag på sociale platforme får ofte særbehandling . De teknologier, der er ihærdigt brugt lige nu, muliggør en realitet, hvor kampagner kan fremstille spaltninger i offentligheden, og fundamentalt ændre, hvordan vi danner meninger og i sidste ende stemmer.
Alt er ikke tabt. Selvom valgcyklussen i 2020 er i sin sidste strækning, er det offentlige pres for at omdirigere disse teknologier stigende. I en nyligt offentliggjort undersøgelse viste Pew Research Center, at 54 % af den amerikanske offentlighed ikke mener, at sociale medieplatforme bør tillade nogen politiske reklamer, mens 77 % af amerikanerne mener, at data indsamlet på sociale platforme ikke bør bruges til politiske rettet mod.
Der er adskillige lovforslag i kongressen, der afspejler denne følelse, ligesom den todelte Udformning af regnskabsmæssige sikkerhedsforanstaltninger for at hjælpe med at udvide tilsyn og datalovgivning og Lov om forbud mod mikromålrettede politiske annoncer . Disse lovforslag skal behandles i 2021, og eksperter mener, at en form for regulering er sandsynlig, uanset hvem der vinder Det Hvide Hus.