Elegir un presidente en un mundo microsegmentado

El ciclo electoral de 2012 destaca por la cantidad de información que tienen las campañas sobre los votantes. Con la microsegmentación, un sistema que recopila y analiza enormes cantidades de datos sobre el comportamiento y las opiniones, tanto el bando de Obama como el de Romney están analizando qué es importante para los votantes, cuál es la mejor manera de llegar a ellos y con qué mensaje. El objetivo es averiguar en qué se puede persuadir a los votantes para que gasten energía (y dólares), con la esperanza de mover el dial un poco a su favor. Es un mundo en el que las centésimas de punto porcentual importan.

Ken Strasma, presidente de Telemetría estratégica, conoce bien este mundo. Ex director de campaña, Strasma creó su empresa en 2003 para encontrar una mejor manera de predecir quiénes son los verdaderos persuadibles en una campaña y para encontrar formas inteligentes de dirigir los mensajes hacia ellos. Ha trabajado en más de 1000 campañas políticas, incluidas las elecciones presidenciales de John Kerry y Barack Obama, así como en la exitosa campaña del alcalde de la ciudad de Nueva York, Michael Bloomberg, en 2009. Participa en la campaña actual de Obama, aunque no en el día a día.

Strasma y yo hablamos por teléfono sobre cómo la microsegmentación ha cambiado a lo largo de los años, tanto para las campañas como para las empresas, y hacia dónde ve que se moverá en el futuro. Esta es una entrevista editada de nuestra conversación.

Cuando habla de las puntuaciones en la microsegmentación, ¿qué quiere decir eso?

La microsegmentación consiste realmente en predecir una actitud o un comportamiento, y el producto final es lo que llamamos puntuación, que es solo un porcentaje de probabilidad de que alguien muestre esa actitud o comportamiento. Si hemos hecho una encuesta para ver a quién le importa el calentamiento global, todos los votantes de un estado podrían obtener una puntuación en su expediente electoral que diga que es la probabilidad de que digamos que les importa el calentamiento global.

Si vamos a lanzar un nuevo tipo de bicicleta y queremos saber qué probabilidades hay de que esa persona sea ciclista, aplicaríamos esa puntuación y diríamos: esta es la probabilidad de que esa persona sea ciclista en el mercado de una bicicleta nueva. Las puntuaciones son solo probabilidades que hemos pronosticado con estos distintos algoritmos de análisis. …

¿Cómo se mide el éxito cuando trabaja en campañas políticas?

Nos gusta pensar que una buena segmentación puede suponer una mejora de algunos puntos porcentuales para una campaña. No va a hacer falta, ya sabe, un candidato que vote al 20% y lo ponga un poco [más cerca de ganar]. Pero alguien que esté uno o dos puntos por detrás, puede marcar la diferencia. …

Medimos el éxito tanto en función de las victorias como de las derrotas y también de poder demostrar que hemos mejorado el porcentaje de votos de la campaña y reducido los costes.

¿Cuáles son algunas de las principales diferencias entre la campaña de Obama de 2008 y lo que ve en esta?

Sin duda, la báscula. En 2004, la microsegmentación era un concepto bastante nuevo. En 2008,… la microsegmentación fue una parte clave de todo lo que hicimos, desde las asambleas electorales de Iowa hasta las elecciones generales. En estas elecciones, la campaña cuenta con un equipo de datos interno muy numeroso que se ocupa de todo tipo de análisis de segmentación y también de las operaciones en línea. Además, debo, para ser justos, reconocer que la campaña de Romney también está ocupando su lugar aquí y tiene una segmentación y una operación digital mucho más sólidas que las de John McCain.

En su trabajo, ¿solo se centra en las métricas o decide qué tipo de mensajes se publicarían en los anuncios segmentados?

Ayudamos a las personas a decidir qué mensaje [enviar] de un conjunto de mensajes. Así que, si bien no estaríamos creando los anuncios o los correos nosotros mismos, si el consultor de medios dice que tiene cinco anuncios de televisión diferentes que está pensando en publicar, podríamos decirle, para un programa determinado, qué anuncio tiene más probabilidades de captar la atención de los espectadores de ese programa.

Lo mismo ocurre con el correo. Podemos tomar un conjunto de temas, ver cuáles son los que más preocupan a los votantes, de modo que los correos que se les envían sean los que más les importan. …

A pesar de lo limitados que son el tiempo y el dinero de una campaña, utilizamos un recurso aún más limitado (la capacidad de atención de los votantes) porque se les inunda de información. Si solo tiene unos tres segundos desde el momento en que sacan un correo de su buzón hasta que lo tiran a la basura, querrá asegurarse de que el titular de ese correo es lo que más les importa. Y los anuncios de microsegmentación lo hacen.

¿Cuáles eran algunas de las características clave de Obama que utilizaría para promocionarlo, para contar una historia basada en los datos de los que disponía?

Una de las cosas de 2008 fue que, al principio, había un tema clave en la mente de la mayoría de los votantes de las primarias demócratas: la guerra en Irak, donde tenía una posición muy diferente a la de los republicanos, e incluso algunas de las primarias demócratas. Y luego, en las elecciones generales, cuando comenzó la crisis económica, realmente la economía estaba en lo más alto de la mente de la gente.

Así que esos temas no eran realmente cosas que dependieran tanto de la segmentación, porque básicamente de eso hablaban las campañas.

Ha sido muy interesante poder modelar el problemas secundarios en la mente de la gente, aunque supiéramos que la economía era la número uno, más o menos como lo es hoy en día. Habría otros temas que importarían a la gente. En el contexto de la economía, ya sabe, ¿qué es más importante para usted? ¿Son prestaciones por desempleo? ¿Está creando puestos de trabajo? ¿Es la crisis hipotecaria?

… ¿O qué otros problemas es? ¿Es el medio ambiente? ¿Es educación? Así que una de las cosas que haríamos sería preguntar a la gente cuáles son los dos temas principales, de modo que si un tema como Irak o la economía estuviera inundando todos los demás, siguiéramos teniendo un segundo tema importante que interesaba al votante.

Aquí dijo que simplemente preguntaría a la gente. ¿De ahí obtiene sus datos o también de las cookies del navegador y otras fuentes de información?

Una combinación grande. Me gusta decir que obtenemos los datos de tres maneras: preguntamos, observamos y probamos. Por lo tanto, las preguntas suelen ser de tres fuentes: encuestas telefónicas, sondeos puerta a puerta y encuestas en línea. En las encuestas (usted mencionó las cookies), puede que sepamos qué sitio web ha visitado, qué términos de búsqueda han buscado, si han visitado el sitio web de una campaña y, de ser así, qué actividades han realizado allí.

Y luego las pruebas son muy importantes porque, por mucho que se le pueda preguntar a alguien si está indeciso o si un tema le importa, muchas veces la gente no sabe realmente lo que implica su decisión sobre un candidato o un producto. Hay una combinación de características y atributos que hacen que el candidato o el producto les resulten atractivos, y poder probar diferentes formas de presentar un anuncio y ver cómo responde la gente es muy valioso.

Haremos un montón de pruebas A/B con anuncios online.

También haremos experimentos aleatorios en los que tomaremos una muestra de prueba y una muestra de control y haremos un tratamiento concreto a un grupo y veremos en qué se diferencia el comportamiento de compra o votación entre los dos. Y a menudo obtiene resultados interesantes y poco intuitivos que son muy diferentes a los que se obtendrían si simplemente preguntara al votante o al consumidor sus preferencias.

Me recuerda a una cita suya del libro de Sasha Eisenberg Laboratorio de la victoria: «Sabíamos por quién… iba a votar la gente antes de que lo decidieran».

Cierto. La gente nos decía que estaban indecisos y pensábamos que era probable que no estuvieran comprometidos todavía. Y al hacer una serie de preguntas temáticas, pudimos predecir con mucha precisión a qué candidato acabarían apoyando una vez que se contrataran.

¿Esto también se aplica cuando quiere comercializar un producto?

No cabe duda de que sí, especialmente en el caso de la entrada de un nuevo producto al mercado. Pero si somos capaces de describir sus diferentes atributos y probarlos y modelar la forma en que las personas responderían a esos diferentes atributos, entonces podemos hacer una predicción sobre quiénes son los posibles consumidores una vez que se lance el producto.

¿Qué consejo daría a las empresas y organizaciones que están pensando en hacer este tipo de trabajo?

El primer paso es siempre el mismo y es guardar y recopilar todos los datos que pueda. Muchas veces una empresa recopila datos sobre quiénes son sus clientes o quién ha comprado un producto. Pero durante un tiempo, [también sería útil recopilar] las decenas de miles de nombres de personas a las que han enviado correos o han llamado y que no lo he hecho compró el producto. Guardar esa información es igual de importante tanto para los clientes potenciales que tienen éxito como para los que no tienen éxito. Entonces [usted] puede modelar la probabilidad de que alguien compre el producto si lo solicitan.

[Entonces tiene que] estandarizar sus datos, si puede. No puede hacer ningún tipo de modelado si no tiene buenos datos con los que empezar.

¿Cuáles son algunas de las mayores sorpresas que se ha encontrado al hacer este trabajo en la última década? ¿Hay un momento en el que tuvo una sensación de «ajá»?

Una es que el tipo de funciones que alguien tiene en su teléfono son importantes. Es algo que nos lleva mucho tiempo perplejos porque, intuitivamente, tiene sentido que alguien que tiene identificador de llamadas, desvío de llamadas, llamadas en espera, ese tipo de funciones, pueda filtrar mejor sus llamadas. Tal vez los datos sesgados que estamos viendo aquí son solo el efecto de que es más difícil contactar con esas personas o solo se puede contactar con ellas cuando quieren que las contacten.

Es muy parecido al problema de las llamadas a teléfonos fijos y no a teléfonos móviles. Y al ir puerta por puerta, subrepresenta a la gente en los apartamentos cerrados con llave de seguridad. Con las encuestas en línea, se pierde a las personas que no están en línea. Cada tipo de encuesta omite a un grupo de personas ligeramente diferente. La clave es utilizar tantas vías diferentes como sea posible.

Otra sorpresa que aparece con bastante frecuencia en la política es ser propietario de una motocicleta: no convierte a alguien en más demócrata o más republicano. Lo interesante del propietario de la moto es que hace que sea menos fácil clasificarlo en. Si alguien es como el demócrata en la mayoría de sus atributos, pero conduce una moto, es más probable que sea un poco libertario, probablemente esté en contra de las leyes de control de armas y cascos. Y eso los empuja en contra de las tendencias demócratas naturales, según sus demás datos.

Y lo mismo ocurre con los republicanos. Podría tener a alguien que parezca muy republicano, según su raza, etnia o educación, pero si tiene en cuenta que es conductor de motocicletas, es mucho más probable que esté a favor del derecho a decidir y en contra de la censura gubernamental de Internet y otros temas así.

Así que andar en moto es una buena señal de precaución para no hacer suposiciones basadas en el resto de lo que sabe sobre una persona.

Cuando la gente se queja de la microsegmentación como una invasión de la privacidad, ¿cómo responde?

[Yo] señalo que, por lo general, esta información se proporciona voluntariamente de forma voluntaria. Viene de tarjetas de descuento que utiliza en un supermercado o de tarjetas de registro que rellena. Así que… la gente está tomando la decisión de entregar esos datos.

Lo que realmente sorprende a la gente es cuando se da cuenta de lo mucho que hay ahí fuera. Cuando la gente me diga que eso les preocupa, les aconsejo: no utilice una tarjeta de descuento de un supermercado si no es necesario. No rellene los cuestionarios de las encuestas que recibe con un producto si no quiere hacerlo. Es muy diferente en los Estados Unidos al de otros países. Casi todos los demás países tienen leyes de privacidad mucho más estrictas que las de los Estados Unidos. Así que cuando hacemos microsegmentación en otros países, los datos disponibles son definitivamente menores.

¿Qué hay de nuevo y emocionante en el mundo de la microsegmentación?

Dos de las cosas más interesantes de lo que estamos trabajando son la microsegmentación en tiempo real y el espacio online.

En tiempo real, se ha pasado de tardar un par de semanas a ahora solo unos días en obtener los resultados de una encuesta y calcular los números y acumular puntuaciones. …

Podemos actualizar las puntuaciones casi en tiempo real;… tardaremos alrededor de un tercio de segundo en obtener un nuevo dato, en recorrer el sistema, actualizar y predecir sus puntuaciones.

¿Eso le permite predecir mejor o simplemente predecir más rápido?

Prediga más rápido. La tecnología subyacente sigue siendo prácticamente la misma. Seguimos usando los mismos tipos de números.

Bien, debo decir que la tecnología ha mejorado en formas que también mejoran las predicciones, en gran parte porque hay algunos algoritmos que tardarían mucho en ejecutarse, especialmente el aprendizaje automático, el algoritmo de inteligencia artificial… y las redes neuronales. Simplemente no era práctico dejar algo en funcionamiento antes, mientras que ahora puede que se tarde media hora en ejecutar un algoritmo que, hace años, tardaba meses. …

¿Y cómo ha cambiado el espacio digital lo que hace?

Es un espacio realmente intrigante para nosotros, porque hemos dedicado mucho tiempo y esfuerzo a intentar obtener información de las personas, llamarlas, llamar a sus puertas, etc. Y ahora, de repente, a través de Twitter, Facebook y otras redes sociales en línea, la gente ofrece voluntariamente esta información en enormes maremotos que nunca habíamos visto antes.

¿Lo hacen a propósito? ¿Está solicitando la información o simplemente la está leyendo?

Es solo leer lo que hay disponible, escucha social activa… También hacemos encuestas formales en línea, [pero] el verdadero volumen es lo que las personas ofrecen voluntariamente sobre sí mismas. Entonces, antes tenía que preguntarle a alguien: «¿a qué candidato apoya? ¿Qué producto le gusta?» Estas personas nos lo dicen en un volumen mucho mayor del que podríamos solicitar directamente.

El truco es que también nos dicen lo que han desayunado y que su gato se ve muy bien con un suéter y otras cosas… La clave es analizar todo eso para encontrar las pepitas significativas y también analizar la forma en que la gente habla en Internet.

Los ordenadores son notoriamente malos para detectar el sarcasmo. Así que si alguien tuitea diciendo que ama a Sarah Palin tanto como le encanta una endodoncia, un algoritmo básico de procesamiento de apalancamiento real lo clasificará como un tuit positivo para Sarah Palin porque dice «ama a Sarah Palin». Así que hemos estado trabajando mucho para crear nuestras rutinas de procesamiento de textos con inteligencia artificial que nos permitan captar el significado de un tuit o una publicación de Facebook, en lugar de simplemente decir que hay muchos sobre Obama y tantos sobre Romney.