Computing

Comment gagner une élection en utilisant les données

Europe Union. European statistics, infographics, financial marke


L’analyse des données est devenue essentielle pour comprendre et gagner l’électorat.

Oh mec. Nous entrons dans cette saison où nous sommes inondés de bavardages politiques, de démagogie, de souvenirs sélectifs et d’histoire révisionniste. Beaucoup de messages trop généralisés conçus pour sortir de la base – ces électeurs qui soutiennent toujours les candidats d’un parti, peu importe les choses folles que leur candidat dit ou fait. C’est ainsi que les élections se déroulent depuis des générations, car elles font appel aux instincts les plus élémentaires du « nous contre eux ». Et cette stratégie fonctionne bien… pour la base.

Mais quelque chose de différent est nécessaire pour gagner les élections aujourd’hui, et c’est la capacité de faire appel aux électeurs indépendants ou « swing » en croissance rapide. Selon « The Rise of Independents », le nombre d’électeurs indépendants – des votes qui ne s’identifient pas à l’un des principaux partis politiques – est en augmentation :

« Avant la Seconde Guerre mondiale, plus de 80 % des électeurs étaient affiliés à l’un des principaux partis. Aujourd’hui, une pluralité d’électeurs américains – dans certains sondages, plus de 45 % — s’identifie comme indépendant.”

C’est vrai. Avant la Seconde Guerre mondiale, moins de 20 % des électeurs se classaient comme indépendants. Aujourd’hui, ce nombre est supérieur à 45 %.

Comme la politique ne parvient pas à séduire davantage d’Américains, les politiciens devront adopter une approche différente pour séduire ces importants électeurs indépendants “indépendants” qui décideront de nos dirigeants politiques. Alors, comment la campagne politique moderne gagne-t-elle dans ce monde en mutation ?

Personne n’est moyen.

Comme je l’ai expliqué dans mon blog “Le danger de prendre des décisions basées sur des moyennes”, le Principe d’irrégularité affirme qu’en mesurant une collection de traits sur un nombre suffisamment grand d’individus, environ la moitié des individus seront au-dessus de la moyenne et environ la moitié seront en dessous de la moyenne pour un trait particulier. Et que sur tous les traits, peu (voire personne) seront “moyens”.

Tout le monde est unique. Pour influencer ces importants électeurs swing, vous devrez faire appel à eux individuellement. C’est là que la nanoéconomie entre en jeu. La nanoéconomie est l’économie des propensions comportementales et de performance prédites par l’homme. Les campagnes doivent adopter la nanoéconomie pour créer des messages individualisés si elles cherchent à influencer avec succès ces électeurs swing.

Il est très facile de penser qu’il n’y a qu’une seule métrique politique qui compte – recueillir plus de votes que votre adversaire. Très noir et blanc. Vous avez des gagnants et vous avez des perdants. Fin de partie. Lançons “La Maison du Dragon”.

Mais la politique ne se limite pas aux élections en cours. Il s’agit de cultiver une « suite » qui partage des croyances et des principes similaires (mais pas toujours les mêmes). Par conséquent, il faut réfléchir plus largement pour identifier, valider et hiérarchiser les indicateurs de performance clés et les mesures par rapport auxquels mesurer le succès politique et de campagne (Figure 1).

Diapositive2-1

Figure 1 : Complété Campagne politique Modèle de conception de création de valeur

L’exemple Campagne politique Le canevas de conception de la figure 1 garantit qu’il existe un consensus et un alignement entre les principaux constituants sur la façon dont le parti définit ses efforts de création de valeur et identifie les KPI et les mesures par rapport auxquels le parti mesurera sa création de valeur et l’efficacité des objectifs du parti politique.

Il existe de nombreuses données accessibles au public et de tiers sur chaque électeur individuel. Voir le blogVoici les courtiers en données qui achètent et vendent discrètement vos informations personnelles » pour des exemples de données personnelles que n’importe qui peut acheter auprès de courtiers en données tiers. Cela vous surprendra et vous terrifiera (Figure 2).

Diapositive 1-2

Chiffre 2: Vos données personnelles à vendre

Ces données tierces fournissent un bon début pour créer des messages et des actions individualisés… mais ce n’est qu’un début. Votre organisation doit étendre la capture de données spécifiques aux électeurs et aux politiques pour améliorer la précision prédictive de vos modèles de propension à voter. C’est là que la responsabilisation de vos travailleurs de première ligne (solliciteurs) sera inestimable.

Les organisations intelligentes (pas seulement les partis politiques) cherchent à donner à leurs travailleurs de première ligne – les employés en première ligne de l’engagement client et opérationnel – la possibilité d’engager leur intuition humaine naturelle pour identifier ces petites idées nuancées qui pourraient être de meilleurs prédicteurs des comportements. L’idéation clé libératrice, un état d’esprit axé sur le design sous-tend la méthodologie “Thinking Like a Data Scientist” (Figure 3).

Diapositive 3-1

Chiffre 3: L’art de penser comme un data scientist

Vos employés de première ligne jouent un rôle clé dans le processus de science des données et de création de valeur en :

  • Identifier et valider les KPI et les métriques par rapport auxquels l’efficacité de la création de valeur sera mesurée.
  • Réfléchissez aux fonctionnalités autour desquelles les modèles ML chercheront à s’optimiser en créant des scores de propension analytique clés.
  • Identifier et quantifier les coûts associés aux faux positifs et faux négatifs des modèles ML (l’étape que de nombreuses organisations ont tendance à sauter).

Une analytique Le score est un nombre normalisé, généré mathématiquement, qui prédit un certain résultat ou la probabilité (ou la propension) d’une action. Les scores analytiques sont utilisés dans le suivi des performances et la prise de décision fabrication

Un score analytique peut être créé pour chaque décision commerciale ou opérationnelle majeure afin d’améliorer la précision, la pertinence et l’efficacité de la prise de décision. L’exemple le plus courant d’un pointage analytique est un pointage de crédit qui prédit la probabilité ou la propension d’un individu à rembourser un prêt (nous avons tous des pointages de crédit uniques).

Dans notre exemple politique, nous souhaitons créer un score analytique « Probabilité de voter pour un candidat » qui mesure la probabilité ou la probabilité qu’une personne vote pour ce candidat.

En fin de compte, nous voulons capturer, partager et affiner en permanence ces scores analytiques afin qu’ils puissent être utilisés pour générer des messages et des actions à travers de multiples utilisations politiques. Nous stockerons ces scores analytiques dans un profil analytique pour faciliter cela.

Profils analytiques sont un modèle de données clé-valeur pour capturer, codifier, partager et affiner les scores analytiques individualisés (propensions comportementales et de performance prévues). Les profils analytiques permettent l’application des scores analytiques pour conduire des actions et des décisions de précision dans les utilisations politiques, y compris le ciblage des électeurs, les messages de campagne, les dons des électeurs, le bénévolat des électeurs et d’autres programmes et activités de sensibilisation politique (Figure 4).

Diapositive4-1

Chiffre 4: Bill Schmarzo Voter Analytic Profile… ceci n’est qu’un exemple…

C’est vraiment là que le caoutchouc rencontre la route. C’est là que vous appliqueriez les scores “Probabilité de voter” (LTV) et “Probabilité de voter pour votre candidat” (LTVC) pour cibler vos efforts de campagne, vos messages et vos programmes de sensibilisation sur les électeurs swing qui pourraient être convaincus de voter pour votre candidat et présentez-vous pour voter (Figure 5).

Diapositive5

Chiffre 5: Concentration des ressources sur les électeurs les plus influents

Trois observations sur les électeurs sont représentées dans la figure 5 :

  • Électeurs verrouillésles électeurs avec des scores supérieurs à 80 % de « probabilité de voter » ET de « probabilité de voter pour votre candidat » ne valent probablement qu’un petit investissement. Ils ne peuvent voter qu’une seule fois (légalement), et à moins que vous n’essayiez d’augmenter leurs dons et leur bénévolat (ce qui nécessite un ensemble différent de scores analytiques), vous feriez mieux de concentrer les ressources ailleurs.
  • Électeurs perdusles électeurs avec moins de 30% de “probabilité de voter pour votre candidat” ne valent probablement aucun investissement. Vous n’allez pas les faire changer d’avis (rappelez-vous, ils sont la base de l’autre parti, et la base peut être extrêmement tolérante envers les manigances de son propre candidat). N’oubliez pas que beaucoup d’Américains ne peuvent pas être convaincus que la Terre n’est pas plate…
  • La plupart de votre temps et de vos efforts devraient être concentrés sur ces électeurs swing. Avoir des scores analytiques sur chaque question politique majeure (par exemple, les droits des femmes, les droits des armes à feu, l’immigration, l’emploi, l’éducation, le changement climatique) est essentiel pour affiner davantage votre message et vos efforts de sensibilisation sur ces électeurs swing qui ont les « bonnes » croyances et attitudes à basculer vers votre candidat.

Remarque finale : ne comptez jamais sur un seul score pour prendre votre décision. Dans notre exemple politique, un score élevé de « probabilité de voter pour un candidat » ne signifie pas grand-chose si la même personne a un score de « probabilité de voter » faible.

Au fur et à mesure que de plus en plus d’Américains deviennent des indépendants politiques, les anciennes stratégies de campagne consistant à dynamiser votre base s’avéreront insuffisantes. “Jouer à la base” pourrait être suffisant pour vous faire nommer par votre parti, mais assez peu probable pour vous faire élire lors d’une élection générale.

Par conséquent, il est temps que les campagnes politiques adoptent les meilleures pratiques de la science des données (nanoéconomie, scores analytiques, profils analytiques, réflexion comme une méthodologie de scientifique des données) que les principales organisations commerciales utilisent aujourd’hui pour générer des résultats commerciaux et opérationnels plus significatifs.

Cela signifie traiter chaque électeur comme un individu (et non comme un groupe trop généralisé) et investir du temps et des efforts pour en savoir plus sur ses préoccupations et ses aspirations individuelles. Maintenant, n’est-ce pas ce que la politique est censée être ?

Leave a Comment