Publicités et Comportement des Électeurs : Leçons de 2020 pour 2024
Analyser l'impact des anciennes campagnes pub sur les décisions des électeurs à l'avenir.
Xinran Miao, Jiwei Zhao, Hyunseung Kang
― 7 min lire
Table des matières
- Pourquoi on se soucie des pubs
- L'expérience de 2020
- Le coût des expériences
- Notre approche
- Estimer l'impact des pubs
- Résultats clés
- Explorer les recherches connexes
- Analyse de sensibilité expliquée
- Bases de collecte de données
- Avancer avec les prévisions
- L'importance du contexte
- Conclusion
- Évaluation continue
- Source originale
À chaque élection, les candidats essaient de séduire les électeurs avec des pubs. Ces pubs peuvent être positives, mettant en avant les qualités des candidats, ou négatives, soulignant les défauts de leurs adversaires. Ces dernières années, les équipes de campagne ont essayé de voir à quel point ces pubs sont vraiment efficaces. Cet article revient sur l'élection présidentielle américaine de 2020 et se demande si on peut utiliser ce qu'on a appris pour les pubs des élections de 2024.
Pourquoi on se soucie des pubs
Les pubs peuvent influencer la façon dont les gens perçoivent les candidats. Elles peuvent jouer un rôle dans la décision de voter ou non et pour qui. Après l'élection de 2020, une grosse question s'est posée : si on menait une campagne de pubs négatives contre Trump en 2024, ça changerait la façon dont les gens en Pennsylvanie (un état super important) votent ?
Pour répondre à ça, on pourrait faire une expérience aléatoire où un groupe d'électeurs voit un type de pub pendant qu'un autre groupe en voit un complètement différent. Mais ces expériences peuvent coûter cher. Du coup, on cherche une méthode plus rapide et moins coûteuse pour faire des prévisions basées sur les données du passé.
L'expérience de 2020
En 2020, des chercheurs ont testé des pubs négatives contre Donald Trump. Ils ont découvert que ces pubs n'avaient pas vraiment changé la participation électorale en Pennsylvanie. Vu la tension et les circonstances uniques de cette élection, ça soulève la question : est-ce que les mêmes pubs fonctionneront en 2024 ? Le paysage a changé. Des nouveaux sujets comme les droits des femmes, l'inflation et les conflits internationaux préoccupent maintenant les électeurs.
Au vu de ces changements, on veut voir si les résultats passés s'appliquent toujours.
Le coût des expériences
Lancer une nouvelle expérience pour 2024 pourrait coûter des millions, alors qu'une campagne en 2020 a dépensé presque 9 millions sur des pubs. Certaines organisations se préparent déjà avec des budgets énormes, l'une aurait même atteint 450 millions pour tester différentes pubs. Alors, quelle est l'alternative ?
On propose d'utiliser les connaissances de 2020 pour évaluer les résultats potentiels pour les pubs de 2024. En comparant les démographies et le contexte des deux élections, on peut essayer de faire une estimation raisonnable sur l'efficacité de certaines pubs.
Notre approche
Notre approche inclut des plans de secours pour comprendre comment les différences entre les deux élections pourraient influencer les résultats. On utilise une sorte d'Analyse de sensibilité pour mesurer ces différences non observables.
En gros, on essaie d'estimer à quel point les deux élections diffèrent et d'ajuster nos résultats en conséquence. Notre but, c'est de voir si la façon dont les électeurs ont réagi aux pubs en 2020 peut nous aider à prédire comment ils réagiront en 2024.
Estimer l'impact des pubs
On se concentre sur l'effet d'une pub négative contre Trump sur les électeurs de Pennsylvanie pour la prochaine élection. La Pennsylvanie est cruciale car elle a un grand nombre de voix électorales. En regardant les tendances de vote dans différents comtés, on peut mieux cerner où les pubs pourraient fonctionner et où elles pourraient ne pas.
Avec différentes méthodes, on décompose le résultat attendu par groupes d'électeurs. Par exemple, est-ce que les hommes ou les femmes sont plus susceptibles d'être influencés par des pubs négatives ? Qu'en est-il des électeurs urbains par rapport aux ruraux ?
Résultats clés
Notre analyse montre des résultats mitigés. Dans le comté de Fulton, qui a fortement soutenu Trump en 2020, des pubs négatives pourraient légèrement réduire la participation électorale. Cependant, dans beaucoup d'autres comtés, ces pubs ne devraient pas avoir d'impact significatif.
Pour les sous-groupes d'électeurs, on a remarqué que les pubs négatives pourraient entraîner une baisse de participation parmi les femmes vivant dans des zones rurales avec moins d'éducation, tandis qu'elles pourraient augmenter la participation parmi des électeurs non-femmes, plus éduqués et vivant en milieu urbain.
Explorer les recherches connexes
Nos méthodes ne sont pas nouvelles mais s'appuient sur des recherches antérieures sur comment généraliser les effets de traitement d'un groupe à un autre. Pour cette analyse, on a utilisé des données de 2020 et 2024 pour faire des prévisions tout en tenant compte des différences dans les démographies des électeurs.
L'objectif est de s'assurer qu'on évalue correctement l'impact des pubs négatives sans devoir réaliser de nouvelles expériences coûteuses. En utilisant intelligemment les données passées, on peut quand même obtenir des insights utiles.
Analyse de sensibilité expliquée
Quand on analyse des données, on doit considérer la possibilité que des facteurs invisibles puissent fausser nos résultats. C'est là qu'intervient l'analyse de sensibilité. Ça nous aide à mesurer à quel point des changements inconnus entre les deux élections pourraient modifier nos conclusions.
Si on trouve que certaines hypothèses tiennent, on peut être plus confiants dans nos prévisions. Sinon, on doit être prudents dans nos interprétations.
Bases de collecte de données
Rassembler les bonnes données est crucial. Dans notre cas, on a collecté des infos Démographiques comme l'âge, le sexe et l'affiliation politique des électeurs inscrits en Pennsylvanie. Comme ça, on peut voir comment différents groupes pourraient réagir aux pubs.
Pour garantir la fiabilité de nos données, on a soigneusement recodé les informations pour les adapter à nos besoins. Cette étape assure qu'on utilise des définitions cohérentes pour les deux élections.
Avancer avec les prévisions
Avec notre approche, on a présenté des estimations sur l'efficacité des campagnes de pubs négatives en Pennsylvanie pour 2024. On a décomposé ça par comtés et démographies d'électeurs, peignant un tableau plus clair de comment les électeurs sont susceptibles de réagir.
Fait intéressant, les tendances suggèrent que les comtés qui ont largement soutenu Trump en 2020 pourraient trouver les pubs négatives peu convaincantes, tandis que les zones plus démocrates pourraient mieux réagir.
L'importance du contexte
Le paysage politique en 2024 est différent de celui de 2020. Des sujets comme l'inflation et les droits des femmes sont désormais au cœur des préoccupations. Ces facteurs pourraient créer de nouvelles sensibilités chez les électeurs que les campagnes précédentes n'avaient pas prises en compte.
Comprendre ces nouvelles dynamiques est essentiel pour les futures campagnes de pubs. Après tout, les pubs qui ont bien fonctionné avant pourraient ne pas avoir le même effet plus tard à cause des préoccupations changeantes des électeurs.
Conclusion
Au final, même si lancer une nouvelle expérience randomisée est la méthode idéale pour comprendre l'efficacité des pubs, ce n'est pas toujours pratique ou abordable. En utilisant l'apprentissage par transfert des élections passées, on peut tirer des insights précieux sur comment les pubs numériques pourraient impacter la participation électorale à l'avenir.
Notre analyse souligne le besoin d'une approche réfléchie pour comprendre le comportement des électeurs, surtout avec de nouveaux sujets qui émergent.
Évaluation continue
À l'approche des élections de 2024, une évaluation continue des sentiments des électeurs et de leur réactivité aux pubs sera essentielle. En apprenant des campagnes passées et en s'adaptant, les équipes de campagne peuvent mieux se connecter avec les électeurs et maximiser leur impact.
Comprendre les subtilités des démographies électorales et leurs préoccupations évolutives sera central pour gagner leur soutien.
Alors, accrochez-vous pour l'élection de 2024, les amis ! Ça va être un voyage intéressant plein de pubs, de débats, et peut-être un peu plus de drame que nécessaire !
Titre: Transfer Learning Between U.S. Presidential Elections: How Should We Learn From A 2020 Ad Campaign To Inform 2024 Ad Campaigns?
Résumé: For the 2024 U.S. presidential election, would negative, digital ads against Donald Trump impact voter turnout in Pennsylvania (PA), a key "tipping point" state? The gold standard to address this question, a randomized experiment where voters get randomized to different ads, yields unbiased estimates of the ad effect, but is very expensive. Instead, we propose a less-than-ideal, but significantly cheaper and likely faster framework based on transfer learning, where we transfer knowledge from a past ad experiment in 2020 to evaluate ads for 2024. A key component of our framework is a sensitivity analysis that quantifies the unobservable differences between past and future elections, which can be calibrated in a data-driven manner. We propose two estimators of the 2024 ad effect: a simple regression estimator with bootstrap, which we recommend for practitioners in this field, and an estimator based on the efficient influence function for broader applications. Using our framework, we estimate the effect of running a negative, digital ad campaign against Trump on voter turnout in PA for the 2024 election. Our findings indicate effect heterogeneity across counties of PA and among important subgroups stratified by gender, urbanicity, and education attainment.
Auteurs: Xinran Miao, Jiwei Zhao, Hyunseung Kang
Dernière mise à jour: 2024-11-01 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2411.01100
Source PDF: https://arxiv.org/pdf/2411.01100
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.