Pubblicità e Comportamento degli Elettori: Lezioni dal 2020 per il 2024
Analizzando l'impatto delle campagne pubblicitarie passate sulle decisioni future degli elettori.
Xinran Miao, Jiwei Zhao, Hyunseung Kang
― 6 leggere min
Indice
- Perché ci interessano le pubblicità
- L'esperienza del 2020
- Il costo degli esperimenti
- Il nostro approccio
- Stimare l'impatto delle pubblicità
- Risultati chiave
- Esplorare la ricerca correlata
- Analisi di sensibilità spiegata
- Fondamenti della raccolta dati
- Procedere con le previsioni
- L'importanza del contesto
- Conclusione
- Valutazione continua
- Fonte originale
In ogni elezione, i candidati cercano di conquistare gli elettori con la pubblicità. Queste pubblicità possono essere positive, mettendo in risalto le qualità dei candidati, o negative, evidenziando i difetti dei loro avversari. Negli ultimi anni, i team di campagna hanno cercato di capire quanto siano davvero efficaci queste pubblicità. Questo articolo guarda indietro alle elezioni presidenziali americane del 2020 e si chiede se possiamo usare ciò che abbiamo imparato per informare le pubblicità delle elezioni del 2024.
Perché ci interessano le pubblicità
Le pubblicità possono influenzare il modo in cui le persone pensano ai candidati. Possono influenzare se qualcuno decide di votare e per chi. Dopo le elezioni del 2020, è emersa una grande domanda: se avviassimo una campagna pubblicitaria negativa contro Trump nel 2024, cambierebbe il modo in cui le persone in Pennsylvania (uno stato molto importante) votano?
Per rispondere a questo, potremmo condurre un esperimento casuale in cui un gruppo di elettori vede un tipo di pubblicità mentre un altro gruppo ne vede un’altra completamente diversa. Tuttavia, questi esperimenti possono essere molto costosi. Perciò, stiamo cercando un modo più economico e veloce per fare previsioni basate sui dati passati.
L'esperienza del 2020
Nel 2020, i ricercatori hanno testato pubblicità negative contro Donald Trump. Hanno scoperto che queste pubblicità non hanno davvero cambiato la partecipazione degli elettori in Pennsylvania. Dato il clima di tensione e le circostanze uniche di quelle elezioni, sorge la domanda: funzioneranno le stesse pubblicità nel 2024? Il panorama è cambiato. Nuovi temi come i diritti delle donne, l'inflazione e i conflitti internazionali sono ora nella mente degli elettori.
Visto che ci sono stati questi cambiamenti, vogliamo capire se i risultati passati siano ancora validi.
Il costo degli esperimenti
Condurre un nuovo esperimento per il 2024 potrebbe costare milioni, mentre una campagna nel 2020 ha speso quasi 9 milioni in pubblicità. Alcune organizzazioni si stanno già preparando con budget enormi, una reportedly ha raggiunto i 450 milioni per testare diverse pubblicità per la loro efficacia. Allora, qual è l'alternativa?
Proponiamo di usare le conoscenze del 2020 per valutare i risultati potenziali delle pubblicità del 2024. Confrontando le demografie degli elettori e il contesto di entrambe le elezioni, possiamo provare a fare una stima ragionevole su quanto potrebbero essere efficaci certe pubblicità.
Il nostro approccio
Il nostro approccio include piani di riserva per comprendere come le differenze tra le due elezioni potrebbero influenzare il risultato. Usiamo qualcosa chiamato analisi di sensibilità per misurare queste differenze non osservabili.
In parole semplici, stiamo cercando di stimare quanto siano diverse le due elezioni e di adattare i nostri risultati di conseguenza. Il nostro obiettivo è vedere se il modo in cui gli elettori hanno reagito alle pubblicità nel 2020 possa aiutare a prevedere come reagiranno nel 2024.
Stimare l'impatto delle pubblicità
Ci concentriamo sull'effetto di una pubblicità negativa contro Trump sugli elettori della Pennsylvania per le prossime elezioni. La Pennsylvania è fondamentale perché ha un gran numero di voti elettorali. Guardando i modelli di voto in vari contea, possiamo avere un'idea migliore di dove le pubblicità potrebbero funzionare e dove potrebbero non funzionare.
Usando metodi diversi, suddividiamo l’esito atteso per diversi gruppi di elettori. Ad esempio, sono gli uomini o le donne più propensi a essere influenzati dalle pubblicità negative? E per quanto riguarda gli elettori urbani rispetto a quelli rurali?
Risultati chiave
La nostra analisi mostra risultati misti. Nella contea di Fulton, che ha sostenuto fortemente Trump nel 2020, le pubblicità negative potrebbero ridurre leggermente la partecipazione degli elettori. Tuttavia, in molte altre contee, non si prevede che le pubblicità abbiano un impatto significativo.
In termini di sottogruppi di elettori, abbiamo scoperto che le pubblicità negative potrebbero ridurre la partecipazione tra le donne che vivono in aree rurali con meno istruzione, mentre potrebbero aumentare la partecipazione tra gli elettori non femminili più istruiti che vivono in aree urbane.
Esplorare la ricerca correlata
I nostri metodi non sono nuovi, ma si basano su ricerche precedenti su come generalizzare gli effetti del trattamento da un gruppo all'altro. Per questa analisi, abbiamo utilizzato dati del 2020 e del 2024 per fare previsioni tenendo conto delle differenze nelle demografie degli elettori.
L'obiettivo è garantire che stiamo valutando accuratamente l'impatto delle pubblicità negative senza dover condurre nuovi esperimenti costosi. Usando i dati passati in modo intelligente, possiamo comunque ottenere informazioni utili.
Analisi di sensibilità spiegata
Ogni volta che analizziamo i dati, dobbiamo considerare la possibilità che fattori invisibili possano distorcere i nostri risultati. È qui che entra in gioco l'analisi di sensibilità. Ci aiuta a valutare quanto i cambiamenti sconosciuti tra le due elezioni potrebbero alterare le nostre conclusioni.
Se scopriamo che alcune ipotesi reggono, possiamo essere più fiduciosi nelle nostre previsioni. Se no, dobbiamo essere cauti nelle nostre interpretazioni.
Fondamenti della raccolta dati
Raccogliere i dati giusti è cruciale. Nel nostro caso, abbiamo raccolto informazioni demografiche come età, genere e affiliazione politica dagli elettori registrati in Pennsylvania. In questo modo, possiamo vedere come diversi gruppi potrebbero reagire alle pubblicità.
Per assicurarci che i nostri dati siano affidabili, abbiamo ricodificato attentamente le informazioni per adattarle alle nostre esigenze. Questo passaggio garantisce che stiamo usando definizioni coerenti in entrambe le elezioni.
Procedere con le previsioni
Usando il nostro approccio, abbiamo presentato stime sull'efficacia delle campagne pubblicitarie negative in Pennsylvania per il 2024. Abbiamo suddiviso questo per contee e demografie degli elettori, dipingendo un quadro più chiaro di come gli elettori probabilmente risponderanno.
Curiosamente, i modelli suggeriscono che le contee che hanno sostenuto principalmente Trump nel 2020 potrebbero vedere le pubblicità negative come poco convincenti, mentre le aree che si sono inclinate verso i Democratici potrebbero rispondere meglio.
L'importanza del contesto
Il panorama politico nel 2024 è diverso rispetto al 2020. Temi come l'inflazione e i diritti delle donne ora sono in primo piano. Questi fattori potrebbero creare nuove sensibilità tra gli elettori che le campagne precedenti non avevano previsto.
Comprendere queste nuove dinamiche è fondamentale per qualsiasi futura campagna pubblicitaria. Dopotutto, le pubblicità che funzionavano prima potrebbero non avere lo stesso effetto in seguito a causa delle preoccupazioni in evoluzione degli elettori.
Conclusione
Alla fine, mentre condurre un nuovo esperimento randomizzato è il gold standard per comprendere l'efficacia delle pubblicità, non è sempre pratico o conveniente. Usando l'apprendimento di trasferimento dalle elezioni passate, possiamo trarre preziose intuizioni su come le pubblicità digitali potrebbero influenzare la partecipazione degli elettori in futuro.
La nostra analisi sottolinea l'importanza di un approccio attento per comprendere il comportamento degli elettori, specialmente man mano che nuovi temi emergono.
Valutazione continua
Avvicinandoci alle elezioni del 2024, sarà essenziale una valutazione continua dei sentimenti degli elettori e della loro reattività alle pubblicità. Imparando dalle campagne passate e adattandoci di conseguenza, i team di campagna possono connettersi meglio con gli elettori e massimizzare il loro impatto.
Comprendere le sfumature delle demografie degli elettori e le loro preoccupazioni in evoluzione sarà centrale per ottenere il loro sostegno.
Quindi, preparatevi per le elezioni del 2024, gente! Sarà un viaggio interessante pieno di pubblicità, dibattiti e forse un po' più di drammi del necessario!
Titolo: Transfer Learning Between U.S. Presidential Elections: How Should We Learn From A 2020 Ad Campaign To Inform 2024 Ad Campaigns?
Estratto: 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.
Autori: Xinran Miao, Jiwei Zhao, Hyunseung Kang
Ultimo aggiornamento: 2024-11-01 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2411.01100
Fonte PDF: https://arxiv.org/pdf/2411.01100
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.