Archivo de la etiqueta: Twitter

¿Puede la actividad en Twitter predecir quienes serán co-portavoces de EQUO?

En anteriores elecciones encontré una fórmula que, aplicada a la actividad en Twitter, aproximaba bastante bien los resultados: “número de interacciones con una candidata + número de personas diferentes que interactuaron con ella + el doble del número de interacciones en las últimas dos semanas”. Para recoger datos en esta campaña he vuelto a usar Tweetbinder, centrándome en las candidatas a co-portavoz y en la actividad alrededor de los hashtags de campaña (#Equo2p0 y #EQUOenAccion).

Aplicando la fórmula el resultado sería que Rosa Martínez y Juantxo Uralde serían elegidos co-portavoces con holgura, y que en el duelo de hashtags ganaría #EQUOenAccion.

¿Sería extrapolable el resultado del hashtag a todas las candidatas del equipo? Para intentar contestar a esta pregunta busco otros datos:

– Número de interacciones de las candidatas bajo el hashtag de su equipo. Si éste fuese el criterio, los elegidos para la CEF serían por este orden: Beatriz del Hoyo, Roberto Carro, Alejandro Aguilar, Pilar Calvo, Jon Ruiz de Infante, Alberto de los Ríos, Pepe Larios, Carmen Molina, Sindo Rubín. Sale una mayoría de #EQUOenAccion (6 contra 3) y para el resto de puestos no tengo datos.

– Número de seguidores de los candidatos en Twitter. Si éste fuese el criterio, serían elegidos por este orden: Mónika Monteagudo, Pepe Larios, Pablo Aldama, Roberto Carro, Alberto de los Ríos, Carmen Ibarlucea, Beatriz del Hoyo, Jon Ruiz de Infante, Antonio Ortiz, Carmen Molina, Mateo Quirós, Alejandro Aguilar, Ana Gallardo, David Marzo. 7 #EQUOenAccion, 5 #Equo2p0 , 2 independientes.

A la falta de datos comparables con otras elecciones hay que añadir otros dos aspectos relevantes:

– El efecto Uralde. Juantxo cuenta con más de 66.000 seguidores, unas 7 veces más que Florent. Debido a su relevancia fuera de la organización sus interacciones pueden no equivaler a apoyos internos, pero no tengo forma de diferenciarlos. La actividad de Juantxo proyecta a todo el equipo #EQUOenAccion, y análogamente la de Rosa y Florent a #Equo2p0, pero no puedo definir hasta qué punto eso se transforma en votos para las candidatas individuales .

– El universo Facebook. Este análisis parte de la premisa de que la realidad se refleja más o menos correctamente en Twitter. Y lo que refleja es una ventaja de #EQUOenAccion. En Facebook, sin embargo, tengo la sensación de que es #Equo2p0 quien tiene ventaja, pero no tengo herramientas que puedan medirlo.

En resumen: muchas incertidumbres. Aplicando la fórmula: Uralde y Martínez repiten, y #EQUOenAccion obtiene mayoría en la CEF. ¡Suerte a todas!

Análisis Tweetbinder de #EQUOenAccion, @juralde y @martasalamanca2
Análisis Tweetbinder de #Equo2p0, @RosaM_Equo y @fmarcellesi

Actualización 06/11:

Aciertos:

  • Rosa y Juantxo elegidos co-portavoces.
  • Rosa elegida con holgura
  • Mayoría de #EquoenAccion sobre #Equo2p0 (7 a 6)
  • Alto número de interacciones correspondido con elección: Beatriz del Hoyo, Alejandro Aguilar,  Pilar Calvo, Pepe Larios.
  • Alto número de seguidores correspondido con elección: Mónika Monteagudo, Pepe Larios, Carmen Ibarlucea, Beatriz del Hoyo, Mateo Quirós, Alejandro Aguilar.

Fallos:

  • Juantxo elegido por la mínima, cuando la estimación era con holgura
  • Alto número de interacciones no correspondido con elección: Roberto Carro, Jon Ruiz de Infante, Alberto de los Ríos, Carmen Molina, Sindo Rubín.
  • Alto número de seguidores no correspondido con elección: Pablo Aldama, Roberto Carro, Alberto de los Ríos, Jon Ruiz de Infante, Antonio Ortiz, Carmen Molina, Ana Gallardo, David Marzo.

Conclusiones:

  • Está bien haber acertado los co-portavoces aunque en el masculino podría haber sido lo contrario.
  • El alto número de interacciones es la base para mis previsiones anteriores. En este caso no ha funcionado bien. Ha predicho 4 y fallado 5; un mono lo hubiese hecho mejor (al azar).
  • El alto número de seguidores NO era parte de la base de mis previsiones anteriores. En este caso predice 6 y falla 8. De nuevo, un mono lo hubiese hecho mejor. (En realidad serían 6 aciertos y 6 fallos, porque le puse más miembros a la CEF de los que realmente tiene).
  • En resumen: el seguimiento en Twitter parece acertar en términos generales y fallar en aspectos concretos.

¿Puede Twitter predecir los resultados de las elecciones europeas 2014?

Durante las primarias de EQUO parecía que si, pero ¿es extensible el método para predecir los resultados de unas elecciones a gran escala? Quien sólo tenga interés en la predicción en sí que baje al final de este texto. A continuación, las explicaciones.

La fórmula que ajustó mejor los resultados de las primarias fue “número de menciones + número de personas que interactuaron con las candidatas + el doble del número de menciones durante las últimas dos semanas”. Refleja por un lado el interés que una persona levanta en Twitter, combinado con el momento en el que solemos tomar nuestras decisiones, que es más bien a última hora. La correlación de este dato con respecto al resultado real fue muy alta (R2=0.95).

Para contar las menciones he utilizado dos herramientas: Tweetbinder (con la que puedo obtener el número de personas que interactúan, pero el número de menciones está limitado) y Topsy (que no ofrece el número de personas que interactúan, pero no tiene límite de menciones). La hoja con el resumen de datos (incluyendo ambas fases de las primarias) puede consultarse online.

A la hora de extrapolar estos datos al conjunto de la población, hay que calcular: qué porcentaje de los votantes usa Twitter, y cuantas interacciones se corresponden con un voto.

La Unión Internacional de Telecomunicaciones da como cifra oficial del uso de Internet en España el 72% en 2012.  De los usuarios de Internet en España, el 46% utiliza Twitter, según un estudio de IAB Spain. Una asunción clave en este cálculo es que Twitter refleja acertadamente el interés real, considerando a sus usuarios una muestra representativa del resto de la población. Ya que 0.72 * 0.46 = 0.3312 asumo que el 33,12% de la población usa Twitter, y para extrapolar los datos me bastará con obtener la parte proporcional.

Hasta aquí llega “lo fácil”. Ahora hay que calcular cuantas interacciones se corresponden con un voto, que en términos de analítica de redes sociales aplicada a la política es poco menos que el santo grial (también de ahí viene la gracia de esto). Según los datos que tenemos de la segunda vuelta de las primarias de EQUO, la relación entre voto conseguido y menciones en Twitter para el ganador fue de 1 a 4.75 (1 voto por cada 4.75 menciones). La pregunta es ¿cómo de diferente es la interacción de votante/candidato en unas primarias comparado con unas elecciones estatales? Aquí está el gran agujero de este método, ya que en función de cómo se responda a esta pregunta se pueden obtener los resultados que se quieran. Para este caso voy a asumir que en unas estatales se interactúa con el candidato la mitad de las veces que se haría en unas primarias. No tengo datos para sostener este argumento, es sólo una opinión más o menos informada.

Con esto ya se pueden obtener predicciones. Sin embargo, no voy a darlas de todos los partidos, sino sólo de aquellos que considero que basan su actividad en las redes sociales. Un partido con influencias sobre un medio de comunicación tiene una relación con Twitter totalmente diferente que la que tienen EQUO y Primavera Europea, Podemos, Partido X, Pacma y el Partido Pirata, que son los que he escogido. En casi todos ellos la actividad en Twitter de la cuenta oficial del partido ha sido más relevante que la de los candidatos, salvo en Podemos. Aun sí, he selecciondo para todos los casos la cuenta del partido para hacer la predicción. Estos son los resultados finales:

  • Podemos: 311.000 votos
  • Primavera Europea: 295.000
  • Partido X: 193.000
  • Pacma: 70.000
  • Piratas: 21.500

Los datos provienen de Topsy. Usando Tweetbinder que tiene mejor ajuste salen unos 15mil votos más a Primavera Europea (para los otros partidos no tengo datos adecuados en Tweetbinder).

Para Primavera Europea esto debería de significar 1 eurodiputado. En función del acuerdo con Compromís, este diputado ocuparía el tiempo proporcional a los votos obtenidos en la Comunidad Valenciana. Si se correspondiesen estos con la actividad en Twitter de Compromís, serían 75.000 votos. Florent Marcellesi sería eurodiputado a partir de septiembre de 2015.

Si alguien tiene sugerencias sobre como mejorar este análisis, son más que bienvenidos Mientras tanto… ¡que salgan ya los datos oficiales!

Nota: el seguimiento completo realizado con TweetBinder puede verse aquí para: @EuroPrimavera, @Equo, @juralde y @fmarcellesi. Si quieres analizar por tu cuenta los datos puedes descargarlos (van desde el 15/4 hasta el viernes 23/5) en este enlace (ZIP, OpenDocument, 3,1Mb).

Actualización 25/5 al 99,67% escrutado: 

  • Acertado: el número de votos de Primavera Europea. 295.000 predichos y 299.618 reales.
  • Fallado: todo lo demás. Podemos saca un millón de votos más de los que había proyectado. ¿Es por su presencia mediática, que estas fórmulas no incorporan? El Partido X saca 100.000 votos menos, y PACMA saca 100.000 votos más. ¿Es necesario dar un peso diferente a cada partido según cómo interactúa en Twitter?

Conclusión: puede que tengamos entre manos una buena fórmula, pero que sólo funciona bajo unas condiciones muy particulares y debe ser ajustada partido a partido. En cualquier caso, aquí se queda este experimento que espero pueda servir a quienes estudian el tema desde una perspectiva más rigurosa para sacar ideas. Volveremos a la carga en las municipales del próximo año, a seguir tratando de aprender.

¿Puede la actividad de Twitter de las candidatas predecir los resultados de la segunda vuelta de las #primariasEQUO?

Es casi medianoche, las votaciones de las #primariasEQUO están a punto de terminar, y es un buen momento para predecir resultados en base a la actividad de Twitter. Hace 5 semanas fue un buen predictor para saber quien de los 70 candidatos en las #primariasEQUO pasaba a segunda vuelta. Durante este tiempo he seguido analizando la actividad de @idelreves, @willrodrob, @reyesmontiel y @fmarcellesi para saber si podrían adivinarse con antelación los resultados finales.

Este estudio informal tiene una larga lista de limitaciones que pueden consultarse en el post anterior y que son de aplicación de nuevo ahora. La tesis sigue siendo la misma: el interés por los candidatos en Twitter aproxima bien el interés real por los candidatos, y por extensión, su apoyo en las urnas.

Quien quiera saber los resultados predichos, serían: Florent, Reyes, Guillermo e Inés. Aquí van las explicaciones.

Hashtags

Todos los candidatos han buscado un hashtag a modo de lema electoral en la red. Inés eligió #InesForEurope, Florent usó #ReinventaEuropa, y ambos lo mantuvieron en la primera y segunda ronda. Guillermo utilizó #VotaAlto en la primera y #VotaValiente en la segunda, y Reyes lanzó primero #RenUEva, para luego pasar a #GanamosSumando, y también #NosGustaReyes al lanzar su campaña de apoyos.

Los hashtags han tenido mucha menos relevancia que los nombres de los candidatos, siendo en ocasiones testimoniales. Creo que esto podría servir para analizar críticamente el uso que hacemos de los mismos. ¿Los usamos para organizar la información? ¿Los queremos para llegar a más gente? En cualquier caso su impacto es mucho menor que el de los propios candidatos, y por tanto creo que da poca información a la hora de estimar los apoyos.

El que ha tenido más tirón ha sido #ReinventaEuropa, con unas 1800 menciones en esta segunda vuelta. A mucha distancia están los demás, mencionados unas 10 veces menos.

Seguidores ganados

En la primera vuelta Guillermo fue el candidato que más seguidores ganó: 290. En esta segunda, ha sido de nuevo él: 374. Si hubiese un premio para el candidato revelación en este proceso sería para él. Todos han aumentado su número de seguidores reforzando así su “marca personal” con la campaña. Y todos lo han hecho en mayor número que en la primera vuelta, dando a entender que esta segunda vuelta ha generado más expectación que la primera.

Una campaña de guante blanco

Hay herramientas que permiten analizar si los mensajes son positivos, neutros, o negativos. Detrás de este análisis se esconde toda una ciencia de análisis de sentimiento en las redes sociales, que permite a rasgos generales saber “de qué humor está Twitter hoy”. He utilizado una herramienta llamada Sentiment140 para ver el tono de los mensajes sobre la campaña. Dado que la primera fase se desarrolló siempre en tono positivo, esperaba lo mismo en esta segunda, y eso fue lo que encontré. Aunque no me fío todavía mucho de esta herramienta, los resultados fueron casi unánimemente positivos.

Este análisis tiene sentido para caracterizar los resultados de las menciones. Un candidato puede tener muchas menciones, pero ser todas negativas, y eso no debería de suponerle un número mayor de votos. Esto le pasaría a políticos ante quienes la opinión pública está más polarizada, y menos a un proceso interno de EQUO. También nos comenzará a pasar cuando los mensajes se dirijan más al exterior.

Otras redes sociales

Twitter puede ser un buen proxy para calibrar una campaña, pero la gente se mueve también en otras redes sociales. Aquí van algunos resultados de otros análisis rápidos:

Klout. Esta web compone la influencia en la red de la gente creando un índice a partir de la actividad en Facebook, Twitter, y otras redes. No es válida para comparar a los candidatos porque tan sólo Florent tiene incorporadas Facebook y Twitter a su Klout, los demás sólo tienen Twitter. Por eso aunque Florent puntúe 72, no es comparable con los demás. Reyes puntúa 61, y Guillermo e Inés 56. El perfil de Equo está en 73, con ambos componentes integrados. Juantxo Uralde tiene una puntuación en Klout de 69. Hablo de memoria, pero creo que Juantxo tenía una puntuación más parecida a la de Equo. De ser así, sería una muestra de cómo ha cedido protagonismo en campaña a los candidatos.

Youtube. Se ha producido una interesante batalla de vídeos entre los candidatos. La que menos ha estado presente ha sido Inés. Ha tenido su vídeo de apoyos europeos (356 visualizaciones) y ha sido protagonista indirecta de los dos videos de apoyo a ella y a Reyes como mujeres, europeo y estatal. Reyes ha logrado, además de estas visualizaciones compartidas, unas 841 con su video oficial de campaña. Guillermo ha lanzado muchos videos: el candidato de Equo pregunta y respuesta, el Vota Valiente con su teaser, y el alegato final. El que más visitas ha tenido ha sido Vota Valiente con 1019. Es dificil saber si quienes han visto los otros son las mismas o diferentes personas. Por último, Florent ha sacado dos vídeos, un recopilatorio de su campaña de imágenes, con 250 vistas, y su video de campaña, que es el claro vencedor en esta categoría con 1864 vistas.

Facebook. La red social por excelencia, y sigo sin tener una buena herramienta para analizarla. He aplicado un método manual: contar los likes y shares de los posts del perfil oficial de Equo en los que se menciona a los candidatos. En las dos últimas semanas parece que los post de Florent tienen más repercusión, pero eso es todo lo que me atrevo a decir.

Menciones en Twitter

Por último, el núcleo del estudio, las menciones en Twitter. En la categoría de número total de menciones acumuladas gana Florent. En la de número de personas con quien se interactua gana Reyes. En las menciones en las dos últimas semanas, gana Florent.

En la primera vuelta mi análisis acertó más o menos los primeros puestos, pero no dio la talla a la hora de acertar el resto de la lista, la correlación entre número de votos y número de menciones era regular (R2=70). Recombinando los factores logré un R2 de 75 dándole un valor doble a las menciones en las últimas dos semanas. Sigue siendo una correlación mala, pero es lo mejor que pude obtener.

Por tanto, la fórmula mágica que aplico ahora refleja la anterior: el valor de las menciones en las últimas dos semanas cuenta doble, asumiendo que según se acercan las elecciones la gente está más atenta y es cuando decide el voto.

Concluyendo

Hay una primera consideración, y es que hay dos grupos de candidatos. Por un lado, Florent y Reyes. Por otro, Inés y Guillermo. En casi todos los indicadores están Florent y Reyes en cabeza. Creo que no es arriesgado aventurar que en el 1 y 2 se lo repartirán Florent y Reyes, y el 3 y 4 Inés y Guillermo.

En función de los resultados que tengo, me atrevería a aventurar que la primera posición sería para Florent, la segunda para Reyes, la tercera para Guillermo y la cuarta para Inés.

Y tirándome absolutamente a la piscina: si asumimos que el número de votos andará por los 2500 como en la primera vuelta, las primeras opciones del VUT serán algo así: Florent 960, Reyes 900, Guillermo 660, Inés 585.

Creo sinceramente que he estirado los datos más de lo que dan, pero teniéndonos en la mano no lo puedo remediar. En unas horas, el escrutinio final.

Sólo me queda agradecer a Inés, a Florent, a Guillermo y a Reyes su labor incansable en estas #primariasEQUO. Gracias.

Actualización: Todos los datos recogidos están almacenados en Google Docs: Impacto en Twitter de candidaturas #primariasEQUO, el mismo documento que en la primera vuelta, ampliado.

¿Puede la actividad de Twitter de las candidatas predecir los resultados de las #primariasEQUO?

Durante las últimas 8 semanas he recogido datos sobre la actividad en Twitter de las personas candidatas a las #primariasEQUO. Me pregunto si sería posible predecir con ellos el resultado de la primera vuelta, cuya votación se cierra en un par de horas.

He utilizado la herramienta TweetBinder para recoger los datos. TweetBinder analiza los tweets de los últimos 7 días, y por tanto he realizado 8 mediciones semanales de los siguientes datos:

  • el número total de veces que se menciona el nombre de una candidata
  • el número de personas que contribuyen a esas menciones
  • el número medio de tweets relacionados que publica cada persona contribuyente (una forma de medir la interacción)
  • el número de retweets de estas menciones

Todos los datos recogidos están disponibles en este GoogleDoc para quien quiera verlos y jugar con ellos: “Impacto en Twitter de candidaturas #primariasEQUO“.

Limitaciones

Este pequeño estudio tiene muchas limitaciones que es necesario tener en cuenta.

En principio mi tesis es que el impacto real de una candidatura va a tener su reflejo en Twitter, y que las interacciones en esta red aproximan bien el interés real por los candidatos. Quiero estudiar la correlación entre los resultados en las primarias y la interacción en Twitter, pero no tengo nada claro si es posible derivar algún tipo de causalidad. ¿Twitter influye en el voto real, o viceversa, o ambos? Esa pregunta se me queda grande. Estoy abierto a todo tipo de críticas sean metodológicas, epistemológicas, o de cualquier otro tipo.

Elegí Twitter por la relativa sencillez de uso de TweetBinder. Me hubiese gustado también analizar Facebook, pero no encontré ninguna herramienta similar. Ambas redes tienen idiosincrasias diferentes, no se hace el mismo uso de ellas. Por tanto, no puedo decir nada sobre el impacto de “las redes sociales” en las #primariasEQUO, sino únicamente sobre Twitter. De hecho, centrarse únicamente en Twitter puede hacer que se minusvalore el impacto de Facebook.

Los datos han sido recogidos de forma “casi semanal”, cada domingo. Hay dos excepciones, en la semana 3 que los recogí un lunes, y en la semana 8 que los recojo un viernes porque es cuando se acaban las votaciones. Dado que Tweetbinder recoge los datos de los últimos 7 días (sin poder seleccionar, que yo sepa, únicamente los últimos 5 días), el resultado de no recoger datos a la misma hora el mismo día supone que habrá datos que se pierdan (por ejemplo la actividad del 23 de diciembre no está) y otros que se dupliquen (por ejemplo los días 25 y 26 de enero se cuentan tanto en la semana 7 como en la 8). Con las horas de recogida para algo similar: a veces recuento a las 12, otras a las 23, y unos datos se pierden y otros se duplican.

He ido introduciendo los datos según iba conociendo cuentas de los candidatos en Twitter. Por eso algunos sólo aparecen desde la mitad del estudio, y otros incluso sólo la última semana.

Twitter es una herramienta abierta al público, pero quienes van a votar en las primarias son un grupo limitado de personas (afiliadas, simpatizantes y votantes registradas ex-profeso). Son dos grupos diferentes, y no se puede saber si una interacción en Twitter proviene de una persona que va a votar, o no. Por tanto, una de las principales asunciones de este estudio es que quien genera la interacción con los candidatos es quien tiene un interés por ellos y por votarles, es decir, gente supuestamente registrada como votante.

Otra asunción implícita es que todas las interacciones son positivas. Podrían también ser menciones críticas, pero no tengo forma de saberlo. Por eso se asume cierto efecto “popularidad”, y que quien levante más interés será quien mejores resultados obtenga (que hablen de mi aunque sea mal).

Por último, los candidatos que no usan Twitter no están incluidos en este estudio. No puedo decir con ello que vayan a obtener buenos o malos resultados, sólo que los datos no pueden decir nada sobre ellos.

¿En qué basar una predicción?

Un primer indicador podría ser el número de seguidores. Los candidatos parten de situaciones muy diferentes, desde Reyes Montiel, que arrancaba la campaña con 6.500 seguidores, hasta varios otros que no tenían cuenta de Twitter y empezaron de cero durante la campaña, como por ejemplo Mateo Quirós, que ha llegado hasta 261. Ambos han “ganado” un número de seguidores similar durante la campaña.

De los 4 indicadores que saco de TweetBinder, descartaría el de “media de tweets por contribuyente”. Mide cuantos tweets de media ha publicado un contribuyente en particular en los que se mencione al candidato. Es un buen indicador para saber cual es la calidad de la interacción, y si el candidato está hablando solo o logra involucrar a la gente en los debates. Aunque puede ser muy útil para que un candidato ajuste su campaña, creo que no son tan indicativos respecto a los posibles votos. Por ejemplo, en la semana 1 Rafael Conde tuvo un gran número de menciones (927) pero una interacción baja (1.14). La explicación es que consiguió que un tweet suyo fuese muy retwiteado, pero sin entrar en debate. Un ejemplo diferente sería Carolina López, que en las semanas 5 y 6 tiene también muchas menciones (por encima de 900) pero una interacción muy alta (mayor de 9). En este caso se trata de discusiones muy animadas con mucha gente contestando muchas veces. Ambos casos pueden generar potenciales votantes, pero no tengo nada claro cómo medirlo.

Dado que el número de RTs va incluido en el número total de interacciones, me quedo finalmente con 3 indicadores: el número de seguidores,el número total de interacciones, y el número de contribuyentes.

Otro aspecto a considerar sería en qué marco temporal se hace la predicción. Los datos acumulan 8 semanas, pero las votaciones sólo se han realizado durante los últimos 9 días. Si la gente va decidiendo su voto con antelación, entonces será más relevante un marco temporal amplio. Eso repercutirá en un mejor resultado de quienes tienen el terreno más trabajado, como por ejemplo Inés López-Dóriga que tiene un impacto muy regular a lo largo de todo el estudio. Si el voto se decide en los últimos días, será más relevante saber cómo de frescos llegan los candidatos a la recta final. Por ejemplo, Hontanares Arranz sólo comienza a twittear a mitad del estudio, pero en la última semana ha tenido bastante impacto, escala puestos y se mete en el ajo.

Como ninguna opción parece dar la respuesta por sí misma, probablemente haya que hacer una mezcla entre todas. Los pesos relativos de cada apartado sólo los podremos saber una vez calibrada la balanza, es decir, después de tener los resultados.

Los resultados de las primarias del PVE son coherentes con el impacto en Twitter

Después de tantas limitaciones y problemas, aquí va un ejemplo de que este sistema podría funcionar. Justo tras conocerse los resultados de las primarias del PVE recogí los datos de los cuatro candidatos en Twitter. Fueron votados en este orden: Ska Keller, José Bové , Rebecca Harms y Mónica Frassoni.

Ska Keller

  • Votos: 11.791.
  • Impacto en Twitter: 1.316 menciones, 719 contribuyentes, 1,83 tweets/contribuyente, 787 RTs

José Bové 

  • Votos: 11.726
  • Impacto en Twitter: 1.252 menciones, 799 contribuyentes, 1,56 tweets/contribuyente, 803 RTs

Rebecca Harms

  • Votos: 8.170
  • Impacto en Twitter: 953 menciones, 591 contribuyentes, 1,61 tweets/contribuyente, 642 RTs

Monica Frassoni

  • Votos: 5.851, 573, 359, 1.59, 375
  • Impacto en Twitter: 573 menciones, 359 contribuyentes, 1,59 tweets/contribuyente, 375 RTs

En este caso se trata de interacciones únicamente durante la última semana (no tengo más datos). Resultan bastante aproximadas al resultado real, con el número de menciones imitando al resultado real, el de RT y contribuyentes un poco menos, y los tweets por persona indicando cosas diferentes, como habíamos visto antes. Hay que tener la precaución de que esto es un único dato y podría ser casualidad, pero parece prometedor.

Predicciones para las #primariasEQUO

Con todo lo anterior, intentaré basar una predicción para el resultado de la primera vuelta de las primarias en los datos recogidos sobre número de menciones, número de personas que contribuyen y número de seguidores, tanto para las últimas 2 semanas (durante las cuales se celebra la votación), como para el global del estudio.

ranking

 

Todos los datos en: “Impacto en Twitter de candidaturas #primariasEQUO“.

Ahí va por tanto una posible conclusión en función de los datos. De los dos hombres que pasarán a la segunda fase, hay dos que están arriba en todos los rankings, Florent Marcellesi, y Joan Groizard, y uno que ha ido creciendo durante la campaña, Guillermo Rodríguez. De las dos mujeres una sería con bastante seguridad Reyes Montiel, y el cuarto lugar sería o bien para Inés López-Dóriga o para Mónica Monteagudo.

¿Tendrá sentido todo esto que he dicho? Lo veremos mañana. Buenas noches, y buena suerte.

Actualización 01/02/14: ¡Bingo! Florent, Guillermo, Reyes e Inés pasan a segunda vuelta. Por la parte de encima de la lista parece que hay bastante correlación entre actividad en Twitter y resultados, mientras que por la parte de abajo, no tanta. Mientras me aclaro con los análisis que hay que hacer, aquí queda disponible el documento con los datos de la votación incorporados por si alguien quiere analizarlos estadísticamente.