Adl Consulting è una società di consulenza strategica, public affairs e comunicazione istituzionale specializzata in attività di lobbying, advocacy e change management. Dal 2012 sosteniamo il decision-making basato sui dati e promuoviamo il #DigitalLobbying nel settore.
Il “Digital Lobbying Blog” è uno spazio digitale dove il nostro Team mette a disposizione di tutti i professionisti di settore approfondimenti su questioni emergenti nazionali e internazionali, innovazioni e best practice.
La nostra Academy è una piattaforma dedicata alla formazione di esperti in affari istituzionali e regolatori, dirigenti, giornalisti e collaboratori parlamentari. I nostri corsi, tenuti da docenti qualificati ed esperti di settore, formano figure professionali con un elevato grado di specializzazione, capaci di operare sul fronte delle relazioni istituzionali e dei public affairs attraverso tecniche e strumenti innovativi interdisciplinari.
Dalle elezioni americane del 2016 e 2020, fino alle ultime elezioni europee del 2024, l’uso degli strumenti digitali nelle campagne elettorali ha permesso di ampliare l’audience dei messaggi dei candidati, di ridurre i costi di diffusione delle informazioni e di implementare una comunicazione più efficace.
L’elezione presidenziale americana del 2008 è considerata da molti la prima ad aver utilizzato in modo significativo i big data e gli strumenti digitali nelle campagne elettorali (Bimber, 2014). La strategia del comitato elettorale del Presidente Obama si basava sull’utilizzo dei social media come Facebook, MySpace e Twitter, e sulla creazione del celebre sito MyBarackObama.com. La pagina web fu un elemento chiave della strategia digitale poiché consentì di raccogliere e analizzare una grande quantità di dati sui sostenitori del leader. I volontari, infatti, potevano creare profili personali, organizzare eventi locali, comunicare con altri attivisti e donare fondi alla campagna. Questo permetteva al team di Obama di identificare i sostenitori più attivi e influenti, e di inviare loro messaggi mirati e personalizzati.
L’uso crescente dei dati politici nelle campagne moderne ha sollevato preoccupazioni significative riguardo alle diffusione di fake news e alla manipolazione elettorale, culminate nello scandalo di Cambridge Analytica. La società aveva infatti acquisito illegalmente i dati di milioni di utenti Facebook per sviluppare profili psicografici dettagliati e inviare messaggi politici mirati, influenzando così l’esito delle elezioni.
Questo episodio ha evidenziato la necessità di stabilire chiare linee guida e regolamentazioni sull’utilizzo dei big data nelle campagne elettorali, per tutelare la privacy e l’integrità del processo democratico.
Accanto all’uso nelle campagne elettorali, l’utilizzo dei dati è una pratica sempre più diffusa anche in altri settori della sfera politica, come quello dei public affairs, delle campagne di advocacy e della valutazione delle politiche pubbliche. Difatti, un crescente trend di decisioni politiche data-driven è stato registrato a livello globale. Il concetto di data-informed decision-making ha influenzato le pratiche di privati e decisori pubblici, ed è anche diventato oggetto di studio da parte della letteratura (Jetzek et al., 2014; Duncan et al., 2021).
%%postit1%%
Il quadro si fa ancora più complesso se osserviamo il ruolo che l’intelligenza artificiale sta assumendo nel decision-making. Come è noto, campagne politiche americane stanno già utilizzando questi strumenti per creare annunci pubblicitari e per ottimizzare le raccolte fondi. La Generative AI è pronta a ridefinire le campagne moderne, anche se la natura esatta della sua influenza rimane, per ora, incerta (LaChapelle e Tucker, 2024).
In questo contesto la letteratura scientifica ha ampiamente esplorato il concetto di data-driven campaigning (DDC), un modello di riferimento delle attuali campagne elettorali caratterizzato da due tipi di pratiche: targeting e testing. Il targeting consiste nell’usare i dati per decidere quali messaggi inviare a quali potenziali elettori e in quale momento della campagna, mentre il testing si riferisce a misurare empiricamente quanto bene i messaggi performano gli uni rispetto agli altri (Baldwin-Philippi, 2019).
Gli autori Munroe and Munroe (2022) identificano tre elementi indispensabili per definire una campagna elettorale che si fonda sui principi della DDC:
Nonostante la letteratura sull’uso dei dati nelle campagne elettorali sia prevalentemente di origine americana, in Europa è emerso un crescente interesse per una reinterpretazione di questo concetto in chiave continentale. Di recente, Dommetta, Barclaya and Gibsonb (2024) hanno elaborato una definizione della data-driven campaigning (DDC) che cerca di non essere influenzata dal sistema politico americano:
%%postit2%%
In Italia l’analisi più interessante è offerta da De Rosa (2018), che sintetizza gli ultimi sviluppi sull’uso dei big-data nelle campagne elettorali, focalizzandosi sulle opportunità e limiti di analisi e strategie data driven. Luigi Di Gregorio (2024), invece, studiando l’attuale contesto politico in cui siamo immersi, ne definisce la natura attraverso l’espressione “campagna politica permanente” e sottolinea l’importanza dell’analisi dei dati all’interno dei processi decisionali. Nel suo modello di definizione strategica delle campagne di comunicazione politica, “Control Room”, un peso rilevante è affidato alle analisi data-based e alle relative strategie di comunicazione digitali. Accanto a figure tradizionali come lo spin doctor o le agenzie di comunicazione politica – suggerisce il professor Di Gregorio – vi è la necessità di nuove figure professionali in grado di monitorare e interpretare una crescente mole di dati e indirizzare le decisioni intraprese per la creazione del consenso. Di qui, la nascita di strutture permanenti per il data-driven decision making.
%%block_image_and_text1%%
Le recenti elezioni europee 2024 e le prossime elezioni presidenziali USA di novembre 2024 vedranno la crescente presenza di campagne data-driven. Le preoccupazioni sull’uso improprio degli strumenti digitali e dei social network sono al centro del dibattito pubblico, mentre il regolatore sta cercando di adeguarsi il più velocemente possibile alle ultime innovazioni.
Negli Stati Uniti, le elezioni del 2020, influenzate dalla pandemia, hanno segnato un ulteriore cambiamento verso l’innovazione digitale in campagna elettorale. Joe Biden ha saputo sfruttare abilmente le piattaforme online per le relazioni con gli elettori, raccogliere fondi e analizzare i dati in tempo reale. Secondo quanto riportato da Reuters, il Partito Repubblicano e il Partito Democratico stanno investendo milioni di euro nelle loro aziende di riferimento per l’analisi dei dati, ovvero Data Trust e Democratic Data Exchange, al fine di creare database nazionali, analizzare dettagliatamente gli elettori, individuare il target degli indecisi e condurre analisi predittive sulle posizioni rispetto alle problematiche più attuali.
In Europa, l’uso dei dati nelle campagne politiche è ancora ridotto rispetto agli Stati Uniti, soprattutto a causa della regolamentazione riguardante i dati e le piattaforme digitali (come il GDPR e il DSA) e la scarsa presenza di aziende specializzate in political data analytics. Tuttavia, l’utilizzo di dati e strumenti digitali a fini politici ed elettorali è in costante crescita. Un’analisi condotta di Barclay e al. (2024) sui partiti in Austria e Regno Unito, ha evidenziato come i partiti utilizzano diversi tipi di dati (Voter data, public data, digital trace data, ecc.) per finalità non esclusivamente elettorali. Ad esempio, partiti come il Labour Party e il Conservative Party britannici hanno diviso l’elettorato in segmenti su vasta scala per personalizzare messaggi, segnali e comportamenti dei candidati in base all’interlocutore. Inoltre, nonostante sia parzialmente vietata, la pubblicità politica micro-targettizzata è una pratica comune in Europa. Gli annunci micro-differenziati sui social network sono stati implementati anche in Italia già nel 2018 (Cepernich, 2019). Infine, in Germania, il think-tank di protezione della privacy NOYB (None of Your Business) ha presentato una serie di denunce contro diversi partiti politici tedeschi avvezzi a queste pratiche.
A livello europeo, un rapporto pubblicato dalla Commissione Europea a maggio 2024 ha esaminato l’uso del data-driven campaigning in vista delle elezioni nei vari paesi europei (Italia, Germania, Spagna, Francia, Ungheria, Olanda, Estonia e Norvegia). Il documento ha identificato rischi e benefici riguardo a e-Voting, data management, microtargeting politico online e politica AI-augmented. Inoltre, sono state analizzate le normative, con particolare riferimento al GDPR e al Digital Service Act (DSA).
Proprio in termini di regolamentazione, l’Unione Europea ha adottato nel marzo 2024 un regolamento sulla trasparenza e sul targeting della pubblicità politica, mirata a contrastare la manipolazione delle informazioni e l’ingerenza straniera nelle elezioni. Tra le principali misure ci sono quelle di segnalare attraverso etichette gli annunci politici, individuare i contesti in cui il targeting è permesso ed il divieto di erogare servizi pubblicitari a sponsor di paesi terzi tre mesi prima di un’elezione o di un referendum. La maggior parte delle misure entrerà in vigore solo nell’autunno 2025.
Infine, ad aprile 2024, la Commissione Europea ha pubblicato delle linee guida per le grandi aziende tecnologiche, denominate VLOPs e VLOSEs, al fine di mitigare i rischi per i processi elettorali. Tra i provvedimenti più importanti ci sono:
Riferimenti
Aldrich, J. H., Gibson, R. K., Cantijoch, M., & Konitzer, T. (2016). Getting out the vote in the social media era: Are digital tools changing the extent, nature and impact of party contacting in elections? Party Politics, 22(2), pp. 165-178.
Baldwin-Philippi, J. (2019). Data campaigning: Between empirics and assumptions. Internet Policy Review, 8(4), pp. 1-18.
Barclay, A., Dommett, K., & Russmann, U. (2024). Data Driven-Campaign Infrastructures in Europe: Evidence from Austria and the UK. Journal of Political Marketing, pp. 1-20.
Bimber, B. (2014). Digital media in the Obama campaigns of 2008 and 2012: Adaptation to the personalized political communication environment. Journal of information technology & politics, 11(2), pp. 130-150.
Cepernich, C. (2019). Digital Campaigning: The Communication Strategies of the Leaders on Facebook. In The Italian General Election of 2018: Italy in Uncharted Territory, pp. 217-243.
De Rosa, R. (2018). L’uso dei big data nella comunicazione politico-elettorale. Comunicazione politica, 2, pp. 199-224
Di Gregorio, L. (2024). War Room: attori, strutture e processi della politica in campagna permanente. Rubbettino Editore, pp. 355-359
Dommett, K., Barclay, A., & Gibson, R. (2024). Just what is data-driven campaigning? A systematic review. Information, Communication & Society, 27(1), pp. 1-22.
Duncan, P. B., Edgar, D. A., Magnaghi, Okwechime, E., & Veglianti, E. (2021). Chapter: Big data: An introduction to data-driven decision making. in Organizing Smart Buildings and Cities: Promoting Innovation and Participation, pp. 35-46.
Jetzek, T., Avital, M., & Bjorn-Andersen, N. (2014). Data-driven innovation through open government data. Journal of theoretical and applied electronic commerce research, 9(2), pp. 100-120.
LaChapelle, C. and Tucker, C. (2024) Generative AI in Political Advertising, Brennan Center for Justice. Available at: https://www.brennancenter.org/our-work/research-reports/generative-ai-political-advertising (Accessed: 30 May 2024).
Munroe, K. B., & Munroe, H. D. (2022). “Chapter 11: Local Data-Driven Campaigning” in Inside the Local Campaign: Constituency Elections in Canada, pp. 245-264
Nguyen, B. (2024) 2024 candidates are using AI in their campaigns-here’s how to spot it. Forbes Business. Available at: https://www.forbes.com/sites/britneynguyen/2023/12/13/2024-candidates-are-using-ai-in-their-campaigns-heres-how-to-spot-it/ (Accessed: 19 June 2024).
Walker, D., & Nowlin, E. L. (2021). Data-driven precision and selectiveness in political campaign fundraising. Journal of Political Marketing, 20(2), pp. 73-92.
Intern