estudio sobre la aplicación de la teoría de los vínculos débiles aplicada a twitter
DESCRIPTION
En el presente estudio demostramos que la Teoría de los Vínculos ayuda a expandir y maximizar un mensaje en la red social Twitter.TRANSCRIPT
UNIVERSIDAD DE SANTIAGO DE COMPOSTELA
INSTITUTO UNIVERSITARIO DE INVESTIGACIÓN ORTEGA Y GASSET
ESTUDIO DE LA TEORÍA DE LOS VÍNCULOS DÉBILES
APLICADA A LA RED SOCIAL TWITTER.
CARLES SALOM RIBERA
Trabajo Tutorizado por: Rafa Rubio
Trabajo Fin de Master en
Máster Universitario en Marketing, Consultoría y Comunicación Política
Curso 2012-2013
A la meva família per permetre-m´ho
A Sandra per aguantar-me
A Conxa per la seva constructivitat
A Mari Luz Congost por su ayuda inestimable
Y a Montse Fernández y Rafa Rubio por sus Consejos
Resumen:
En el presente trabajo, investigaremos la aplicación de la teoría de los vínculos débiles
de Granovetter en la red social Twitter, con el fin de encontrar la mejor forma de
trasladar un mensaje político más allá de los seguidores del perfil de un partido político
en la red social Twitter.
Abstract:
In this paper, we will investigate the application of the theory of Granovetter's weak ties
in the social network Twitter, with the aim to find the best way to move a political
message beyond the profile supporters of a political party in the social network Twitter.
Palabras Clave:
Red Social, Vínculos Débiles, Vínculos Fuertes, Sociometría
Key Words:
Network, Weak Ties, Strong Ties, Sociometry
ÍNDICE
1. INTRODUCCIÓN............................................................................9
1.1 La utilización de Bots y Perfiles Falsos en Twitter.....................10
1.2 Compra de Followers..................................................................14
1.3 Objetivos del Estudio..................................................................15
2. MARCO TEÓRICO........................................................................16
2.1 Redes Sociales: La difícil aproximación a una definición..........16
2.2 La Sociometría y sus principales elementos................................22
2.3 Los Vínculos Débiles y la teoría de Granovetter.........................24
2.4 Vinculos Débiles, Fuertes e Influencia........................................28
3.LA INVESTIGACIÓN.....................................................................33
3.1 Elección de Perfiles.....................................................................33
3.2 Definición de Vínculos................................................................36
3.3 Diseño del Estudio.......................................................................38
3.4 El Perfil del Partido Político en Twitter.......................................44
3.5 Presentación de Resultados..........................................................45
3.5.1 Resultados Primer Mes..........................................................45
3.5.2 Resultados Segundo Mes.......................................................52
3.5.3 Resultados Tercer Mes..........................................................66
4. CONCLUSIONES..........................................................................71
5. BIBLIOGRAFÍA............................................................................74
5.1 Artículos en Periódicos..............................................................77
1 . I N T R O D U C C I Ó N
“(...)the ability to reach large population online means that even small effects
could yield behaviour changes for millions of people. Furthemore, as many
elections are competitive, these changes could affect electoral outcomes”
(Robert M. Bond et al, 2012:295)
Las redes sociales son ya el presente. Nos comunicamos fluidamente a través de ellas,
creamos nuevas sinergias y nuevas acciones, son una herramienta de contacto y de
información creciente. Las hemos estudiado desde diferentes disciplinas académicas,
como la sociología, la psicología o las matemáticas. Y ahora, después de Obama ´08,
cuando la utilización de las redes sociales fueron el principal elemento en la campaña
electoral, se han convertido en un instrumento de Comunicación Política que debemos
tener en cuenta, y más aún si contemplamos el número creciente de personas que se
conecta a ellas.
Según el Observatorio de las redes Sociales, en su informe titulado “V oleada”, el 93%
de los internautas acceden a las redes sociales1. El 70% de los hogares españoles ha
accedido a internet en los últimos 3 meses, unos 25 millones de personas son internautas
1 Trecebits.com, “V Oleada, Observatorio de Redes Sociales,” Abril 2013, http://www.trecebits.com/2013/04/24/v-oleada-del-observatorio-de-redes-sociales-de-the-cocktail-infografia/. Consultada: 27 Junio 2013.
en nuestro país2. Para unas elecciones nacionales son datos a tener presentes, puesto
que, como indicaba nuestra cita inicial, un pequeño cambio en el porcentaje de votantes
puede aportar un gran resultado en la campaña.
Según el IV Estudio Anual de Redes Sociales de “Marketing for ecomerce” y “iab
spain research”3, los usuarios de las redes sociales dedican la mayoría del tiempo que se
encuentran conectados a enviar mensajes privados a sus contactos (35% de usuarios
realiza la actividad de forma muy frecuente) o ver las publicaciones que estos hacen ( el
33% de usuarios realiza esta actividad de forma muy frecuente), en tercer lugar ven
música y vídeos (con un 20% de asiduidad muy frecuente)4. Conviene recalcar el dato
más importante para el fin de nuestro estudio: el mayor tiempo que los usuarios dedican
a sus redes sociales está relacionado con sus contactos, o bien para interactuar con ellos
o para observar aquello que publican.
Es por ello que el estudio de la comunicación política en las redes sociales es de vital
importancia tanto para las campañas electorales como para la comunicación
institucional. Tanto es así que los diferentes partidos ya utilizan técnicas para expandir
su mensaje dentro de las plataformas de redes sociales como pueden ser la utilización de
perfiles falsos o la compra de followers.
1.1 La utilización de Bots y perfiles falsos en el mensaje político
No será la primera vez que oigamos hablar de la utilización de “bots” o perfiles falsos
creados por los partidos, sobre todo en época electoral, para retwittear sus tweets y darle
2 Manuel Jimeno (director publicación), Blanca Villamía Uriarte (subdirectora publicación), and Víctor Suárez Saa (subdirector publicación), eEspaña Informa Anual 2013: Sobre El Desarrollo de La Sociedad de La Información (Fundación Orange, n.d.), http://fundacionorange.es/.
3 IV Estudio Anual Redes Sociales (iab spain research, Enero 2013), http://www.iabspain.net/wp-content/uploads/downloads/2013/01/IV-estudio-anual-RRSS_reducida.pdf.
4 Ibid.
12
publicidad a su perfil oficial. Enmascaran la supuesta espontaneidad de perfiles
privados cuando en realidad son perfiles dirigidos por gente que trabaja en la campaña
electoral o en el partido político.
El término más académico para referirnos a esta manipulación de las redes sociales es
astroturfing. Ronan Tigner se refirió al astroturfing como “In the figurative sense,
astroturfing refers to the practice of disguising an orchestrated campaign as a
grassroots movement” (R. Tigner 2009-2010: 2)
En el estudio, Ronan Tigner cita a la política como uno de los escenarios donde se
utiliza esta práctica:
“example, in the political sphere, there have been many cases of politicians
feigning spontaneous support from their would-be electorate or spreading
falsely citizen based criticism damaging towards their political opponents’
reputation” (R. Tigner 2009-2010: 2)
1. Imagen perfiles falsos en apoyo de UPyD:
Fuente: Menéame
La anterior captura de pantalla bien puede ser el ejemplo más reciente de la utilización
del astroturfing en nuestro país. Fue durante la intervención de la parlamentaria Rosa
Díez, perteneciente al partido UPyD en la sesión de control del 1 de Agosto de 2013. Se
consiguió el efecto contrario al esperado, las redes sociales en lugar de hablar de la
ponencia de la lideresa de UPyD, hablaron de los mensajes de apoyo falsos generados
de forma no espontánea. Observamos como, desde distintos perfiles, pero a la misma
hora, se lanzó exactamente el mismo mensaje en apoyo a UPyD. La ofimática
disponible nos permite, de una forma sencilla, programar un tweet desde diferentes
perfiles y publicarlo a una misma hora. El problema viene cuando, como podemos
observar en las capturas, se descubre la estrategia empleada. El rechazo a nivel social
fue notable.
Tras lo ocurrido surgieron voces llamando a la inocencia del partido en el caso de los
bots5. Incluso UPyD, desde su perfil oficial en Twitter tuvo que desmentir su autoría.
Sea como fuere, si el Partido es inocente o no, la posibilidad de que en las redes se
hablara de la ponencia de Rosa Díez fue llevada a un segundo plano y obligó a su
propio partido, como se puede ver en la siguiente imagen, a dedicar más tiempo a
desmentir la utilización de astroturfing que a hablar del debate y de la intervención de la
parlamentaria.
5 Sergio Acedo, “UPyD Utiliza Bots Durante El Debate Parlamentario,” Blog, El Pato Magenta, Agosto 2013, http://sergioacedo.com/upyd-utiliza-bots-durante-el-debate-parlamentario/.
14
2. Imagen del Perfil del Twitter de UPyD tras el escándalo de los perfiles falsos
Fuente: Elaboración Propia
En las elecciones de México6 el candidato Peña Nieto también fue criticado por la
utilización de la misma estrategia y también lo fue el gobierno de Argentina7 , que
utilizó este sistema para apoyar su mensaje en ciertos temas polémicos. O empresas
como Movistar utilizaron también el astroturfing para lanzar una campaña publicitaria a
través de un perfil personal mediante la emisión de un hashtag.
1.2 La Compra de Followers
Otra de las técnicas utilizada en las redes sociales es la llamada “compra de followers”.
Los propietarios de un perfil, o la persona encargada de administrarlo, tienen la certeza
que con un mayor número de seguidores su perfil gozará de mayor influencia.
6 Alberto Nájar, “Los Mexicanos Que Se Dedican a Cazar Falsos Tuiteros,” BBC Mundo, Abril 2012.7 “Lanata Reveló La Lista de Falsos Twitteros K,” Lanación.com.ar, May 7, 2012,
http://www.lanacion.com.ar/1471157-lanata-revelo-la-lista-de-falsos-twitteros-k.
Plataformas como seguidoresentwitter.net, usocial.net, comprarseguidores.net y tantas
otras8, ofrecen sus servicios para engordar las cuentas de seguidores. Con 350 dólares
pueden proporcionar hasta 25.000 followers nuevos9.
El último ejemplo más reciente que hemos encontrado de una posible compra de
followers fue el candidato al senado Alejandro Bodart10
Fuente: Plazademayo.com
Famosos como Lady gaga también usan la estrategia de compra de followers, se cifra en
un 29% los perfiles falsos de sus 28,7 millones de seguidores. Barack Obama, el
político más seguido en Twitter con 19 millones de followers cuenta con un 30% de
perfiles falsos, 39% inactivos y solamente un 31% son cuentas “buenas” o “activas”11.
8 “Los Políticos Compran Seguidores En Twitter y Facebook,” ABC.es, accessed August 30, 2013, http://www.abc.es/20120625/medios-redes/abci-compra-seguidores-facebook-twitter-201206211408.html.
9 Ibid.10 “Seguidores Truchos Para Todos,” Plazademayo.com, accessed August 30, 2013,
http://www.plazademayo.com/2013/07/truchos/.11 “Barack Obama Tiene 13 Millones de Seguidores Falsos e Inactivos En Twitter - Tecnología -
CNNMéxico.com,” accessed August 30, 2013, http://mexico.cnn.com/tecnologia/2012/08/25/barack-obama-tiene-13-millones-de-seguidores-falsos-e-inactivos-en-twitter.
16
1.3 OBTJETIVOS DEL ESTUDIO
En el estudio intentaremos abordar un objetivo principal, que no es otro que comprobar
si la teoría de la fuerza de los Vínculos Débiles de Granovetter tiene validez en las redes
sociales que se generan a partir del perfil oficial de un partido político. Para ello
emitiremos mensajes desde los Vínculos catalogados como débiles comparándolos con
mensajes emitidos desde Vínculos catalogados como Fuertes.
A la vez buscaremos mostrar una forma de comunicación, a través de las plataformas de
redes sociales, más efectiva que la compra de followers o la creación de perfiles falsos.
Puesto que si comprobamos que la teoría de Granovetter es válida, indirectamente
podría suponer que trabajar desde perfiles reales es más eficiente, en el momento de
emisión y expansión del mensaje político, que hacerlo desde perfiles o followers falsos.
Evitando, además, la repercusión social y la mala imagen que supone el descubrir, por
parte de los usuarios, la utilización de tales técnicas.
Por lo tanto, si la teoría que expuso Granovetter de que los Vínculos Débiles son
mejores transmisores de información se cumple en las plataformas de redes sociales
como Twitter, podríamos encontrar un modo de transmitir mensajes políticos que nos
ayude a maximizar nuestra emisión sin tener que recurrir a la utilización de falsos
perfiles o la compra de seguidores.
2 . M A R C O T E Ó R I C O
2.1 Redes Sociales: La difícil aproximación a una definición
Podemos decir, tal y como apunta J. Scott (1991: 1-38), que el primer sociólogo que
estudió las redes sociales, centrándose únicamente en los problemas estructurales, fue el
sociólogo Radcliffe-Brown entre los años 1930 y 1970. A partir de los años 70, los
estudios alrededor de la materia proliferaron de forma exponencial, basándose en los
estudios de Radcliffe-Brown y más aún después de la creación de plataformas de redes
sociales como Facebook y Twitter.12
Como comentamos anteriormente diversas disciplinas han abordado el estudio de las
redes sociales y cada una de ellas lo ha hecho desde su propio prisma. Tal vez debido a
esta diversidad no encontramos una definición aceptada de forma unánime sobre las
redes sociales. Tanto es así que J. Clyde Mitchell escribía en su estudio “Social
Networks” en referencia a la dificultad de encontrar una definición aceptable: “The
terminological jungle, in wich any newcomer may plant a tree”13 Una jungla de
términos es lo que encontraremos si queremos adentrarnos en el mundo teórico de las
Redes Sociales.
12 John Scott, Social Network Analysis, Third Edition, n.d.13 J. Clyde Mitchell, “Social Networks,” in Annual Review of Antrhopology, vol. 3, Annual Reviews,
1974, 279–299, arjournals.annualreviws.org.
18
No solamente encontraremos infinidad de definiciones sobre qué es una red social, sino
que además deberemos de encuadrarlas dentro del tipo de definición, es decir, si es una
definición metafórica, como puede ser la definición del sociólogo Radcliffe-Brown
“social structure as “a network of actually existing social relationships” o con un nivel
ya mucho más analítico, como podría ser la definición de J. Clyde:
“Social Network as a specific set of linkages among a defined set of persons,
with the additional property that the characteristics of these linkages as a
whole may be used to interpret the social behaviour of the persons envolved”
(Clyde, 1975:2).
Otro de los paradigmas que encontramos para definir el concepto de redes sociales es
mediante el conflicto, tal y como nos muestran Gueorgi Kossinets y Duncan J. Watts14:
“Social network formation is a complex process in which many individuals
simultaneously attempt to satisfy their goals under multiple, possibly
conflicting, constraints.” (G. Kossinets et al., 2006:89)
Un elemento fundamental en cualquier trabajo sobre redes sociales es la teoría de
grafos, una disciplina de las matemáticas que se encarga de representar los mapas de las
relaciones dentro de las redes sociales. Desde su punto de vista una red social es:
“(...) a infite set of point linked, or partly linked, by a set of lines (called arcs) is
called a net, there being no restriction on the number of lines linking any pair
of points or on the direction of those lines. A relation is a restricted sort of net
in with there can only be one line linking one point to another in the same
relation”15
14 G. Kossinets, Duncan J. Watts “Empirical Analysis of an Evolving Social Network,” Science 311, no. 5757 (January 6, 2006): 88–90, doi:10.1126/science.1116869.
15 J. Clyde Mitchell, Social Networks in Urban Situations: Analyses of Personal Relationships in Central African Towns (Manchester: Manchester University Press for the Institute for African Studies, University of Zambia, 1975).
En esta última definición hemos empezado a introducir las principales características de
las redes sociales, en este caso la relación existente entre los diferentes nodos. En la
misma dirección apunta Radcliffe-Brown cuando explica que una red social es “La red
de las relaciones existentes entre las personas implicadas en una sociedad”16
Manuel Castells, en su libro “Sociedad Red”, realiza una definición de las redes
sociales en la que realiza otra aportación a las características de las redes sociales: la
relevancia de los distintos nodos dentro de una misma red social.
“Una red es un conjunto de nodos interconectados. Una red no posee ningun
centro, sólo nodos. Los nodos pueden tener mayor o menor relevancia para el
conjunto de la red (...) La red es la unidad, no el nodo.” (Castells, 2006:27)
La definición de las redes sociales respondería a un modelo rizomático, por ello nos
basaremos en el trabajo de M. E. J. Newman “The structure and function of complex
networks” y sus cuatro diferenciaciones de redes sociales para enmarcar nuestro
estudio.
Newman enumera cuatro formas diferentes de redes sociales17:
- Social Network
- Information Network
- Technological Network
- Biological Network
16 A.R. Radcliffe-Brown “Estructura y función en la sociedad primitiva”, Barcelona, Península, 1974 (2º de) pp 218-228
17 M. E. J. Newman, “The Structure and Function of Complex Networks,” SIAM Review 45, no. 2 (January 2003): 167–256, doi:10.1137/S003614450342480.
20
Dado que el interés del estudio se centra en la relación entre los diferentes nodos y en la
facilidad de estos en transmitir un mensaje al resto de la red, nos fijaremos únicamente
en la definición que el autor aporta para “Social Network”: “Set of people or groups of
people with some pattern of contacts or interections between individuals” (J. Newman,
2003:5)
En el mismo trabajo Newman realiza una enumeración de las propiedades de las redes
sociales. Veremos que las diferentes cualidades están relacionadas entre sí, y que para
entender bien una de ellas deberemos tener en consideración todas las demás. Es por
ello que para entender que tipo de vínculos son mejores para transmitir una información
deberemos antes tener claras las siguientes propiedades:
a) “The small-world”
Surge a partir del experimento de Stanley Milgram en 1960. El experimento
demostró la rapidez con la que un mensaje se puede transmitir si utilizamos los
canales adecuados dentro de la red social.
Una de las implicaciones más directas sería que, en el caso de extender un
rumor, se extenderá mucho más rápido si se extiende a través de los nodos bien
conectados que si empleamos 100 nodos para conseguir su repercusión.
b) Transitivity:
En matemáticas, la transitividad implica una relación directa entre 3 elementos,
A, B y C. Así si A está conectado a B, y éste a C, por la teoría de la transitividad
C estará también conectado con A. La propiedad de la transitividad implica la
posibilidad de medir el número de triángulos que hay interconectados, es decir,
la relación que existe entre conjuntos de 3 vértices y el resto de la red. Esto
implica agrupar la red en vértices de 3 y, una vez aplicada la siguiente fórmula
podríamos saber la densidad de la red.
C = 3 × number of triangles in the network / number of connected triples of
vertices
La pregunta clave sería qué ocurre con los grupos con n > 3 o n < 3 (siendo “n”
el número de vértices), para n > 3 no existe una teoría asentada. Pero en el caso
de que n < 3 se rompería la teoría de la transitividad, puesto que la relación que
existiría entre ellos no sería transitiva, sino recíproca.
En definitiva, lo que nos aporta esta propiedad es la densidad que existe en la
red, es decir, si hay un gran número de interconexiones entre los elementos de la
misma o por el contrario hay poca relación entre los mismos o pocos nodos.
c) Degree Distribution:
El grado de un vértice sería el número de aristas que se conectan con éste. Esta
propiedad nos indica lo importante que puede ser un nodo, puesto que a mayores
interconexiones, es decir, a mayor número de aristas encontradas en un mismo
vértice, la probabilidad de que el vértice, o nodo, tenga mejores conexiones con
la red es mayor.
Esta propiedad tiene una relación directa con la transmisión de información,
puesto que para buscar el camino más corto que debe recorrer la información
desde un punto A hasta un destino final B buscaremos los nodos que estén mejor
conectados para dar el menor número de pasos posible.
d) Network Resilence:
Implica que si eliminamos alguno de los vértices de la red, los caminos a seguir
aumentan de tamaño, y puede ocurrir que haya pares de vértices que queden
desconectados del resto de la red. Es lo que Hariry nombra puntos cortantes:
22
“aquél que si es eliminado de un gráfico, desconecta una parte de la otra”18.
Aunque un Network Resilence no implica, al menos de forma directa, que la red
quede dividida en diferentes partes, al contrario que el “Punto Cortante” que es
un nexo clave sin el cual la red quedaría dividida en dos o más partes sin
conexión.
Para nuestro estudio supone tener que averiguar cuáles son esos puntos
esenciales sin los que la red dejaría de tener sentido, y cuáles son aquéllos que,
en nuestro caso, acortan el camino para transmitir aquella información que
queremos mandar.
e) Mixing Patterns
Esta propiedad explica que hay una vinculación selectiva de los nodos, o sea,
que la unión de los nexos no es de forma aleatoria, sino que existe una razón
para que los nexos se unan entre sí y por diversas afinidades. En nuestro caso, el
mixing pattern que buscamos es la unión por afinidad política.
f) Degree Correlations
Además de la propiedad por afinidades encontramos también como propiedad la
unión selectiva por grados de la misma gradación. El peso de un nodo vendría
dado por los vértices que se unen a él y por la importancia que tenga dentro de la
red. Los grados con el mismo peso dentro de la red se unen entre ellos, creando
unas sinergias en las estructuras propias.
g) Community Structure
La mayoría de redes sociales muestran una estructura de comunidad, es decir,
18 Harary, F. (1965) “Graph Theory and group Structure”. In Readings in Mathematical Psychology, Vol. 2, edited by R. Luce, R. Busch, and E. Galanter. New York, Wiley
vértices con alta densidad de bordes entre ellos pero con una baja densidad entre
los diferentes grupos, dado que la gente, como hemos explicado en las dos
anteriores propiedades, se divide en grupos según sus afinidades, a lo largo de
las líneas de interés común.
h) Network Navigation
El experimento de Milgram no solamente demostró que dentro de una red
existen caminos más cortos para transmitir información que otros, sino que la
gente común era la más eficaz para encontrarlos. Siguiendo el mismo ejemplo
del experimento de Milgram, podríamos decir que cada uno de nosotros
conocemos a nuestros amigos, y quizás a algunos amigos de nuestros amigos, y,
sin tener una relación aparente, somos capaces de hacer llegar un mensaje y
hacerlo por el camino más corto.
2.2La Sociometría y sus principales elementos
En el estudio de las redes sociales, la Sociometría ha permitido la representación gráfica
de las relaciones existentes entre los diferentes elementos que forman la red. Por ello
podemos decir que el estudio de las redes sociales y la Sociometría están íntimamente
ligados entre sí. El mayor exponente de la Sociometría fue el psiquiatra J.L. Montero,
quién definió a la Sociometría como:
“el estudio de la evolución de los grupos y de la posición que en ellos ocupan
los individuos, prescindiendo del problema de la estructura interna de cada
individuo” (Montero: 1972).
24
Una red es un conjunto de relaciones, representadas por líneas, lazos o vínculos,
entre una serie definida de elementos, representados como nodos.
Según el tipo de relación existente podemos encontrar 4 tipos de redes19:
I. Tabla: Clases de Redes según la relación entre los nodos
Orientada Recíproca
Nodos Iguales 1 2
Nodos Diferentes 3 4
Fuente: La Ciencia de las Redes
Cada uno de estos cuatro tipos puede ser a su vez binario o combinado. En nuestro caso
nos encontraremos con redes de nodos iguales y con interacciones tanto orientadas
(cuando no reciban respuesta) como recíprocas (en el caso de que exista una interacción
entre los nodos).
Los mapas que verán aquí representados son una recreación de las interacciones que se
crean a partir de un hashtag propuesto. Las interacciones se deben o bien a una
conversación a través de la red o a una mención.
19 José Luis Molina, “La Ciencia de Las Redes,” Apuntes de Ciencia y Tecnología, nº11, June 2004.
2.3Los Vínculos Débiles y la teoría de Granovetter
Nuestra investigación se basa en la teoría que Granovetter desarrolló acerca de un
mayor grado de transmisión de los mensajes si los vínculos débiles de una red social
actúan como emisor.
Su trabajo se centró en el estudio de un grupo definido de trabajadores de Boston. En
dicho estudio descubrió que el 56% de los participantes encontró su trabajo mediante
información que les habían brindado sus conocidos, el 46% restante lo hizo a través de
otros canales. Seguidamente se centró en la gente que encontró trabajo mediante
conocidos y descubrió que dentro del 56% inicial, el 55,6% lo hizo a través de gente
con la que no tenía una relación diaria, en términos del estudio, que no “veía
ocasionalmente”. Un 16,4% encontró su trabajo a través de gente con la que tenía una
relación de amistad directa, con “trato a menudo”, y el 27,8% que resta es de gente que
encontró el trabajo mediante amistades que veía “raramente”20.
A pesar de no encontrar una definición escrita en el primer trabajo de Granovetter (en
1983 publicaría una versión revisada de su teoría) sobre las diferentes clases de
vínculos, sí que encontramos una definición explícita de lo que Granovetter explica
como la “fuerza de un vínculo”:
“(...) the strength of a tie is a (probably linear) combination of the amount of
time, the emocional intensity, the intimacy (mutual confiding) and the
reciprocal services witch characterize the tie” (Granovetter, 1973: 1361)
A partir de la definición de fuerza del vínculo el autor categoriza los vínculos en tres
clases: Fuertes, Débiles y Ausentes. La falta de una definición exacta en el trabajo de
Granovetter provoca que nos planteemos que cualidades, y en qué intensidad, han de
20 En el estudio se especifica que “amenudo = al menos dos veces por semana” “ocasionalmente = más de una vez al año” y “raramente = una vez al año o menos”.
26
cumplir cada uno de los diferentes tipos de nexos para posicionarlos en alguna de las
tres categorías, puesto que, como bien aporta Kapferer21, un vínculo fuerte puede
cumplir la mayoría de los indicadores de la definición, pero incluso con un solo
indicador puede convertirse también en un nexo fuerte. Es lo que él nombró como la
“multiplexidad”.
Nosotros entenderemos que los nexos débiles son, como Granovetter puntualizó en la
versión revisada de “The strength of weak ties”22, los conocidos (acquaintances).
Mientras que los vínculos fuertes serían los amigos cercanos (close friends).
La mejor difusión de la información se debe a todas las características que hemos
definido anteriormente sobre las redes sociales y que se reproducen, con diferente
nomenclatura, en el estudio de Granovetter. En el trabajo habla de la interacción para
intercambio de información entre dos nodos y la transmisión de ésta a un tercero que
sea vínculo directo con alguno de los dos (Transitivity). Para reforzar ésta característica
Granovetter evidencia que: “(...) the more frequently persons interact with one another,
the stronger their sentiments of friendship for one another are apt to be” (Granovetter,
1973:1362). Granovetter cita la anterior frase en su trabajo y le atribuye la idea a
George Homan, quién la publicó en The Human Group (1950) y la cual tiene una
aplicación directa en nuestro caso.
Tomando la cita de Homan como cierta, al crear y aumentar la interacción entre el
partido y los vínculos estaríamos ayudando a afianzar la unión entre partido político y
vínculos débiles y fuertes. En palabras de la cita, estaríamos fortaleciendo los lazos de
amistad entre el partido político y el vínculo, que en un sentido finalmente funcional
podríamos presumir que sería el equivalente a fortalecer la afinidad entre los vínculos y
el Partido.
Si en nuestro estudio trabajamos con los Vínculos Débiles, estos Vínculos serán débiles
21 Kapferer, B. (1969). Norms and the manipulation of relationships in a work context .
22 M. Granovetter, “The Strength of Weak Ties: A Network Theory Revisted,” in Sociological Theory, vol. 1, 1983, 201–233.
para el Partido, pero serán Vínculos Fuertes de sus allegados. Estos allegados no tienen
porque seguir el perfil de Twitter del partido en cuestión, pero suponiendo que la fuerza
de la unión entre los vínculos aumenta a mayor similitud entre ellos “the stronger the
tie connecting two individuals, the more similar they are” (Granovetter, 1973: 1362),
podemos suponer una mayor probabilidad de compartir alguno de los ideales entre el
partido, el vínculo débil y el conocido del vínculo débil. Esta idea es fundamental para
el estudio puesto que, tras la vinculación de los individuos, la fortaleza de la unión será
debida a la similitud de los mismos (Mixing Patterns). Lo cual nos abre un camino
directo para llegar a este tercer anillo de similitud, podríamos decirlo así, de una forma
mucho más efectiva. Es decir, el Vínculo Débil nos sirve de “Puente” entre el Partido y
sus contactos, los cuales son el verdadera objeto de nuestro trabajo.
“(...) each person has a great many contacts, a bridge between A and B
provides the only route along which information or influence can flow from any
contact of A to any contact of B, and, consequently, from anyone connected
indirectly to A to anyone connected indirectly to B” (Granovetter, 1973:1364)
La vinculación directa entre el vínculo débil y la mejor difusión del mensaje la
encontramos justamente en esta idea de puente (podríamos decir que representa las
ideas de Transitivity y Network Resilence). Los vínculos débiles son aquellos nexos que
conseguirían que el mensaje pudiera pasar de una red de nodos a otra, evitando así el
aislamiento de las diferentes zonas. Se argumenta que los Vínculos Débiles inclinarían
la red social hacia una uniformidad, pero no es cierto y seguidamente expondremos las
razones. Lo cierto es que sin la existencia de los Vínculos Débiles los vínculos fuertes
centrarían sus interacciones dentro de su grupo íntimo de amigos reservando así la
información a un solo núcleo de nodos:
“evidence suggest that local bridges tend to be weak ties because strong ties
encourage triadic closure, which eliminates local bridges. Other things being
equal, weak local bridges will tend to be maintained over time, while strong
28
local bridges will tend to be eliminated.”23 (Friedkin, 1980: 417)
Anteriormente indicábamos que uno de los miedos es que los vínculos débiles lleven un
mensaje homogéneo dentro de una red social y, por lo tanto, lleguen a homogeneizar el
pensamiento dentro de la misma, y apuntábamos a que esto no era cierto. Y no lo es
puesto que el vínculo débil es el único que puede hacer llevar una información novedosa
dentro del grupo dado que tendría un mayor contacto con nodos externos y por ende,
con información externa al grupo. Al introducir ideas novedosas dentro de la red social
éstas han de ser admitidas, no se aceptan sin más, y no se aceptarían en todos los grupos
dentro de una red social de la misma forma puesto que, pese a permanecer una misma
red social, cada grupo tiene sus inquietudes propias24.
Por todo ello, lejos de ser los vínculos débiles quienes pueden homogeneizar el grupo,
son los que mayor posibilidad tienen de aportar nueva información al grupo y por tanto
aportar una diversidad, además de una vinculación directa con los elementos exteriores.
Si los vínculos débiles no actuaran el flujo de información novedosa cesaría entre los
diferentes grupos, por lo que el peligro ya no sería la posible homogeneidad de la red,
sino la uniformidad dentro de cada núcleo.25
Anteriormente hablábamos de la densidad (transitivity) que pueden adoptar las redes
sociales. En el estudio de los vínculos débiles Granovetter hacía una similitud con la
“red afectiva” y la “red extensa” de Epstein (1969: 110-111) indicando que la red que
formarían los vínculos débiles sería una “red extensa”, la cual sería menos densa que
nuestra “red afectiva”, formada por aquellos con los que interaccionamos más intensa y
regularmente, y a los que mejor conocemos (Granovetter, 1973:10). Por tanto,
aprovechando los vínculos débiles del perfil de Twitter podríamos obtener una red
23 Friedkin habla de “puentes locales” (local bridges), en su estudio, que se basa en el mismo trabajo de
Granovetter sobre vínculos débiles, explica que para la función que desempeñan los “puentes” dentro de
las redes sociales se pueden igualar al concepto de “puente local” (Friedkin, 1980: 414).
24 Mark S. Granovetter, “The Strength of Weak Ties,” American Journal of Sociology, May 1973.25 Ibid.
afectiva más extensa que nuestra red primaria.
Llegados a este punto, es importante explicar el poder de influencia que tenemos sobre
aquellos a los que conocemos mejor, puesto que es de vital importancia para evaluar la
penetración que puede tener una información dentro de la red social.
2.4 Vínculos Débiles, Fuertes e Influencia
Hablar de comunicación es hablar, inseparablemente, de influencia. Es el sentido final
del cuarto poder. Las primeras teorías sobre los flujos de comunicación hablaban de una
corriente a dos niveles antes de llegar al público en general. Ahora parece que carece de
sentido hablar de estos dos flujos, puesto que con la facilidad de acceso a la información
que existe en nuestro días, uno mismo puede acceder a la información que desea.
Solamente existe un flujo en la transmisión de la información. (L. Arroyo, 2012: 357).
Si bien es cierto que podemos afirmar que actualmente solo existe un flujo de
información, también es cierto que en ese flujo único solamente intentan reforzar su
ideario, y no solo buscamos aquella información que nos da nuevos argumentos sobre
aquello que ya sabemos, sino que nos rodeamos de los amigos que comparten los
mismos valores, ideas y anhelos.
“The social cohesion model portrays social influence in politics as occurring
within small groups of close associates who share common understandings that
are fostered within the same normative climate of opinion”(R. Huckfeldt et al.,
1995: 1027)
Y, en nuestra búsqueda de información, tendremos en mayor consideración aquella que
30
provenga de nuestros amigos o familiares, de las personas más próximas:
“I am more likely to trust your opinion and the information it conveys if I hold
you in Hihg personal esteem, both as a friend and as a knowledgeable
informant” (R. Huckfeldt et al., 1995: 1027)
Uno de los graves problemas a los que se enfrenta el perfil oficial de un partido dentro
de las redes sociales es que su grupo de seguidores tenderá a ser su red social. Por lo
tanto, será complicado para un partido político mandar un mensaje directo a aquella
gente que no sigue su perfil oficial pero que sí son votantes, o votantes en potencia. Por
este motivo surge la idea de estudiar la emisión de mensajes políticos no a través de las
cuentas oficiales de los partidos, sino a través de sus vínculos débiles, como único
puente capaz de maximizar el mensaje político en las redes sociales y llegar así a los
conocidos de nuestros conocidos:
“(...) if political comunication only occurs through close friends, the social
reach of political information is likely to be quiet limited. Alternatively, the
causal acquaintances of my casual acquanintances are not so likely to be my
associates, and thus information conveyed through such patterns of interaction
is likely to travel farther.”(R. Huckfeldt et al., 1995: 1027)
Cuando hablamos de influencia estamos pensando en la definición que Meeyoung Cha,
Hamed Haddadi, Fabrício Benevenuto y Krishna P. Gummadi utilizaron en su estudio
“Measuring User Influence in Twitter: The Million Followers Fallacy”26“The
Merriam-Webster dictionary defines influence as “the power or capacity of causing an
effect in indirect or intangible ways”” (Meeyoung Cha et al,. 2010:11)
En el caso de la red social Twitter podemos medir la influencia de los usuarios mediante
3 elementos27:
26 Meeyoung Cha et al.,. “Measuring User Influence in Twitter: The Million Follower Fallacy”. 4th International AAAI Conference on Weblogs and Social Media (ICWSM), 2010.
27 Ibid.
- Followers: aquellas personas que siguen mi perfil. A nivel de influencia
representa la popularidad del usuario
- Retweets: aquellos mensajes emitidos por mi y que son compartidos por mis
seguidores. Representa el valor del contenido de un tweet.
- Mentions: cuando alguien que escribe en la red social menciona mi nombre.
Representaría el valor del nombre del usuario.
Si realizáramos el estudio de los 3 elementos mencionados nos aportaría una idea de la
influencia del usuario estudiado sobre sus seguidores.
Cuando ponemos el punto de mira en el ámbito político, a nivel de influencia, ocurre
exactamente lo mismo. Hablamos de política con nuestros amigos más cercanos,
comentamos nuestro voto con aquellos más próximos y ello tiene una incidencia directa
entre aquellos con quienes hablamos: “(...) past research indicates that close friends
have a stronger behaviour effect on each other than do acquanintance or strangers”
(Bond et al.,2012:296) “people whose friends and coworkers vote at high rates are
themselves more likely to vote” (Alan S. Gerber et al., 2008:33)
Dentro de las campañas electorales, una práctica común es mandar mensajes políticos
mediante técnicas como el mailing a los posibles votantes con el fin de persuadirles o
despertar a aquellos posibles votantes que se van a abstener. Es una práctica ya con años
de uso, y si bien es cierto que se ha ido sofisticando con el tiempo, personalizando el
mensaje, en el estudio “Social Pressure and Voter Turnout: Evidence from a Large-
Scale Field Experiment” apuntan a que cuando mandamos un mensaje “social”, o mejor
dicho, un mensaje con apoyo social, frente a un mensaje convencional, el apoyo al
mensaje social es mucho mayor: “Users who received the social message were 2,08%
(…) more likely to click on the I voted button than those who received the informational
message” (Bond et al,. 2012:295)
32
En el estudio del que hablamos enviaron 2 clases de mensajes a través de la red social
Facebook para intentar medir cuál era el impacto de la socialización del mensaje en la
movilización real del voto. En el mensaje convencional los investigadores pedían que
hiciesen click al botón de “ Yo voté”, sin más información añadida, y en el segundo
mensaje pedían que realizaran la misma acción pero con una diferencia, en la parte
inferior aparecía la foto de perfil de sus amigos que ya habían hecho click en el botón.
Como hemos visto en la anterior cita, la diferencia fue de 2,08%. Pero un 2,08% de 61
millones de personas sobre el que se realizó el experimento, traducido en votos, es
mucho.
Intentaron medir si existía una relación directa entre las personas que habían hecho
click en el botón de votar y los que realmente votaron. Se estimó que la relación entre la
movilización que se desprende del mensaje social, es decir, aquel en que veían la cara
de sus amigos de Facebook que ya habían votado, y del mensaje tradicional, era 4 veces
superior en generar una acción de voto real.“close friends exerted about four times
more influence on the total number of validated voters mobilized than the messager”
(Robert M. Bond et al., 2012:298)
En su estudio consiguieron demostrar que la movilización en las redes sociales es más
efectiva si incluimos el componente socializador que con el simple mensaje, y es que,
en definitiva, tal y cómo indica el estudio, es mucho más persuasivo decirle a alguien
cuál de sus amigos ha votado, que mandarle las cartas electorales, dado que, sabiendo
quiénes de sus amigos, vecinos o conocidos han ejercido su derecho al voto, estamos
poniendo de relieve que su red social más cercana ha realizado una práctica que él aún
no ha llevado a cabo, es decir, estamos ejerciendo una presión social sobre el
individuo28.
Si en una sociedad dada, existe una conciencia del valor social del voto o existe un
beneficio a nivel cívico, las personas dentro de esa red serán mucho más proclives a
ejercer la acción de votar si dentro de su red social existe una norma, no escrita, que le
28 Gerber, Green, and Larimer, “Social Pressure and Voter Turnout: Evidence from a Large-Scale Field Experiment.”
da ese valor cívico al hecho de votar29.
Si conseguimos convertir en un mensaje social el mensaje político que quiere enviar el
Partido Político en cuestión a través de la red social Twitter, conseguiremos que el
mensaje gane en persuasión y en expansión. Para ello necesitamos que nuestros
conocidos lleven el mensaje a sus conocidos, es decir, que los vínculos débiles sean
quienes emitan el mensaje en la red social.
29 Ibid
34
3 . L A I N V E S T I G A C I Ó N
3.1Elección de Perfiles
Anteriormente hemos explicado que si convertimos en un mensaje social lo que
queremos transmitir, su repercusión será mucho mayor. Nuestra idea es llegar a los
bordes de nuestra red social de Twitter, y a partir de ahí emitir un mensaje para que sea
trasmitido más allá de los followers del perfil oficial del Partido.
Por esto, y por intentar buscar los vínculos que conviertan el mensaje en un mensaje
social, creímos que era necesario eliminar del estudio los perfiles oficiales del partido
(partidos locales, comarcales y nacionales), personas públicas del partido y cargos
orgánicos, puesto que creímos que eran nuestros principales prescriptores. Aquellas
personas que podían tener más influencia que nuestros militantes más próximos al borde
de nuestra red30.
Como una forma de contrastar que nuestros políticos más representativos son, por ende,
nuestros mejores prescriptores, realizamos un estudio comparativo a partir de Klout
30 Robert M. Bond et al., “A 61-million-person Experiment in Social Influence and Political Mobilization,” Nature 489, no. 7415 (September 12, 2012): 295–298, doi:10.1038/nature11421.
(www.klout.com), una herramienta que puntúa los perfiles entre 0 y 100 dependiendo de
la importancia y de la relevancia que tenga el perfil. El número es el resultado de un
algoritmo basado en el número de seguidores y de seguidos, de publicaciones propias
con retweet, con favorito, menciones...
El 19 de Octubre de 201131 en el blog oficial de Klout anunciaron un cambio en el
algoritmo que utilizaban para medir la influencia. Dividieron el algoritmo de medición
en 7 apartados para un fácil entendimiento, de los cuales 4 daban alguna información
sobre los elementos que lo conforman para medir la influencia de un usuario:
- People Rank : La posición que ocupa una persona en un ranking de influencia.
- True Reach : Es el número real de personas a las que influenciamos. Analizan,
al día, más de 2 billones y medio de interconexiones para analizar cuales son las
personas reales a las que influenciamos.
- Amplification : Es la cantidad de influencia que tenemos sobre esas personas.
Analizan cuanta gente de nuestra potencial audiencia participa de nuestro
mensaje.
- Network Impact : Es la influencia de nuestra red medido en una escala del 1 al
100. No se trata de que nuestro mensaje llegue a muchas personas, sino de que
nuestro mensaje llegue a las personas indicadas.
Hay que destacar que Klout no solamente examina tu perfil de Twitter (que es el único
que en nuestro estudio nos interesa) sino que integra otras redes sociales como Bing o
Instagram32 para perfilar tu número de Klout. Por lo tanto, en nuestro caso, no sería
realmente un elemento definitorio de la relevancia del perfil que estudiamos en Twitter,
31 Joe Fernandez, “A New Era for Klout Scores,” The Official Klout Blog, October 19, 2011, http://blog.klout.com/2011/10/a-new-era-for-klout-scores/.
32 Ding Zhou “The More Data the Merrier: Klout Adds Bing and Instagram” March 27, 2013 http://blog.klout.com/2013/03/klout-bing-instagram/
36
pero nos sirve para establecer la comparación que buscamos
Para realizar el estudio comparativo escogimos a los cuatro primeros vínculos débiles,
por orden alfabético, de nuestra lista y comparamos su número de Klout con el número
de los cuatro diputados más relevantes con los que cuenta el Partido. El cuadro
resultante es el siguiente33,34:
II. Tabla: Comparación de números de Klout entre perfiles
NOMBRE VÍNCULO
DÉBIL
KLOUT NOMBRE VÍNCULO
FUERTE
KLOUT
@1975Alfonso 15 @FraFerfa 62
@annasimat 42 @MónicaOltra 62
@AnnetaAnnuska 26 @JoanBaldoví 63
@Fran_bene_7 36 @EnricMorera 60
Fuente: Elaboración Propia
33 Los datos de Klout fueron consultados el 2 de Agosto de 201334 El estudio de Klout fue realizado cuando ya contábamos con la lista definitiva de Vínculos Débiles y
Fuertes
3.2Definición de Vínculos
Una vez decidido que los principales prescriptores del Partido quedarían fuera del
estudio, el siguiente paso fue establecer un criterio para decidir que vínculos eran
fuertes y que vínculos eran débiles. Granovetter en su estudio de los Vínculos Débiles35
establecía la relación entre tiempo de contacto y grado de amistad, por lo que nosotros
debimos de buscar algún vínculo que nos permitiese establecer una relación con una
formulación, contacto con el perfil del Partido y relación con él, semejante.
Finalmente decidimos que el criterio idóneo para la clasificación sería mediante el
contenido de los tweets. Hicimos una comparación estableciendo que si el follower en
estudio tenía una media de tweets políticos escritos, durante un periodo de tiempo dado,
menor que el conjunto del grupo estudiado, el vínculo sería débil. La comparación la
establecimos bajo el criterio de que si los tweets emitidos por nuestros followers tienen
un alto contenido político, la relación y la interacción con el Partido en cuestión tenía
mayor probabilidad de darse con más asiduidad que si los tweets emitidos por el sujeto
en estudio eran de temas diversos. Por tanto, podíamos presumir que si la asiduidad era
menor, su vinculación con el partido también lo sería.
Por ello, nuestras definiciones de los diferentes vínculos serían:
Vínculo Débil: Usuario que, no siendo parte orgánica ni representativa del Partido
Político estudiado, tiene un número de tweets de contenido político emitidos menor a la
media que el conjunto de usuarios estudiados.
Vínculo Fuerte: Usuario que, no siendo parte orgánica ni representativa del Partido
Político, tiene un número de tweets de contenido político emitidos superior a la media
del conjunto de usuarios estudiados.
35 M. Granovetter, “The Strength of Weak Ties: A Network Theory Revisted,” in Sociological Theory, vol. 1, 1983, 201–233.
38
Es importante resaltar ahora el apartado de la influencia que anteriormente hemos
expuesto, dado que para comprender correctamente nuestro estudio, se ha de entender
que no perseguimos en ningún momento influenciar a los destinatarios últimos de
nuestro mensaje, lo que nos interesa ahora es esclarecer si usando los Vínculos Débiles
el mensaje es capaz de llegar hasta el usuario final que pretendemos o si el mensaje es
más participativo. El estudio de la influencia de dicho mensaje correspondería a una
segunda parte del presente trabajo. Pero era indispensable hablar anteriormente de
influencia para explicar el por qué de la elección de nuestros conocidos para emitir el
mensaje.
Uno de los puntos fundamentales en el momento de pensar el estudio fue decidir que era
un tweet político y cuál sería la forma de estudiarlos. Decidimos que para considerar
político un tweet debía cumplir, como mínimo, uno de los siguientes requisitos:
- El tema tratado sea un tema político
- Se nombre a algún político o Institución política (tales como parlamentos,
sindicatos, partidos...)
- Que sea retweet de algún político o institución política, con contenido político
- Sea participante de algún hashtag político, aunque sea a modo jocoso.
El estudio de los tweets se haría de forma manual, puesto que no encontramos ninguna
herramienta que nos satisficiera en el trabajo de la clasificación. Por lo tanto, el
procedimiento fue descargar los tweets de los usuarios que formaban parte del estudio y
de forma manual estudiar el contenido.
3.3Diseño del Estudio
Para poder llevarlo a cabo, el estudio se diseñó de forma que resultase óptima para el
tamaño de la muestra. Desde este punto es preciso anotar que el estudio presentado a
continuación es solamente una aproximación; para tener unas conclusiones válidas y
contundentes se necesitaría un estudio mucho más ambicioso y con las herramientas
creadas a la medida del mismo, pero nuestros recursos eran limitados y, como ya hemos
dicho, la presente investigación es una aproximación a lo que debería ser un posterior
estudio de mayor calado.
Para el estudio se necesitaba un perfil oficial de un partido político que nos permitiera
interactuar con sus seguidores y estudiarlos. Además, que nos permitiese mandar
mensajes a los vínculos débiles y realizar una monitorización de los mismos.
Una vez conseguido el perfil oficial en Twitter del Partido Político, estudiamos los
usuarios de la siguiente forma: Creamos un listado de las personas que ocupaban cargos
orgánicos y de relevancia dentro del partido o que tuviesen una exposición mediática
mayor. Los cotejamos con los seguidores del perfil y hicimos la primera eliminación de
personas. Lo mismo ocurrió con todos los perfiles de los partidos locales o asociaciones
que seguían al Partido Político.
Una vez depurados los seguidores, hicimos un seguimiento de los primeros diez días del
mes con el fin de capturar todos los tweets emitidos por aquellos perfiles que formaban
el grupo de estudio. Una vez estudiados los tweets que el grupo emitió iniciamos su
segmentación entre Vínculos Débiles y Vínculos Fuertes para poder empezar a trabajar
con los diferentes grupos.
Con el primer grupo que se trabajó fue con los Vínculos Débiles, puesto que creímos
oportuno dedicar más tiempo a aquellos que no eran tan propensos a hablar de política
40
ni a participar directamente de ella. El proceso fue el siguiente:
1º Contactamos con ellos a través de mensajes directos mediante la red social
Twitter, en el mensaje privado se les pedía que nos facilitaran una cuenta de correo
electrónico para ponernos en contacto con ellos:
“(Nom del destinatari) ens agradaría ficar-nos en contacte amb tu, ens
podríes facilitar una adreça d´email? Gràcies ;-)”36,37
2º Una vez recolectadas las direcciones de correo de aquellos que nos la facilitaron,
les invitamos a participar de un hashtag que les compartiríamos un día antes de su
lanzamiento, con el fin de hacerlo suyo y publicar aquello que quisieran con el
hashtag.
La idea del hashtag38 surge como una solución a la medición de la transmisión del
mensaje. Una etiqueta39 es bastante fácil de seguir, y por lo tanto, es fácil de medir su
contagio. Por ese motivo no se les pedía que enviaran un mensaje político tal cual, sino
que participaran de una etiqueta que desde la dirección del email oficial del partido se
les facilitaba el día anterior.
Un hecho a tener en cuenta es que durante todo el tiempo de estudio se mandaron tres
tipos diferentes de hashtags:
� Desde el perfil oficial pidiendo difusión:
La idea era comprobar si escribir hashtags desde el perfil oficial del partido sin
pedir apoyo o difusión anterior recibía mayor o menor apoyo a medida que se
36 Mensaje original enviado a los vínculos débiles.37 Traducción del mensaje privado: (nombre del destinatario) nos gustaría ponernos en contacto
contigo, nos podrías facilitar una dirección de email? Gracias ;-)38 Es una etiqueta de metadatos precedida de un carácter especial (una almohadilla #) con el fin de que
tanto el sistema como el usuario la identifiquen de forma rápida.39 Durante el trabajo utilizaremos etiqueta como sinónimo de hashtag
iba trabajando con los diferentes vínculos. Por ello, desde el momento 0 del
estudio se lanzaban, no de forma periódica, sino con temas que suscitasen
interés, hashtags sin pedir apoyo alguno, y sin que se emitieran los mismos
días que los hashtags de los vínculos.
� Desde los perfiles de los Vínculos Débiles:
El objetivo de estos hashtags no era otro que el de medir su difusión y apoyo. Se
lanzaba una etiqueta cada semana con cambios de días por semana, puesto que
el día de publicación del tweet tiene influencia en la transmisión de hashtags
(seguidamente mostraremos una pequeña explicación sobre el tema). La hora de
la emisión no la podíamos controlar, puesto que no éramos nosotros quienes
publicábamos el tweet, sino que lo hacían de forma libre los Vínculos.
� Desde los perfiles de los Vínculos Fuertes:
Queríamos observar la difusión del mensaje para poder establecer una
comparación con los vínculos débiles. Por ello, el hashtag se emitía el mismo
día que el de los vínculos débiles, con la misma temática y los mismos
materiales (en los casos en que mandábamos materiales).
Hemos hablado de la importancia de los días en el momento de la emisión de los tweets.
Un estudio que realizó Blitly40, una herramienta que ofrece el servicio de acortar las
urls, en el que analizó los patrones de publicaciones de Twitter, Facebook y Tumblr a
través de los usuarios que utilizaban sus servicios. De su blog recogemos los siguientes
gráficos en el que se colorea con azul de intensidad variada según el índice de
publicaciones. A mayor intensidad de azul, mayor intensidad de publicaciones. El
primer gráfico representa la hora en que más publica la gente en Twitter, y el segundo
las horas de mayor actividad en twitter:
40 hmason, “Time Is On Your Side,” Bitly Blog, May 8, 2012, http://blog.bitly.com/post/22663850994/time-is-on-your-side.
42
1. Gráfico: Horas de mayor publicación en Twitter
2. Gráfico: Horas de mayor actividad en Twitter
Fuente: Bitly
Otra de las cosas que se decidió fue que el Partido Político en cuestión no participaría
directamente del hashtag (excepto en el caso de que fuera él mismo el emisor), se
limitaría a realizar retweets y favoritos para alentar a los participantes. Cuando el grupo
con el que se trabajaba ya era consciente de la dinámica que seguíamos, además del
hashtag les facilitábamos también algún material, como artículos que nos interesaba dar
a conocer, materiales, fotografías... y tanto con los vínculos débiles como con los fuertes
solamente estudiamos los tweets emitidos durante las primeras 24h, como estimación
para acotar el estudio.
3º Después de trabajar con el grupo de Vínculos Débiles durante el primer mes,
recolectamos de nuevo todos los mensajes enviados desde el día 1 hasta el día 10 del
segundo mes con el fin de volver a clasificar a los usuarios, puesto que uno de los
objetivos era perfilar, cada mes que pasaba, la lista de los vínculos y tener en cuenta
a los nuevos seguidores.
Esta era la dinámica de trabajo: del día 1 al 10 de cada mes capturábamos los tweets de
los followers de la cuenta del Partido, seguidamente los analizábamos y segmentábamos
para trabajar con los grupos.
Una vez tuvimos a los vínculos débiles trabajando con los hashtags empezamos a
trabajar con los vínculos fuertes bajo los mismos criterios con el fin de obtener los datos
necesarios para poder establecer una comparación. Cuando empezamos a trabajar con
los dos grupos de vínculos, el hashtag se publicaba el mismo día, pero cada grupo
contaba con una etiqueta diferente, aunque bajo la misma temática.
La elección de una misma temática tiene razón de ser, puesto que deseábamos que el
experimento fuese lo más imparcial posible, no podíamos elegir dos temáticas
diferentes, puesto que una de las dos podía ser más popular, más sencilla o más
polémica. Por ello, los dos grupos debían trabajar bajo una misma temática. Además, si
la temática era la misma se podía dar la situación que un grupo adoptase, por iniciativa
propia, el hashtag del otro grupo, o que uno de los se popularizara más que el otro, lo
cual nos indicaría si alguno de los grupos era más influyente que el otro.
En el momento de empezar a trabajar con los Vínculos Fuertes, una de las novedades
44
que incluimos respecto del grupo de los Vínculos Débiles fue que no solamente
trabajamos con los Vínculos Fuertes dada nuestra definición anterior, sino que en este
grupo incluimos también, sin filtrar sus tweets, a los cargos orgánicos y de relevancia
que en una primera parte habíamos eliminado. La razón fue que tras el transcurso de la
investigación nos dimos cuenta que nos interesaba saber como se comportaban estas
personas que ocupaban cargos de responsabilidad dentro del partido, observar la forma
en la que participaban de la transmisión. Los resultados fueron sorprendentes, a
continuación los mostraremos.
El experimento se realizó durante 3 meses, de Abril a Junio del 2013, publicando un
hashtag cada semana en un día diferente cada una de las semanas. Con los Vínculos
Débiles se trabajó durante los tres meses que duró la experiencia, mientras que con el
grupo de los Vínculos Fuertes solamente se trabajó durante los dos últimos meses, la
razón la hemos explicado anteriormente.
Cabe decir que el tiempo del experimento es insuficiente. Para crear una verdadera
formación de grupos de trabajo con los diferentes Vínculos tendríamos que esperar
como mínimo un año para que la emisión de mensajes funcione de forma óptima41. Y no
solamente para su funcionamiento, sino también para tener una lista de Vínculos
verdaderamente meticulosa y depurada. Pero como ya dijimos antes, los medios, al
igual que el tiempo, eran limitados. Por ello, vuelvo a insistir, el presente trabajo es
solamente una iniciación a un estudio con mejores medios y mayor tiempo, pero sobre
todo lo que pretende es mostrar un nuevo punto de vista sobre como tratar y trabajar las
redes sociales de los Partidos Políticos.
41 Benjamín Paz Vermal, Antonio Gallo, and Rafael Rubio, Como Gestionar Una Comunidad Internacional de Más de 1 Millón de Personas, Dog Comunicación, n.d.
3.4 El Perfil del Partido Político en Twitter
Antes de empezar a mostrar los resultados del trabajo, debemos mencionar que la cuenta
del partido escogido, Compromís Ribera Alta, era una cuenta de ámbito comarcal. El
partido es de ámbito Autonómico y se creó un perfil para una Comarca en concreto, la
comarca de la Ribera Alta, y desde dicho perfil realizamos el estudio. Cuando
accedimos a la cuenta era un perfil prácticamente nuevo, con semanas de creación, que
se confundía y muchas veces se solapaba con los perfiles del mismo partido de ámbito
local y el perfil de ámbito autonómico. Nos encontramos, por lo tanto, con 3 niveles de
información para un seguidor: el perfil local del partido, el perfil comarcal y el perfil
autonómico.
El perfil Comarcal era un perfil que transmitía informaciones de la comarca o
retransmitía las del perfil autonómico y que no se prestaba a la interacción con los
usuarios, carecía además de la misma influencia que pudiese tener el perfil autonómico,
reconocido como canal oficial del partido. Por ello nuestros seguidores, en principio,
están más limitados, puesto que solamente los ciudadanos de la Comarca estarían
interesados en seguir el perfil.
Nos encontramos con una amalgama de perfiles, cada uno de ellos independientes del
perfil autonómico, que debería de ser la matriz. Cada perfil tenía una libertad, limitada
por los idearios generales del partido, de publicar aquello que creyera conveniente, pero
en nuestro caso cada hashtag propuesto para el estudio, debía de pasar un filtro de
aprobación previo.
Creemos que es necesario comentar este contexto para poner en situación los datos que
presentaremos a continuación, puesto que la participación de los mismos suelen ser de
una baja intensidad si los comparásemos con los perfiles de grandes partidos, o incluso
con el perfil de Compromis de ámbito autonómico.
46
Pero también es cierto, y a la luz de los datos conseguidos lo podrán observar, que la
interacción y el número de seguidores y de seguimiento que se consiguió fue creciendo
en los tres meses que duró el trabajo.
3.5 Presentación de Resultados
3.5.1 Resultados Primer mes
Comenzamos el experimento obteniendo los primeros tweets de nuestros seguidores
desde la red Social Twitter, para poder empezar a segmentarlos y así comenzar el
trabajo con los nexos débiles. Para ello, la ayuda de Mari Luz Congost fue
indispensable, puesto que con un programa diseñado por esta informática pudimos
obtener los datos que necesitábamos.
Tras la primera limpieza de perfiles bajo los criterios antes comentados, el resultado fue
de 51 seguidores para analizar. De ellos, obtuvimos 3 perfiles sin mensajes publicados
en el período estudiado, 22 Vínculos Débiles y 26 perfiles de Vínculos Fuertes. En el
siguiente gráfico podrán ver una representación más visual de lo comentado:
III.Tabla: Segmentación de Vínculos Primer mes
Fuente: Elaboración Propia
Vínculos débiles Vínculos Fuertes Sin tweets publicados0
5
10
15
20
25
30
Tras haber analizado los vínculos, el siguiente paso del proceso era el contacto con los
vínculos débiles. De los mensajes privados enviados desde la red social Twitter,
obtuvimos respuesta de 21 de los 22 vínculos con los que nos pusimos en contacto. Es
decir, un éxito de respuesta del 95,45%. Seguidamente compararemos este dato con el
índice de respuesta de los vínculos fuertes. De los mensajes que obtuvimos respuesta
pudimos obtener 21 direcciones de correo a las que mandamos el email y del que
obtuvimos 12 respuestas afirmativas para participar en el estudio.
IV. Tabla: Respuesta de Vínculos Débiles al Primer email
Fuente: Elaboración Propia
En el momento en que estábamos realizando las primeras segmentaciones emitimos dos
hashtags para observar su primer seguimiento. En la primera emisión mandamos un
correo electrónico a las personas que tenían algún cargo orgánico en la Comarca para
que apoyaran la emisión, indicando que el día siguiente se lanzaría la etiqueta y
esperábamos su apoyo. Pero tras el primer tweet publicado desde el perfil oficial del
48
contestan no contestan0
2
4
6
8
10
12
14
partido, no hubo ninguna participación, es por ello que no aportamos datos en el
estudio.
La segunda etiqueta se lanzó a la semana siguiente y fue: #magradaríaqueCompromís.
La idea que se escondía tras el hashtag fue la recogida de tweets en que la ciudadanía
explicara aquello que esperaba del Partido, los anhelos que perseguían. En este segundo
hashtag se producen 15 interacciones, 4 de las cuales eran de otros perfiles oficiales del
Partido a nivel municipal, y el resto era de gente relaciona directamente con el Partido.
Pero si que ocurrió un hecho digno de destacar, hubo dos usuarios que se alejaban
totalmente de la cuenta del partido, incluso de su ideario. Estaban conectados por
localización geográfica con una de las cuentas del partido de ámbito local que ayudó a
difundir el hashtag, uno de los perfiles escribió un tweet descalificando el partido:
“#magradariaquecompromis magradaria que deisareu de dir pais valencia es
comunitat valenciana!! Que grima maxo”42,43
El segundo perfil del que hablamos se limitó a hacer un retweet del tweet que hemos
compartido.
A continuación mostramos la red que se estableció tras el segundo hashtag:
42 Tweet original del usuario43 “#magradariaquecompromis me gustaría que dejaran de decir “pais valencia” es “comunitat
valencian” Que grima macho” Traducción del tweet.
3. Gráfico: Representación mapa interacciones #magradariaquecompromis
Fuente: Elaboración Propia
Tal y como indicábamos en la Tabla número 1, en la red podemos observar 8 nodos, con
interacciones, en su mayoría orientas, es decir, que no obtienen contestación o
interacción, mientras que destaca un nodo @rubenguill con interacciones recíprocas con
dos vínculos que lo unen directamente con el perfil oficial de Compromís.
50
Observamos también en el mapa un perfil ajeno a al red @josep170 con una interacción
orientada hacia otro vínculo extraño. Estos usuarios serían los dos perfiles que habrían
emitido los tweets descalificando al partido que comentábamos anteriormente.
Mientras íbamos emitiendo ambos hashtags estábamos ya con el trabajo de la
segmentación de Vínculos. Cuando empezamos a trabajar con los primeros 21 vínculos
débiles el primero de los hashtags que utilizamos para probar nuestra teoría fue
#rajoyenplasma, aprovechando la rueda de prensa del presidente del gobierno a través
de una televisión de plasma desde la sede del Partido Popular, en Génova. El resultado,
tras el trabajo con los vínculos débiles, fue de 43 interacciones con la etiqueta
propuesta.
Conseguimos la participación de 10 de las 12 personas que contestaron afirmativamente
al email enviado, y de esas de 12 personas conseguimos que 5 perfiles ajenos totalmente
al experimento participaran de él, extendiendo, por tanto, el mensaje más allá de nuestra
red central de seguidores.
El gráfico que representa las conexiones conseguidas tras el primer mes de trabajo con
los vínculos débiles es el siguiente :
Se logró activar 10 Vínculos Débiles y 4 vínculos extraños44, que crearon la red con 22
nodos de relaciones. Como podemos observar a simple vista es un mapa mucho más
rico que el primero, con una mayor densidad de red. Además, la existencia de un centro
claro en el que convergen los principales puntos y interconexiones pone de relieve que
el “mixing pattern” sería el perfil del partido, Compromís. Otra de las comparaciones
entre el primer mapa generado y éste sería la existencia de más nodos que no tienen una
relación directa con el centro.
Los diferentes colores representan diferentes redes, en este caso observamos 3 redes
diferenciadas. Dos están conectadas entre ellas, pero observamos la red de azul celeste
que está totalmente ajena al resto. La diferente intensidad de las conexiones representa
las veces que interactúan entre los diferentes nodos, a mayor interacción, mayor
intensidad de color.
3.5.2 Resultados segundo Mes
Durante el primer mes continuó el trabajo con los Vínculos Débiles. Se recopilaron los
tweets de los seguidores para analizarlos a la vez que se iban emitiendo hashtags cada
semana. Pero aquello que realmente adquiere importancia a partir de este punto es
establecer la diferencia entre los Vínculos Débiles y los Vínculos Fuertes, tarea a lo que
dedicaremos el siguiente espacio y tiempo.
Si en el primer mes del estudio contábamos con 51 vínculos para segmentar entre
fuertes y débiles, en el segundo mes el número aumentó hasta 75. De los cuales
surgieron 38 vínculos fuertes y 37 vínculos débiles. Por supuesto han de suponer que
los 77 vínculos surgidos no eran todos nuevos, hay que descontar los 51 elementos que
ya aparecieron en nuestro primer estudio, pero que había que volver a analizar para
volverlos a segmentar. A continuación, al igual que anteriormente, mostramos una
44 Cuando un nodo no se encuentre dentro de nuestra red de seguidores lo llamaremos: Vínculo Extraño
gráfica con los vínculos segmentados para el segundo mes de estudio:
V. Tabla de Vínculos Segmentados para el Segundo Trimestre
Fuente: Elaboración Propia
Del nuevo estudio comprobamos que solamente 3 elementos de los que en el primer
mes habían sido vínculos débiles habían pasado, tras el estudio de sus tweets emitidos, a
ser Vínculos Fuertes.
Con los nuevos vínculos obtenidos realizamos el mismo procedimiento: obtener la
dirección de correo electrónico mediante un mensaje privado en Twitter. De los 37
vínculos débiles que obtuvimos tras el nuevo estudio, 21 procedían del mes anterior.
Mandamos el mensaje privado tras el cual obtuvimos respuesta de 2 nuevos vínculos.
Es decir, que tras los datos agregados del primer y el segundo mes, contamos con un
éxito de respuesta en Vínculos Débiles del 62,16%.
Nos centramos ahora con los Vínculos Fuertes. De los 38 usuarios que catalogamos
54
Vínculos Fuertes Vínculos Déviles Sin Publicar Tweets0
5
10
15
20
25
30
35
40
como fuertes y a los que mandamos el mensaje privado a su perfil personal en Twitter
obtuvimos respuesta de 16, un éxito de respuesta del 42,10%. De los 16 que facilitaron
su correo electrónico, obtuvimos una respuesta afirmativa en participación de 7
personas.
Ambas tablas representan los datos agregados, en el caso de los Vínculos Débiles, del
primer y del segundo mes.
VI. Tabla de Respuesta al mensaje privado por Vínculos
Fuente: Elaboración Propia
Contestaron No Contestaron0
5
10
15
20
25 Vínculos FuertesVínculos Déviles
VII. Tabla de Respuesta al Segundo Email
Fuente: Elaboración Propia
Esta diferencia tan contrastada de participación, pese a que el número de Vínculos en
ambas categorías son prácticamente idénticos (39 vínculos débiles frente a 38 vínculos
fuertes), los vínculos fuertes resaltan por su escasa participación en el estudio.
Carecemos de una encuesta post-estudio que nos indique el por qué de ésta baja
participación, pero tampoco es nuestro objetivo dar respuesta a la pregunta. Aunque sí
que podemos incidir en que los Vínculos Débiles son más proclives a participar que los
vínculos fuertes, lo cual ya nos indica que seguramente será más sencillo trabajar con
los vínculos débiles de un partido que con los vínculos fuertes.
Según hemos expuesto en el punto 2, Granovetter afirmaba que los vínculos débiles
ayudaban a extender la información mucho mejor que los vínculos fuertes. Para
comprobarlo establecimos 2 hashtags diferentes que se emitirían el mismo día.
Aprovechando las controversias y las manifestaciones con la nueva Ley sobre
56
Contestaron No Contestaron0
2
4
6
8
10
12
14
16
Vínculos fuertesVínculos débiles
Educación, establecimos dos etiquetas sobre el tema: #lleiwert y #lleieducació. Los
vínculos débiles trabajaban con la etiqueta #lleiWert (#leyWert), mientras que los
vínculos fuertes trabajaron con el hashtag #lleieducació (#leyeducación). A
continuación les mostramos, mediante gráficas, las comparaciones que encontramos
interesantes.
VIII. Tabla de Tweets emitidos por cada hashtag
Fuente: Elaboración Propia
#LleiWert #Lleieducació0
2
4
6
8
10
12
14
16
18
IX. Tabla de Número de Vínculos Activados
Fuente: Elaboración Propia
X. Tabla de Participación Nodos Externos
Fuente: Elaboración Propia
58
#LleiWert #Lleieducació0
1
2
3
4
5
6
7
#LleiWert #Lleieducació0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
Pese a la baja participación del hashtag, se observa claramente que los Vínculos Débiles
participan de forma más activa que los Vínculos Fuertes, y no solamente son ellos
quienes participan más activamente, sino que se establece un contagio mucho mayor del
mensaje si lo comparamos con los Vínculos Fuertes.
Los mapas de interacciones que pudimos recrear después de los datos obtenidos fueron
los siguientes:
6. Gráfica De Las Interacciones De #lleieducació :
Fuente: Elaboración Propia
Los mapas creados a partir de las diferentes interacciones no dan lugar a duda. Mientras
que el mapa de los vínculos fuertes cuenta con solamente tres elementos, y ninguno de
ellos es un elemento fuera de los catalogados como Fuertes y con una sola interacción,
el mapa de los Vínculos Débiles presenta unas interacciones mucho más allá del grupo
catalogado como Débiles, y consiguen, como se ha mostrado en las tablas anteriores,
una participación de Vínculos Externos a la red mucho mayor que los Vínculos Fuertes,
quienes no consiguen ninguna interacción. La riqueza en cuanto a densidad de red
también es comparable a simple vista.
Pero no fue éste el único caso de comparación que establecimos. Una semana después
volvimos a proponer a los Vínculos dos nuevos hashtags para establecer una nueva
comparación.
Aprovechando el programa que el presentador Jordi Évole emitió en la Sexta acerca del
accidente del Metro de Valencia, vimos la ocasión de emitir los hashtags: #nousoblidem
y #nomésoblit (#noosolvidamos y #nomásolvido)45. Para los Vínculos Fuertes la
etiqueta elegida fue #nomésoblid y para los vínculos débiles #nousoblidem. El mapa
que surgió de la interacción de ambos fue el siguiente:
45 Traducción de los hashtags
En ambos mapas se observa una interacción mayor con respecto de las anteriores
muestras, lo cual nos hace pensar que a mayor trabajo con los diferentes vínculos mayor
afinidad creamos entre los vínculos y el partido. Y, por supuesto, como se puede
observar una mayor afinidad, o un mayor trabajo con ellos, se traduce indiscutiblemente
con una mayor interacción, y por ende, difusión del mensaje.
Como hemos podido ver en los diferentes gráficos y mapas, cuanto mayor ha sido la
interacción en los mapas, mayor ha sido el número de vínculos de fuera de nuestra red
que han participado en el mensaje que quisimos enviar.
En el primero de los mapas, el perteneciente a los Vínculos Fuertes, podemos observar
la creación de 4 Comunidades bien diferenciadas, con una interacción entre la
Comunidad roja y la Comunidad Violeta. El resto son Comunidades que solamente
interactúan dentro de su red. Mientras que en el segundo mapa, el correspondiente a los
Vínculos Débiles, las interacciones entre los diferentes nodos son mucho más ricas y no
existe un centro claro, es un mensaje mucho más participativo y disperso. En el segundo
mapa observamos como @avjm3 sería nuestro vértice de mayor degree distribution,
puesto que es en el que más aristas convergen. En caso de volver a emitir un mensaje
con temática parecida sería conveniente contactar con éste nodo para la emisión.
Realizaremos también en este caso las tablas comparativas, dado que contienen
información bastante importante. A una primera vista los mapas generados y los
resultados que mostraremos en las tablas pueden dar a equivoco. Recordemos que los
vínculos débiles trabajaban bajo el hashtag #nousoblidem y los vínculos fuertes
trabajaban con la etiqueta #nomésoblit:
64
XI. Tabla de Tweets por hashtag:
Fuente: Elaboración Propia
XII. Tabla de Vínculos Extraños a la Red Activados
Fuente: Elaboración Propia
Nousoblidem Nomésoblit0
5
10
15
20
25
30
Nousoblidem Nomésoblit0
1
2
3
4
5
6
7
XIII. Vínculos de la Red Activados
Fuente: Elaboración Propia
Según las gráficas todo parece indicar que los vínculos fuertes, en este caso, han hecho
un mayor trabajo que los vínculos débiles. Han participado más y han conseguido más
vínculos extraños a nuestra red que los vínculos débiles. Pero si analizamos bien los
datos nos damos cuenta de que no es así.
De los 6 vínculos activados, 2 pertenecen a antiguos vínculos débiles, por lo que tenían
ya un mayor trabajo hecho, y el resto pertenecen a perfiles oficiales del partido, es decir,
continúan con la centralidad del mensaje. Dicha centralidad se aprecia muy bien en los
mapas que se muestran. Los Vínculos Débiles, pese a haber activado a menor número
de vínculos extraños y haber trabajado menos vínculos en la difusión del mensaje, han
conseguido una difusión menos centralizada y más cercana a traspasar los bordes de la
red social del Partido. Mientras que los Vínculos Fuertes, pese a haber trabajado más
activamente en estos hashtags, no consiguen descentralizar su mensaje, sus nodos
centrales tienen un alto grado de degree distribution y no consiguen que el mensaje
traspase el centro de la red.
66
Nousoblidem Nomésoblit0
5
10
15
20
25
30
3.5.3 Resultados Tercer Mes
El último mapa que les mostraremos será el que recreó el hashtag que utilizamos para
comparar el éxito de lanzar una etiqueta desde el perfil oficial del Partido sin aviso
previo a los vínculos. Así empezamos el trabajo y creímos que era una buena forma de
establecer una última comparación.
Como se puede observar, la densidad conseguida y las interacciones que se crearon
fueron, a simple vista, mucho mayores que tras la primera etiqueta emitida. Recordemos
que tras el primer hashtag conseguimos activar 8 vínculos de nuestra red, los cuales
crearon, en su mayoría, unas interacciones orientadas, exceptuando a @rubenguill. En
el último mapa que mostramos a continuación pueden observarse, las interacciones
creadas a partir de los 11 vínculos de nuestra red que se activaron, con interacciones
tanto orientadas como recíprocas. Y, a pesar de contar con un solo tweet más de
comparación, los vínculos activados en este último mapa consiguen una densidad de red
mucho mayor.
Si vuelven unas hojas atrás y buscan el primer grafo que les presentamos podrán
observar, a simple vista, las evidentes comparaciones.
A continuación les mostramos unos gráficos estableciendo una comparación entre el
primer mapa generado sin aviso anterior a los vínculos y el último.
XIV. Tabla de Tweets Emitidos Por Cada Hashtag
Fuente: Elaboración Propia
#magradariaquecompromis #deuteilegitim14
15
16
XV. Tabla Vínculos Activados Por Hashtag
Fuente: Elaboración Propia
Pero más allá de las estadísticas presentadas, lo que más nos interesa en el presente
estudio son las redes generadas a partir de cada hashtag, puesto que una rica red de
interacciones e interconexiones tiene mayor posibilidad de llevar el mensaje fuera de la
red social.
Si recopilamos los datos recogidos en las gráficas en que Vínculos Débiles y Fuertes
actuaban al mismo tiempo, obtenemos la siguiente tabla:
70
#magradariaquecompromis #deuteilegitim0
2
4
6
8
10
12
XVI. Tabla: Resultados Agregados para establecer una comparación entre Vínculos
Tweets Emitidos Vínculos Activados Vínculos Extraños Activados
Vínculos Débiles 33 17 8
Vínculos Fuertes 32 27 6
Fuente: Elaboración Propia
Los resultados agregados muestran que los Vínculos Débiles, aún activando a un menor
número de Vínculos propios, y con una cantidad de tweets muy similar, consiguen
activar a un mayor número de Vínculos Extraños a la red inicial.
En este tipo de estudios, uno de los elementos clave para probar la eficacia del mismo
sería haber incluido las estadísticas de seguidores y retweets conseguidos para poder
concluir si el estudio ha conseguido, además, atraer a más seguidores y ser más
relevante. Pero en nuestro caso no es pertinente, puesto que el trabajo realizado no tiene
una relación directa en la red del Partido, y por tanto, no podemos asegurar que el
aumento de seguidores que consiguió el perfil oficial sean por el trabajo con los
Vínculos Débiles y no por el trabajo que, día a día, realizaban en el perfil oficial. Es por
esto que nuestra base para asegurar que el estudio ha obtenido los resultados esperados
son los mapas de nodos conseguidos, la gran diferencia existente entre los primeros y
los últimos mapas y los Vínculos extraños a nuestra red social activados. Y por
supuesto, la diferenciación de participación desde los iniciales mensajes emitidos desde
el perfil oficial sin contar con apoyo ninguno, hasta los últimos hashtags emitidos.
4 . C O N C L U S I O N E S
En la introducción hemos mostrado dos técnicas utilizadas por parte de los partidos
políticos para lograr que los mensajes que transmiten a través de las redes sociales
tengan la máxima difusión. Mostramos también como tanto el astroturfing como la
compra de followers tienen una repercusión negativa si la estrategia es descubierta por
los ciudadanos.
Tras los resultados mostrados, y teniendo en cuenta las acotaciones realizadas sobre el
tamaño de la muestra, nos aventuramos a asegurar que los Vínculos Débiles son mejores
transmisores de los mensajes políticos a través de las redes sociales que los Vínculos
Fuertes.
Con el trabajo realizado con los Vínculos Débiles pudimos extender nuestro mensaje
más allá de nuestra red principal de seguidores, llegando a perfiles que no son followers
del perfil oficial del partido que se prestó para hacer el estudio. Los Vínculos fuertes
mostraban una centralidad en el momento de la emisión del mensaje, y no llegaban a
transmitir con la misma eficiencia que los Vínculos Débiles, quienes nos sirvieron de
puente entre el perfil oficial y la red que se encontraba más allá del perfil del partido,
ofreciendo, por tanto, rutas más cortas para la transmisión del mensaje político.
Creemos, a la luz de los datos, que el principal objetivo del estudio queda contrastado y
72
validado.
Por lo que respecta a los usos del astroturfing y de la compra de followers como
estrategias de difusión de contenido en las redes sociales, durante el estudio nos dimos
cuenta de que si un mensaje se convertía en social, era mucho más efectivo que si era
solamente un mensaje político.
La influencia es otro de los pilares claves para el éxito en la difusión del mensaje, y al
contrario de lo que pueda parecer, la influencia no se consigue con un gran número de
seguidores. En el artículo “La falacia del Millón de Seguidores46” quedó demostrado
que la influencia no va ligada al número de followers que pueda tener un perfil, más
bien se liga a la familiaridad:“(...) we found that influence is not gained spontaneously
or accidentally, (…), users need to keep great personal involvement” (Meeyoung Che et
al., 2010:17). Por esto mismo creemos que la estrategia de la compra de followers no es
la más efectiva para el éxito en la emisión de los mensajes.
Asumimos que entre las técnicas del astroturfing, la compra de followers y la utilización
de los Vínculos Débiles existe un elemento común, si creemos que la direccionalidad, o
la orquestación de un campaña de difusión de contenidos en Twitter, es un rasgo común
en las técnicas de trabajo en las redes. Pero existe una diferencia que distancia la
utilización de los Vínculos Débiles de las técnicas del astroturfing y la compra de
followers: la espontaneidad y la apropiación del mensaje por parte del emisor.
Cuando emitimos los hashtags desde el perfil oficial del partido sin pedir anteriormente
el apoyo al mensaje, su repercusión fue más reducida que con las interacciones de los
vínculos, pese a que los Vínculos Débiles y Fuertes podían ayudar en su difusión. Pero
existía una diferencia esencial entre el mensaje que se emitía sin pedir apoyo al mensaje
que se difundía a través de los vínculos débiles: la apropiación del mensaje. Los
vínculos débiles podían hacer suyo el hashtag puesto que vinculaban la etiqueta
proporcionada con el mensaje que ellos querían emitir, resultando así un mensaje mucho
46 Meeyoung Cha et al., “Measuring User Influence in Twitter: The Million Follower Fallacy,” n.d.
más social que si el emisor fuera solamente el perfil del Partido.
Si el Vínculo escribe de forma libre sobre aquello que se le facilita, el mensaje dejará de
ser un mensaje del Partido Político en cuestión y pasará a ser un mensaje personal del
twittero, que se convertirá en emisor. La red social inicial se expandirá gracias al
“personal involment”47 del emisor, creando la relación que el Marketing Relacional
establece como punto indispensable para la fidelización48,
“La relación, y no el intercambio, se convierte de esta manera en el eje central
del marketing. Las partes implicadas no limitan el intercambio a productos y
flujos monetarios, sino que también incluyen un amplio conjunto de beneficios
tangibles e intangibles”. (Cobo Quesada, Gonzalez Ruiz 2007:553)
Además, a través de los Vínculos se establecerá una comunicación entre el 47% de
público de las redes sociales que no quiere que se le identifique con ningún partido
político49 y el Partido y, durante el proceso descrito en el estudio, se habrá conseguido
convertir el mensaje político en un mensaje social50.
Con las técnicas del astroturfing y de la compra de followers se estaría perdiendo la
posibilidad de fidelización de los seguidores y la socialización del mensaje, elemento
esencial para el éxito en su transmisión. Es por ello que creemos que el trabajo y la
utilización del grupo de los Vínculos Débiles es más eficiente para la emisión de
mensajes políticos en las redes sociales.
47 Meeyoung Cha et al., “Measuring User Influence in Twitter: The Million Follower Fallacy.”48 Francico Benjamín Cobo Quesada, Ladislao González Ruiz, “Las Implicaciones Estratégicas Del
Marketing Relacional: Fidelización y Mercados Ampliados,” Anuario Jurídico y Económico Escurialense, 2007.
49 Informe Sobre Política y Redes Sociales.50 Alan S. Gerber, Donald P. Green, and Christopher W. Larimer, “Social Pressure and Voter Turnout:
Evidence from a Large-Scale Field Experiment,” American Political Science Review 102, no. 01 (February 13, 2008), doi:10.1017/S000305540808009X.
74
5 . B I B L I O G R A F Í A
Alberto Nájar. “Los Mexicanos Que Se Dedican a Cazar Falsos Tuiteros.” BBC Mundo,
Abril 2012.
Benjamín Paz Vermal, Antonio Gallo, and Rafael Rubio. Como Gestionar Una
Comunidad Internacional de Más de 1 Millón de Personas. Dog Comunicación,
n.d.
Bond, Robert M., Christopher J. Fariss, Jason J. Jones, Adam D. I. Kramer, Cameron
Marlow, Jaime E. Settle, and James H. Fowler. “A 61-million-person
Experiment in Social Influence and Political Mobilization.” Nature 489, no.
7415 (September 12, 2012): 295–298. doi:10.1038/nature11421.
Castells, Manuel. La sociedad red: una visión global. Madrid: Alianza Editorial, 2006.
Daniel Álvaro. “Los Conceptos de ‘Comunidad’ y ‘Sociedad’ de Ferdinand Tönies.”
Papeles Del CEIC, March 2010. http://www.identidadcolectiva.es/pdf/52.pdf.
Enrique Dans. “El Marketing, La Web Social y Las Formas de Tirar El Dinero.”
Harvard Deusto, 2012.
Gerber, Alan S., Donald P. Green, and Christopher W. Larimer. “Social Pressure and
Voter Turnout: Evidence from a Large-Scale Field Experiment.” American
Political Science Review 102, no. 01 (February 13, 2008).
doi:10.1017/S000305540808009X.
H.mason. “Time Is On Your Side.” Bitly Blog, May 8, 2012 .
http://blog.bitly.com/post/22663850994/time-is-on-your-side.
Informe Sobre Política y Redes Sociales. Intelligence Compass, September 23, 2010.
http://intelligencecompass.com/images/Informe%20Pol%C3%ADticos%20y
%20Redes%20Sociales.pdf.
IV Estudio Anual Redes Sociales. iab spain research, Enero 2013.
http://www.iabspain.net/wp-content/uploads/downloads/2013/01/IV-estudio-
anual-RRSS_reducida.pdf.
J. Clyde Mitchell. “Social Networks.” In Annual Review of Antrhopology, 3:279–299.
Annual Reviws, 1974. arjournals.annualreviws.org.
Joe Fernandez. “A New Era for Klout Scores.” The Official Klout Blog, October 19,
2011. http://blog.klout.com/2011/10/a-new-era-for-klout-scores/.
José Luis Molina. “La Ciencia de Las Redes.” Apuntes de Ciencia y Tecnología, June
2004.
Kossinets, G. “Empirical Analysis of an Evolving Social Network.” Science 311, no.
5757 (January 6, 2006): 88–90. doi:10.1126/science.1116869.
Ladislao González Ruiz, Francico Benjamín Cobo Quesada. “Las Implicaciones
Estratégicas Del Marketing Relacional: Fidelización y Mercados Ampliados.”
Anuario Jurídico y Económico Escurialense, 2007.
76
M. S. Granovetter. “He Strength of Weak Ties.” American Journal of Sociology, May
1973.
M. S. Granovetter. “The Strength of Weak Ties: A Network Theory Revisted.” In
Sociological Theory, 1:201–233, 1983.
Manuel Jimeno (director publicación), Blanca Villamía Uriarte (subdirectora
publicación), and Víctor Suárez Saa (subdirector publicación). eEspaña Informa
Anual 2013: Sobre El Desarrollo de La Sociedad de La Información. Fundación
Orange, n.d. http://fundacionorange.es/.
Mark S. Granovetter. “He Strength of Weak Ties.” American Journal of Sociology, May
1973.
Meeyoung Cha, Hamed Haddadi, Fabrício Benevenuto, and Krishna P. Gummadi.
“Measuring User Influence in Twitter: The Million Follower Fallacy.” presented
at the Fourth International AAAI Conference on Weblogs and Social Media, n.d.
Mitchell, J. Clyde. Social Networks in Urban Situations: Analyses of Personal
Relationships in Central African Towns. Manchester: Manchester University
Press for the Institute for African Studies, University of Zambia, 1975.
Newman, M. E. J. “The Structure and Function of Complex Networks.” SIAM Review
45, no. 2 (January 2003): 167–256. doi:10.1137/S003614450342480.
Noah Friedkin. “A Test of the Structural Features of Granovetter´s ‘Strength of Weak
Ties’ Theory.” Social Networks, 1980.
Radcliffe-Brown, Alfred R. Estructura y función en la sociedad primitiva. Barcelona:
Planeta-Agostini, 1986.
Robert Huckfeldt, Paul Allen Beck, Rusell J. Dalton, and Jeffrey Levine. “Political
Enviorements, Cohesive Social Groups, and the Comunication of Public
Opinion.” American Journal of Political Science Association, November 1995.
Ronan Tigner. “Online Astroturfing and the European Union’s Unfair Commercial
Practices Directive,” 2010 2009.
Scott, John. “Social Network Analysis.” Sociology 22, no. 1 (February 1, 1988): 109–
127. doi:10.1177/0038038588022001007.
Sergio Acedo. “UPyD Utiliza Bots Durante El Debate Parlamentario.” Blog. El Pato
Magenta, Agosto 2013. http://sergioacedo.com/upyd-utiliza-bots-durante-el-
debate-parlamentario/.
“The More Data the Merrier: Klout Adds Bing and Instagram.” Klout Blog, March 27,
2013. http://blog.klout.com/2013/03/klout-bing-instagram/.
Trecebits.com. “V Oleada, Observatorio de Redes Sociales,” Abril 2013.
http://www.trecebits.com/2013/04/24/v-oleada-del-observatorio-de-redes-
sociales-de-the-cocktail-infografia/.
5.1ARTÍCULOS DE PERIÓDICOS:
“Barack Obama Tiene 13 Millones de Seguidores Falsos e Inactivos En Twitter -
Tecnología - CNNMéxico.com.” Accessed August 30, 2013.
http://mexico.cnn.com/tecnologia/2012/08/25/barack-obama-tiene-13-millones-
de-seguidores-falsos-e-inactivos-en-twitter.
Gregorio Belinchón. “Mucho Tuit y Poca #taquilla.” El País, Cultura, Agosto 2013.
http://cultura.elpais.com/cultura/2013/08/06/actualidad/1375817352_603913.ht
78
ml.
“Lanata Reveló La Lista de Falsos Twitteros K.” Lanación.com.ar, May 7, 2012.
http://www.lanacion.com.ar/1471157-lanata-revelo-la-lista-de-falsos-twitteros-k.
“Los Políticos Compran Seguidores En Twitter y Facebook.” ABC.es. Accessed August
30, 2013. http://www.abc.es/20120625/medios-redes/abci-compra-seguidores-
facebook-twitter-201206211408.html.
“Seguidores Truchos Para Todos.” Plazademayo.com. Accessed August 30, 2013.
http://www.plazademayo.com/2013/07/truchos/.