Op bezoek bij het big data-bedrijf dat een cruciale rol speelde bij Trumps campagne

Reinout Van Zandycke
Door Reinout Van Zandycke Innoveren
Op bezoek bij het big data-bedrijf dat een cruciale rol speelde bij Trumps campagne

In februari 2016 moest ik voor mijn opleiding politieke communicatie een presentatie geven over segmenteren en targeting. In plaats van het boek te volgen en mij te baseren op oude modellen besloot ik iets anders te doen. Tijdens het maken van mijn bachelorproef (Twitter en politieke communicatie) leerde ik in 2014 voor het eerst het begrip microtargeting kennen. Ik besloot toen maar om het over deze techniek te hebben in combinatie met big data. Na wat opzoekingswerk kwam ik al snel uit bij het bedrijf Cambridge Analytica. Ik weet nog dat ik toen mijn klasgenoten en professor vertelde: "Houd dit bedrijf en hun techniek in de gaten, want het kan politieke communicatie helemaal veranderen.” 

In juli en augustus toerde ik 5000 km door Amerika om er bij te leren over de verkiezingen, politieke communicatie en big data. Eenmaal terug in België gaf ik verschillende workshops over mijn kennis die ik in Amerika verzamelde. Tot 24 oktober had ik het gevoel dat Hillary Clinton zou winnen. Toen las ik een artikel dat mij nog meer aan het twijfelen bracht. Opeens las ik dat het bedrijf dat ik februari voor het eerst had leren kennen in de race was gestapt om Donald Trump te helpen. De CEO van Cambridge Analytica beweerde dat zij een methodiek hadden die Donald Trump alsnog president kon maken. Op dat moment lag hij nog 14% achter in de peilingen. Een gewaagde uitspraak, maar ze bleken wel gelijk te hebben. Dat was voor mij de druppel die de emmer der nieuwsgierigheid deed overlopen. Gedaan met er over te lezen, het was tijd om die mensen te ontmoeten. Ik regelde een meeting met hen in Washington DC.

Hoe werd Donald Trump president?

De peilingen toonden een overwinning voor Hillary Clinton. De media dachten hetzelfde. De miljardair, vastgoedmagnaat en reality TV-ster werd beschouwd als de minst waarschijnlijke persoon om president te worden en toch, ondanks de controversiële opmerkingen, de dreiging van rechtszaken en lauwe steun van de republikeinse partij, op één of andere manier heeft hij het gedaan. Wat deed Cambridge Analytica dat de campagne alsnog zo succesvol maakte? Ik geef je een overzicht over de inzichten die ik verzamelde en de gesprekken die ik met hen voerde.

"Volgens de peilingen zou Clinton winnen, maar toch won Trump."

Je moet eerst en vooral beseffen dat alles wat je online doet ook wordt bijgehouden. Elke zoekopdracht, online aankoop of like kan op één of andere manier gebruikt worden door big data-analytici. Zij ontwikkelen algoritmes die immense hoeveelheden data analyseren en daaruit kennis distilleren. Die kennis verstrekt inzichten over hoe mensen denken, leven en werken. Deze techniek heeft nu ook zijn weg gevonden in de politieke communicatie. Politici wenden zich nu meer en meer tot computernerds voor gedragsstudies in plaats van te vertrouwen op opiniepeilingen.

Velen dachten dat je big data enkel kon gebruiken om je na het opzoeken van rode stiletto’s meer en sneller advertenties te tonen van gelijkaardige schoenen. De methode-Trump gaat een (grote) stap verder…

Psychometrie

Cambridge Analytica is een onderdeel van een strategisch communicatiebedrijf genaamd SCL Group (SCL staat voor Strategic Communication Laboratories). Een Brits bedrijf met een indrukwekkend palmares. Zo hebben ze ervaring met politieke campagnes in Colombia, Thailand, Roemenië, Verenigde Staten, Senegal, Groot-Brittanië, …  In 2013 richtten ze Cambridge Analytica op. Het bedrijf werkte eerst voor Ben Carson en Ted Cruz in de presidentiële voorverkiezingen van 2016. Later huurde Trump ze in.

Links van me zie je de man verantwoordelijk voor het big data-verhaal, rechts de psycholoog die met behulp van principes uit de sociale psychologie overtuigende boodschappen maakt

Tot nu toe werd er tijdens verkiezingscampagnes vooral gesegmenteerd op basis van demografische concepten zoals geslacht of leeftijd. CEO Alexander Nix vond dat een achterhaald idee. Het was volgens hem erg dom om te stellen dat bijvoorbeeld alle vrouwen één bepaalde boodschap te zien moesten krijgen omdat ze vrouw waren. Dé mening van de vrouw bestaat niet. Terwijl de andere teams nog segmenteerden op basis van demografische variabelen, segmenteerde Cambridge Analytica op basis van psychografische variabelen. Zoiets wordt ook wel psychometrie genoemd.

Het Brits bedrijf hielp Trump campagnes ontwikkelen door innovatieve politieke marketing (microtargeting) te combineren met psychologische modellen. Psychometrie richt zich op het berekenen en meten van persoonlijkheidsprofielen. Met deze informatie sturen ze gerichte boodschappen die aansluiten op de psychologie van de doelgroep. Zij gebruiken hiervoor het model van ‘The Big Five’. Een methode die mensen opdeelt op basis van vijf persoonlijkheidskenmerken. Cambridge Analytica spreekt ook wel over het OCEAN-model. Dat is een acroniem voor: openness, conscientiousness, extroversion, agreeableness en neuroticism.

"Dé mening van de vrouw bestaat niet. Dus moest er niet alleen nagedacht worden over demografische variabelen, maar ook over psychografische."

Dat komt in het Nederlands neer op het volgende:

  1. Extraversie: de mate waarin een persoon behoefte heeft aan contact met anderen of hoe sociaal je bent.
  2. Inschikkelijkheid: hoe meegaand, tolerant en hulpvaardig ben je?
  3. Nauwgezetheid: gaat een persoon perfectionistisch en doelgericht te werk of ongestructureerd en doelloos?
  4. Neuroticisme: neurotische mensen maken zich veel zorgen, zijn onzeker en nerveus. De psycholoog van Cambridge Analytica waarmee ik samen zat, vertelde mij dat de meeste kiezers van Trump hier relatief hoog op scoorden. Dat Trump veel focuste op de gevaren van nieuwkomers was dus zeker niet alleen een persoonlijk standpunt. Dat was één van de zaken waar zijn kiezers opvallend veel aandacht voor hadden.
  5. Openheid: in hoeverre ga je op zoek gaan naar nieuwe ervaringen.

Lang was het probleem dat het maken van persoonlijkheidsprofielen erg intensief was en dat dit vaak hand- en maatwerk was. Dankzij de komst van big data en de digitale middelen is er veel meer mogelijk. Zo kon het team tot op bijna het niveau van het individu bepalen wat voor persoonlijkheid je had. Natuurlijk gebruikten zij ook deze informatie om overtuigender te communiceren. Het ging niet alleen om het achterhalen wat het persoonlijkheidsprofiel was. Het team kon deze kennis ook gebruiken om specifieke profielen op te sporen. Zo konden ze boodschappen sturen naar mensen waarvan ze wisten dat het nog onbesliste republikeinen waren.

Stappenplan marketingstrategie Trump

Het bezitten en analyseren van data brengt je niets bij. Het is uiteindelijk wat je er mee doet dat het verschil maakt. Dat goed doen is een echte kunst. Want als je je bijvoorbeeld te veel focust op data, dan verlies je de authenticiteit in de boodschap. Je hebt data én psychologische inzichten nodig om het verschil te maken. Heel vaak denken mensen dat data minder belangrijk zijn omdat ze toch vooral maar bevestigen van wat ze al weten. Het is echter geen of-of-verhaal. Integendeel zelfs. Door het inzetten van data heb je de kracht om die intuïtie en vakkennis exponentieel te vermenigvuldigen. Het bedrijfsleven en de marketingindustrie moeten beseffen dat grootscheepse marketing niet meer werkt. Mensen raken geïrriteerd als organisaties hen niet op de juist manier aanspreken.

Ik vroeg het marketingteam wat voor stappenplan zij hanteren. Je kan het eigenlijk samenvatten in 4 stappen:

  • Verzamelen van data: In Amerika is bijna alle persoonlijke data te koop. Hoe verzamelen ze die data? Gewoon door ze te kopen. Dat gaat over winkeldata, maar bijvoorbeeld ook welke kerk je bezoekt. Er zijn Amerika verschillende bedrijven die dergelijke data aanbieden.
  • Data analyseren (psychometrie): Op basis van de (online) data berekenen ze dan de persoonlijkheidsprofielen. De mensen waarmee ik samen zat, wilden natuurlijk niet in detail uitleggen hoe ze dat juist doen.
  • Psychologie van het overtuigen: Eenmaal ze weten wat voor persoonlijkheidsprofiel een bepaalde groep heeft, gaat de communicatiepsycholoog aan de slag. Op basis van de persoonlijkheidsprofielen creëert hij boodschappen die erg overtuigend zijn. De psycholoog waarmee ik samen zat vertelde mij dat zij hiervoor verschillende modellen en onderzoeken gebruiken. Dat gaat dan over onderzoeken en theorieën van Cialidini, Carnegie, Kahneman, Asch, Petty & Cacioppo, … Uit onderzoek bleek dat hun advertenties hierdoor 63% meer kliks genereerde.
  • Microtargeting: Eenmaal de psycholoog klaar is met de boodschap treden de creatievelingen in werking. Zij maken een mooie video of sterke visual en zorgen dat deze met de juiste targeting-technieken de juiste doelgroep bereiken. Natuurlijk vooral via Facebook, maar ook ‘gewoon’ via websites.

Zo passen ze psychometrie toe

In dit filmpje legt de CEO concreet uit wat zij met de data en psychologische kennis juist allemaal kunnen doen. De CEO geeft het voorbeeld van het tweede amendement (recht op het bezitten en dragen van wapens), iets waar Trump een grote voorstander van was. Hij wilde dit recht zeker niet wijzigen. Burgers die hoog scoorden op neuroticisme kregen een ander argument en/of visual dan burgers die hoog scoorden op inschikkelijkheid. Die eerste groep kreeg een foto te zien van een inbraak die inspeelt op dreiging. De tweede groep krijgt dan weer foto te zien van een vader en een kind op jacht om te wijzen op tradities en familie. Door dat zo aan te pakken waren Trump zijn digitale boodschappen veel effectiever dan die van Hillary Clinton.

 

De mensen waarmee ik samen zat wisten mij te vertellen dat iedere potentiële doelgroep moest voldoen aan minimaal twee voorwaarden. Eerst moesten ze op zijn minst 20% kans maken om effectief te gaan stemmen. Remember: in Amerika is er geen stemplicht. Daarnaast moesten ze ook nog minstens 50% kans maken om op Trump te stemmen. Als iemand niet aan deze twee voorwaarden voldeed, dan was je voor het marketingteam niet interessant en krijg je dergelijke boodschappen ook niet zien, ook al scoorde je bijvoorbeeld hoog op neuroticisme.

Extreme beïnvloeding

Het klinkt misschien allemaal wat griezelig en opdringerig, maar Cambridge Analytica meent dat deze aanpak er wel voor heeft gezorgd dat ze meer mensen bereikten en vooral ook een andere groep. Een groep die anders geen interesse had om naar de stembus te gaan. Ze zeiden het volgende tegen mij: “Het is niet aan journalisten of marketingmensen om te bepalen welke kandidaat goed of slecht is. Dat is aan de mensen zelf. Niets dat we doen is gebaseerd om te begrijpen wat één individu zal doen. Wij gebruiken data om mensen in specifieke groepen te bundelen. Wij hebben zelfs niet de mogelijkheid om dat voor ieder specifiek individu te organiseren”.

Ook bij ons mogelijk?

Er zijn zeker wel mogelijkheden vertelde het marketingteam mij. Op zich kunnen zij vanaf 100 mensen eigenlijk al bepaalde modellen ontwerpen die een meerwaarde betekenen voor een campagne. Een exacte kopie als van wat er in Amerika gebeurde, lijkt dan wel eerder moeilijk. In de VS zijn de wetten omtrent het uitbrengen van persoonlijke data veel minder streng dan in de Europese Unie.

"Of dit ook in Europa kan? Een exacte kopie is moeilijk, maar er zijn veel mogelijkheden."

Het grootste verschil zit hem in de opt in-optie. Concreet komt dat neer op het volgende: in Europa moet je toestemming geven om je persoonlijke data beschikbaar te maken. In de VS is het omgekeerd, daar moet je melden dat je het niet wilt. Dit is toch een groot verschil en maakt het verzamelen en analyseren van data niet evident. Europa kent ook grotere cultuurverschillen, waardoor het minder schaalbaar is. En misschien nog het grootste verschil van allemaal: het verkiezingssysteem is anders. Stemplicht of stemrecht? Tweepartijenstelsel of meerpartijenstelsel? Dat zijn erg grote verschillen.

Ere wie ere toekomt: Michal Kosinski 

In 2008 was Michal Kosinski PhD-student aan Cambridge University. Hij ontwikkelde toen een facebookapplicatie: MyPersonality-app. Kort gezegd was het eigenlijk een online vragenlijst die je persoonlijkheid berekende, ook gebaseerd op het OCEAN-model. Zonder hij het verwacht had, vulden extreem veel mensen deze vragenlijst in. Kosinski connecteerde vervolgens al deze persoonlijkheidskenmerken aan online data zoals de facebookpagina’s die ze hadden geliked.

"Ze kunnen met 95% zekerheid voorspellen welke huidskleur je hebt."

Zo blijkt dat mensen die Lady Gaga liken meestal hoog scoren op extraversie. Door dit model verder te professionaliseren konden ze op een bepaald moment met 95% zekerheid voorspellen welke huidskleur je had. Zonder het profiel te zien natuurlijk. En - voor politieke partijen - nog interessanter: ze konden ook met 85% zekerheid voorspellen voor welke partij je zou stemmen. Door middel van 70 likes te analyseren wisten ze eigenlijk meer over de persoon, dan dat zijn eigen vrienden over hem of haar wisten. Het werk van Michal Kosinski is de basis van de marketingstrategie van Cambridge Analytica, al was het nooit zijn bedoeling dat een marketingteam hier in deze mate gebruik van zou maken.

Probeer het eens zelf uit

De Universiteit van Cambridge heeft nu een tool gepubliceerd die je nu zelf in staat stelt om je karaktereigenschappen en voorkeuren te laten voorspellen aan de hand van je Facebookprofiel. De Apply Magic Sauce tool weet van alles over jou te vertellen. Zo kunnen ze zelfs berekenen hoe gelukkig je bent met je leven. Je kan ook teksten analyseren en hieruit het persoonlijkheidsprofiel laten berekenen.

Het enige nadeel is dat dit voorlopig enkel werkt voor Engelstalige teksten. Ik heb al contact opgenomen met de Universiteit van Cambridge en voorlopig komt er niet onmiddellijk een Nederlandstalige versie aan. Ze willen het wel graag beschikbaar maken voor andere talen, maar zijn nu vooral op zoek naar extra geld. Het ontwikkelen gaat wel relatief snel. Ze hebben voor een extra taal ongeveer twee maanden tijd nodig. Probeer het zeker al eens uit en contacteer mij gerust als je wat extra inzichten wilt.

Nog meer weten? Bekijk dan mijn presentatie over big data in politiek: