Temi, leader e partiti nella campagna elettorale digitale, una prima ricognizione

Andrea Picciuolo
11 min readAug 30, 2022

--

1. Il tema

Il report precedente ha offerto, a chi pazientemente dedica qualche minuto a questo progetto, una scorsa sul conversato generato in alcune arene della semiosfera italiana da due temi che erano parsi centrali nei discorsi canicolari profusi a cavaliere tra la caduta del governo presieduto dal presidente Draghi e l’inizio della campagna elettorale che condurrà alle elezioni del prossimo 25 settembre. In questa occasione, l’attenzione è rivolta agli effetti, in qualche arena digitale, prodotti dai primi sussurri delle propagande di leader e partiti. L’intento è offrire, in primissima approssimazione, qualche dato sulla rilevanza di ciascun agente politico e sulla pertinenza dei temi a lui o a lei associati rispetto agli argomenti da lui o da lei maggiormente citati. Si tratta di un passo necessario affinché si possa comprendere chi e come esercita un “effetto priming” sull’agenda mediatico-politica e sui suoi cascami (egemonia nella semantizzazione o ri-semantizzazione di uno o più temi, egemonia nella definizione dell’avversario, clima timico, etc.).

Tra gli elementi emersi nell’indagine, se ne vogliono additare qui in apertura due. Il primo: alcuni dei leader rifuggono “la parola che squadri da ogni lato” quando si tratta di sintetizzare dei discorsi “di programma” e sublimarli in formule tematiche. In quei casi, il laconismo, figura capitale nell’agone della campagna elettorale (per di più lampo, come si va dicendo) è relegato alle headline dei manifesti (e dei loro surrogati social). Il secondo: se si guarda agli account social, tutti i leader dedicano una parte preminente della loro attenzione agli avversari; il negative campaigning è la modalità di interazione predominante (in un caso assorbe pressoché tutto lo sforzo enunciativo), lo si vedrà nel paragrafo 2. Gli esperti segnalano la necessità di mobilitare “i propri” nel contesto peculiare di questa campagna elettorale, e il negative campaigning sostiene l’impresa. Un tale affollamento, però, è un segnale, e forse un invito, per chi vorrà, e saprà, cambiare frequenza.

Il dodicesimo report di questa rubrica di total intelligence (nella sua versione qui ridotta) dà perciò conto di un carotaggio, condotto su alcuni canali digitali: (I) gli account Facebook di alcuni leader e dei rispettivi partiti nei 28 giorni precedenti al 22 agosto (data del carotaggio), (II) i siti internet di 5 partiti (in un arco temporale di osservazione che va da maggio a luglio), e (III) la twittosfera di lingua italiana in un lasso di tempo che va dal 17 al 23 agosto.

Per comprendere gli effetti di senso generati dai vari discorsi in campo, è opportuno vagliare, quali-quantitativamente, sia i messaggi emessi da fonti autorevoli che le “ricezioni” a cui questi vengono sottoposti nelle varie arene. Per farlo, bisogna descrivere e analizzare le tracce che gli eventi lasciano sulla catena del passaparola onlife: i discorsi e i comportamenti. Con gli strumenti meccanici adeguati e le metodologie di analisi appropriate si possono registrare le dichiarazioni esplicitamente sollecitate, ma vi è poi da esplorare tutto l’emisfero delle azioni e quello, ugualmente capitale, delle dichiarazioni non sollecitate o implicitamente sollecitate (come il “conversato” sulle reti sociali), da osservare e comprendere con altri strumenti (per l’appunto, meccanici e interpretativi). La mappatura della semiosfera deve sostenere una costante gap analysis tra il detto degli agenti politici, istituzionali ed economici, il detto dei media, e il percepito dei cittadini. Qual è la realtà semio-linguistica che questi si trovano a sanzionare, e sulla quale si formano i loro giudizi e le loro emozioni? Com’è strutturata? Chi parla? Dove? Quanto? Come?

In questo report vi sono i risultati parziali di un’indagine a cura di Glok e Troisi Ricerche.

L’estrazione del dato da Twitter è stato possibile grazie all’uso della piattaforma di monitoraggio e intelligence Kpi6 (https://kpi6.com/).

2. Facebook: leader e partiti

Per compilare la lista delle parole-chiave utili a estrarre il conversato dalla twittosfera italiana, oltre che alla sintesi dei programmi elettorali e alla ricognizione delle parole lì più frequenti, si è fatto ricorso agli account Facebook di alcuni leader e dei loro partiti. L’immagine qui acclusa dà conto del confronto tra gli account dei leader rispetto a un solo kpi, la post interaction:

La lettura in dettaglio delle performance dei singoli account racconta invece quanto segue. Fatta eccezione per le parole Italia e italiani, e in casi sporadici pure di governo, si noterà che nel caso dei leader la parola più frequente, in qualche circostanza più d’una, denota il riferimento a un qualche avversario. Come si diceva, un quadro che racconta di un affollamento sul polo narrativo della sollecitazione della mobilitazione fideistica. Se si resta al negative campaigning, resta dunque poco presidiato il polo della persuasione corsara e dell’indebolimento del nesso fiduciario (credibilità) tra l’avversario e una parte, di volta in volta selezionata, del suo elettorato modello.

2.1 Berlusconi e Forza Italia

L’account di Berlusconi ha pubblicato nei 28 giorni presi in esame 104 post. La post interaction media è stata del 3,6%, con un totale di reazioni generate pari a 406.374. In un corpus di 7.438 tokens, PD è la parola non grammaticale più frequente, conta 10 occorrenze. I post che contengono la parola PD raccolgono 31.743 reazioni. Tra le prime 300, le parole, e i sintagmi in qualche caso, che possono essere utili per rinvenire dei temi e degli indirizzi programmatici, da declinare in qualche modo oppure in qualche caso respingere/denunciare, sono, in ordine di frequenza, nucleare, patrimoniale, pensioni, cuneo fiscale, oppressione fiscale, infrastrutture.

L’account di Forza Italia ha pubblicato nei 28 giorni presi in esame 123 post. La post interaction media è stata del 2,9%, con un totale di reazioni generate pari a 69.671. In un corpus di 7.233 tokens, Berlusconi è la parola non grammaticale più frequente: conta 65 occorrenze. Segue sinistra, che ne ha 35. Poco più della metà ne conta tasse, la prima tra le parole che si potrebbero nominare qui “di programma”. A seguire si incontrano, in ordine di frequenza, carico fiscale, cuneo fiscale, oppressione fiscale, presidenzialismo, flat tax.

2.2 Calenda e Azione

L’account di Calenda ha pubblicato nei 28 giorni presi in esame 219 post. 1,3% la post interaction media, con 799.491 reazioni generate. In un corpus di 8.945 tokens, Draghi è la parola più frequente (59 occorrenze), seguono Letta (37), destra (32) e PD (31). Tra le prime 300, le parole “di programma” sono, in ordine di frequenza, PNRR, bonus, RDC, sanità.

L’account di Azione ha pubblicato nei 28 giorni presi in esame 75 post. 1,4% la post interaction media, con un totale di reazioni generate pari a 79.705. In un corpus di 2.440 tokens, Draghi è la parola non grammaticale più frequente (18 le occorrenze), seguono Gelmini (14), Carfagna (13) e Calenda (11). Tra le parole “di programma” fa capolino, con 5 occorrenze, PNRR.

2.3 Conte e M5S

L’account di Conte ha pubblicato nei 28 giorni presi in esame 90 post. La post interaction media è stata dello 0,8%, con un totale di reazioni generate pari a 3.452.908. In un corpus di 9.535 tokens, Draghi è la parola più frequente (22 occorrenze), segue Calenda (con 17). Parole, e sintagmi, “di programma” tra le prime 300 in ordine di frequenza possono essere rinvenute in tasse sul lavoro, superbonus, salario minimo, e reddito di cittadinanza.

L’account del Movimento5Stelle ha pubblicato nei 28 giorni presi in esame 300 post. La post interaction media è stata dello 0,2%, con un totale di reazioni generate pari a 1.190.084. In un corpus di 20.497 tokens, movimento è la parola non grammaticale più frequente (100 le occorrenze), segue Conte, con 92; Draghi, Calenda e Meloni ne contano rispettivamente 41, 38 e 30. Tra le parole e le espressioni “di programma” si possono indicare reddito di cittadinanza, superbonus, fondo per le imprese, salario minimo, transizione ecologica solidale, decreto dignità, cashback fiscale. Una menzione particolare va in questo caso a una parola grammaticale che occorre con una frequenza non trascurabile, e che offre un indizio sul posizionamento strategico ibrido (incompiuto?) del M5S in questa campagna elettorale, “potenziamento” (è una parola molto presente pure nel programma).

2.4 Letta e PD

L’account di Letta ha pubblicato nei 28 giorni presi in esame 167 post. La post interaction media è stata dell’1,3%, con un totale di reazioni generate pari a 314.642. In un corpus di 4.349 tokens, dopo Partito democratico, Draghi è la parola più frequente (14 occorrenze), seguono Salvini (con 12) e destra (con 11). Parole, e sintagmi, “di programma” tra le prime 300 in ordine di frequenza possono essere rinvenute in giovani, Europa, lavoro, e scuola.

L’account del PD ha pubblicato nei 28 giorni presi in esame 213 post. La post interaction media è stata dello 0,7%, con un totale di reazioni generate pari a 651.044. In un corpus di 13.301 tokens, dopo Enrico Letta e Partito democratico, la parola più frequente è destra (47 le occorrenze); Meloni ne ha 29 e Draghi 20. Tra le parole e le espressioni “di programma”, anche molto vaghe come nel caso dei post dell’account di Letta, si possono indicare giovani, lavoro, diritti, scuola, e ambiente.

2.5 Meloni e FdI

L’account di Meloni ha pubblicato 142 post nei 28 giorni presi in esame. La post interaction media è stata quasi dell’1%, con un totale di reazioni generate pari a 3.325.195. In un corpus di 7.783 tokens, sinistra è la parola più frequente (62 occorrenze), quasi il doppio delle occorrenze registrate da Fratelli d’Italia. Le parole, e i sintagmi, “di programma” più frequenti tra le prime 300 in ordine di frequenza sono immigrazione, giovani, sicurezza, tasse e imprese.

L’account di Fratelli d’Italia ha pubblicato nei 28 giorni presi in esame 162 post. La post interaction media è stata dello 0,8%, con un totale di reazioni generate pari a 612.577. In un corpus di 2.094 tokens, sinistra ha quasi lo stesso numero di occorrenze di Fratelli d’Italia (36 vs 39); Meloni ne ha 18. Tra le parole e le espressioni “di programma”,vi sono lavoro, imprese, blocco navale, e immigrati.

2.6 Renzi e Italia Viva

L’account di Renzi ha pubblicato 40 post nei 28 giorni presi in esame. La post interaction media è stata quasi dello 0,7%; 317.504 le reazioni generate. In un corpus di 1.855 tokens, tra quelle qui pertinenti, PD e Draghi sono le parole più frequenti (12 e 11 le occorrenze rispettivamente registrate). Le parole, e i sintagmi, “di programma” più frequenti tra le prime 300 in ordine di frequenza sono inflazione e reddito di cittadinanza, con 3 occorrenze ciascuna.

L’account di Italia Viva ha pubblicato nei 28 giorni presi in esame 404 post. La post interaction media è stata dello 0,8%, con un totale di reazioni generate pari a 390.974. In un corpus di 22.207 tokens, Renzi conta 161 occorrenze, seguito da Draghi con 118; PD ne conta 68, destra 58. Tra le parole e le espressioni “di programma”, solo imprese si attesta tra le prime 300 occorrenze.

2.7 Salvini e Lega

L’account di Salvini ha pubblicato 293 post nei 28 giorni presi in esame. La post interaction media è stata quasi dello 0,2%; 3.022.244 le reazioni generate. In un corpus di 12.883 tokens, tra quelle qui pertinenti, PD e sinistra sono le parole che occorrono con maggiore frequenza (48 e 45 rispettivamente). Le parole, e i sintagmi, “di programma” più frequenti tra le prime 300 in ordine di frequenza sono sicurezza, Lampedusa, e flat tax.

L’account della Lega ha pubblicato nei 28 giorni presi in esame 1.684 post. La post interaction media è stata dello 0,05%, con un totale di reazioni generate pari a 1.185.842. In un corpus di 37.927 tokens, Salvini conta 505 occorrenze (capitano 169); PD ne conta 116, sinistra 89. Tra le parole e le espressioni “di programma”, svetta Lampedusa; seguono patrimoniale, pensioni e clandestini.

3. La twittosfera di lingua italiana

Per estrarre dalla twittosfera di lingua italiana un conversato adatto a testare le domande di ricerca a cui si è fatto rapidamente accenno all’inizio del report, si è scelto in questo caso di utilizzare una query molto ampia, esito una sintesi (certamente impressionistica ma arbitraria) delle risultanze del primo vaglio descritto nel paragrafo 2. I risultati sono, in estrema sintesi, quelli che seguono.

Nella twittosfera di lingua italiana, nel periodo in oggetto, la query genera 10.070 post (che sarebbero diventati più di 94.000 se vi fossero state incluse le risposte). 5.326 gli utenti unici coinvolti nella “conversazione”. Sono stati circa 223.000 i like generati; il tasso di engagement è dello 0,9%. Anger e disapproval sono le emozioni prevalenti.

Questa la serie temporale dei tweet.

Se si guarda all’insieme delle parole e degli hashtag più frequenti, utili per provare a inferire i temi maggiormente rilevanti, compaiono nucleare, flat tax, reddito di cittadinanza, guerra in Ucraina e immigrazione. Meloni precede Salvini nel numero di citazioni (11,2 vs 8,5% del conversato).

Questi gli hashtag più frequenti.

Queste le parole non grammaticali che compaiono con maggiore frequenza e i bi-grammi (“normalizzati”):

Tra le fonti, il mobile genera quasi il doppio del conversato rispetto al Desktop.

I tweet di utenti verificati sono 621 e hanno generato 76.418 like (circa un decimo degli utenti ha generato pressappoco un terzo dei like complessivi), con un tasso di engagement dello 0,6%. In questo corpus “minore”, Salvini è più citato di Meloni (12,1 vs 10,5% del conversato). Flat tax, nucleare e reddito di cittadinanza, in quest’ordine, i temi più frequenti.

Si dà conto ora del dettaglio di alcune correlazioni: qual è il tema il tema più citato nell’insieme dei tweet in cui viene citato un determinato leader? e qual è il nome del leader che lì co-occorre con maggiore frequenza?

Berlusconi compare in 311 post. 10.688 i like generati. Tema: flat tax. Leader: Meloni.

Calenda compare in 232 post. 6.472 i like generati. Tema: flat tax. Leader: Salvini.

Conte compare in 75 post. 1.386 i like generati. Tema: reddito di cittadinanza. Leader: Meloni.

Letta compare in 230 post. 3.273 like i like generati. Tema: presidenzalismo. Leader: Meloni.

Meloni compare in 902 post. 28.209 i like generati. Tema: reddito di cittadinanza. Leader: Berlusconi.

Renzi compare in 143 post. 2.741 i like generati. Tema: presidenzialismo. Leader: Meloni.

Salvini compare in 780 post. 19.391 i like generati. Tema: flat tax. Leader: Meloni.

Se si guarda alla rilevanza, Meloni è senza dubbio preminente in quell’archivio. Più o meno pertinenti invece, rispetto ai rispettivi sforzi propagandistici, le co-occorrenze tra leader e temi.

4. Siti

Per chiudere, un rapido confronto tra i siti di alcune forze politiche (5), nell’arco che va dal maggio al luglio scorsi, per capire quanto traffico hanno raccolto, di che tipo e da quali fonti proveniva.

La serie temporale è la seguente; si nota l’aumento dell’interesse per il sito di FdI, con quello del M5S che genera invece il maggior numero di visite complessive :

Se si guarda alle fonti di traffico, la ricerca organica è quasi per tutti quella prevalente. Fa eccezione il sito del M5S, che ha nel direct la prima fonte di traffico. Se si guarda invece alle fonti di traffico social, si nota che Facebook è la fonte prevalente per Lega, M5S e PD, mentre Reddit lo è per FdI.

Per quel che riguarda l’età dei visitatori, il sito del M5S sovraperforma quelli di tutti gli altri partiti indagati in tutte le coorti, eccezion fatta per 18–24 e 25–34.

Sign up to discover human stories that deepen your understanding of the world.

Free

Distraction-free reading. No ads.

Organize your knowledge with lists and highlights.

Tell your story. Find your audience.

Membership

Read member-only stories

Support writers you read most

Earn money for your writing

Listen to audio narrations

Read offline with the Medium app

--

--

Andrea Picciuolo
Andrea Picciuolo

Written by Andrea Picciuolo

Co-founder @ tropic https://tropicresearch.it/) — Marketing intelligence = audience | content | media | social intelligence | semiotics | text analytics

No responses yet

Write a response