Αυτή είναι η υπόσχεσή μας — και εδώ εξηγούμε πώς την κρατάμε. Κάθε οργανισμός, κάθε brand, κάθε θεσμός, κάθε δημόσιο πρόσωπο είναι καθημερινά το υποκείμενο μιας τεράστιας δημόσιας συζήτησης. Εμείς τη μετατρέπουμε σε καθαρή, τεκμηριωμένη εικόνα: τι λέγεται, ποιος το λέει, με ποιο συναίσθημα, και προς τα πού πηγαίνει.
Κάθε μέρα, εκατομμύρια δημοσιεύσεις, σχόλια, άρθρα και βίντεο διαμορφώνουν το πώς βλέπει ο κόσμος έναν οργανισμό. Η φήμη χτίζεται πια δημόσια, σε πραγματικό χρόνο, από χιλιάδες φωνές ταυτόχρονα. Κανένας άνθρωπος δεν προλαβαίνει να τα διαβάσει όλα — και όποιος αποφασίζει με ένστικτο αντί για εικόνα, αποφασίζει στα τυφλά.
Ποιες ιστορίες κυριαρχούν στη δημόσια συζήτηση για το υποκείμενο;
Ποιες φωνές και ποια κανάλια οδηγούν τη συζήτηση — και πόσο μακριά φτάνουν;
Τι νιώθει ο κόσμος όταν μιλάει — και τι σημαίνει αυτό για το τι θα κάνει μετά;
Δυναμώνει, σβήνει, ή ετοιμάζεται να αλλάξει κατεύθυνση;
Υποκείμενο μπορεί να είναι οτιδήποτε ζει μέσα στη δημόσια συζήτηση: μια εταιρεία, ένα brand, ένα προϊόν, μια καμπάνια, ένας θεσμός, ένα δημόσιο πρόσωπο. Η μέθοδος είναι μία και ενιαία — αυτό που προσαρμόζεται είναι η ερμηνεία, γιατί ένα παράπονο πελάτη, μια πολιτική κριτική και μια κρίση φήμης δεν διαβάζονται με τον ίδιο τρόπο. Το σύστημα το γνωρίζει και διαβάζει το καθένα με το δικό του κλειδί.
Τα παραδοσιακά εργαλεία μέτρησης της γνώμης δουλεύουν όλο και πιο δύσκολα — και αυτό δεν το λέμε εμείς, το λέει η ίδια η επιστήμη των ερευνών. Όσοι δέχονται να απαντήσουν σε ένα ερωτηματολόγιο δεν είναι πια «όλοι μας» — και όσοι απαντούν, συχνά λένε το κοινωνικά αποδεκτό, όχι αυτό που πραγματικά πιστεύουν (Krumpal, 2013). Οι μεγάλες αστοχίες των δημοσκοπήσεων στις ΗΠΑ το 2016 και το 2020 δεν ήταν ατύχημα — ήταν το σύμπτωμα, όπως κατέγραψε η ίδια η διεθνής ένωση των ερευνητών κοινής γνώμης (AAPOR, 2021).
Την ίδια στιγμή, η συζήτηση που κάποτε γινόταν στο καφενείο, στην ουρά, στο τηλέφωνο, γίνεται πλέον δημόσια, μέσα στα μέσα: στα σχόλια, στα δίκτυα, στα forums. Εκεί ο κόσμος μιλάει αυθόρμητα, με δικά του λόγια, χωρίς ερωτηματολόγιο μπροστά του — και αυτός ο λόγος έχει μετρήσιμες συνέπειες στο τι αγοράζεται, τι εμπιστεύεται και πώς κρίνεται ένας οργανισμός (Chevalier & Mayzlin, 2006). Η ψηφιακή εικόνα ενός οργανισμού δεν είναι πια μια αντανάκλαση της φήμης του — είναι η φήμη του. Και η ίδια η ερευνητική κοινότητα αναγνωρίζει ότι η ανάλυση του δημόσιου ψηφιακού λόγου είναι το απαραίτητο συμπλήρωμα — και συχνά ο προπομπός — της κλασικής μέτρησης (Schober et al., 2016 · Japec et al., 2015 · Couper, 2013).
Αυτό είναι το κενό πάνω στο οποίο χτίστηκε η Viewscope. Εκεί που η παραδοσιακή έρευνα φτάνει με κόπο, κόστος και καθυστέρηση, ο δημόσιος λόγος είναι ήδη εκεί: ζωντανός, αυθόρμητος, συνεχής. Χρειάζεται όμως μέθοδο για να διαβαστεί σωστά. Αυτή τη μέθοδο χτίσαμε.
Το σύστημα συλλέγει τον δημόσιο λόγο από όλο το φάσμα της συζήτησης: ειδησεογραφικά μέσα, X, Facebook, Instagram, TikTok, YouTube, Reddit, forums — και τα σχόλια κάτω από τις δημοσιεύσεις, εκεί όπου μιλάει ο πραγματικός κόσμος χωρίς δελτία τύπου. Καταλαβαίνει ελληνικά, greeklish και μεικτή γλώσσα — όπως γράφει πραγματικά ο κόσμος στο διαδίκτυο.
Ο δημόσιος λόγος είναι γεμάτος θόρυβο: άσχετες αναφορές, επαναλήψεις, περιεχόμενο που απλώς μοιάζει σχετικό. Πριν από κάθε ανάλυση, τα δεδομένα περνούν από αυστηρό έλεγχο συνάφειας που έχουμε αναπτύξει ειδικά για την ελληνική δημόσια συζήτηση, ώστε στην εικόνα να μπαίνει μόνο ό,τι αφορά πραγματικά το υποκείμενο και το κοινό του. Καθαρά δεδομένα σημαίνει καθαρή εικόνα.
Κάθε κείμενο διαβάζεται όπως θα το διάβαζε ένας προσεκτικός αναγνώστης: θετικό ή αρνητικό πρόσημο, οκτώ βασικά συναισθήματα, ειρωνεία και υπονοούμενα, κυρίαρχα αφηγήματα και πλαισίωση, ποιες φωνές οδηγούν και με πόση εμβέλεια, πώς κινείται η ένταση στον χρόνο, και πώς συγκρίνεται όλο αυτό με τον ανταγωνισμό. Τα εργαλεία που έχουμε αναπτύξει κάνουν την ανάγνωση σε κλίμακα που κανένας άνθρωπος δεν φτάνει — την ερμηνεία την κάνουμε εμείς.
Το αποτέλεσμα δεν είναι ένας πίνακας με νούμερα — είναι μια αφήγηση σε δώδεκα οθόνες, όπου κάθε οθόνη απαντά σε ένα ερώτημα με απλή γλώσσα. Τη διαβάζει το ίδιο καλά ένας CEO, ένας υπεύθυνος επικοινωνίας ή ένα επιτελείο στρατηγικής — από τα δεδομένα κατευθείαν στην απόφαση.
Ποια συναισθήματα κυριαρχούν γύρω από το υποκείμενο και σε ποια ένταση — όχι απλώς «θετικό/αρνητικό».
Οι ιστορίες που λέει ο κόσμος, με πραγματικά παραδείγματα από τον ίδιο τον δημόσιο λόγο.
Κανάλια, φωνές και εμβέλεια: πού γεννιέται το θέμα και πού παίρνει διαστάσεις.
Πώς γεννήθηκε, πώς κορυφώθηκε και προς τα πού πάει η συζήτηση.
Μερίδιο φωνής και συναισθηματική θέση απέναντι σε όσους διεκδικούν το ίδιο κοινό.
Πού βρίσκεται το υποκείμενο σήμερα, τι αξίζει να κάνει αύριο, και ποιους δείκτες να παρακολουθεί.
Η ανάλυση τρέχει είτε ως εμβαθυμένη ακτινογραφία μιας στιγμής — μια καμπάνια, μια κρίση, μια κρίσιμη απόφαση — είτε ως μόνιμη παρακολούθηση, ώστε η αλλαγή στο κλίμα να εντοπίζεται τη στιγμή που ξεκινάει, όχι όταν γίνει πρωτοσέλιδο.
Δεν μετράμε ό,τι είναι εύκολο να μετρηθεί — μετράμε ό,τι η επιστήμη έχει δείξει ότι κινεί τη συμπεριφορά.
Το περιεχόμενο που προκαλεί έντονα συναισθήματα διαδίδεται συστηματικά περισσότερο (Berger & Milkman, 2012), και οι λέξεις με ηθικό-συναισθηματικό φορτίο αυξάνουν μετρήσιμα την εξάπλωση ενός μηνύματος (Brady et al., 2017). Γι' αυτό ο συναισθηματικός χάρτης προβλέπει τη δυναμική μιας συζήτησης, όχι μόνο την κατάστασή της.
Η ανάλυσή μας διακρίνει οκτώ βασικά συναισθήματα, στη γραμμή της έρευνας του Ekman (1992), γιατί ο θυμός, ο φόβος και η απογοήτευση δεν είναι το ίδιο «αρνητικό»: ο θυμός κινητοποιεί και κλιμακώνει, η ανησυχία κάνει τον κόσμο να ψάχνει πληροφορία και να αναθεωρεί (Marcus, Neuman & MacKuen, 2000 · Valentino et al., 2011), και οι διαφορετικές μορφές αρνητικού συναισθήματος απέναντι σε ένα brand απαιτούν διαφορετική απάντηση η καθεμία (Romani, Grappi & Dalli, 2012 · Zarantonello et al., 2016). Όταν ξέρεις ποιο συναίσθημα κυριαρχεί, ξέρεις τι έρχεται — και τι να κάνεις.
Το για ποια θέματα μιλάει ο κόσμος καθορίζει τι θεωρεί σημαντικό (McCombs & Shaw, 1972), και το πώς πλαισιώνεται ένα θέμα καθορίζει πώς θα κριθεί (Entman, 1993). Γι' αυτό η αναφορά δεν μετράει μόνο τον όγκο — εντοπίζει τα αφηγήματα και τα κάδρα μέσα στα οποία κρίνεται το υποκείμενο.
Η δημόσια συζήτηση έχει τη δική της δομή: λίγες φωνές παράγουν μεγάλο μέρος του όγκου, και όσοι μιλούν δημόσια έχουν τα δικά τους χαρακτηριστικά (Pew, 2019 · Barberá & Rivero, 2015 · Mellon & Prosser, 2017). Η μέθοδος το αξιοποιεί: διακρίνει τις φωνές που διαμορφώνουν το κλίμα από τον απλό θόρυβο, και δείχνει πού πρέπει να εστιάσεις για να αλλάξει η εικόνα.
Κάθε αριθμός στην αναφορά αντιστοιχεί σε πραγματικές δημόσιες δημοσιεύσεις που μπορείς να δεις με τα μάτια σου. Τα κυρίαρχα αφηγήματα συνοδεύονται από αυτούσια παραδείγματα, οι μετρήσεις από τον όγκο και τις πηγές τους, και η διαδρομή από το δεδομένο μέχρι το συμπέρασμα μένει ανοιχτή σε έλεγχο — από την πρώτη ανάρτηση μέχρι την τελευταία οθόνη.
Η αξιοπιστία χτίζεται σε στρώσεις. Τα συστήματα τεχνητής νοημοσύνης που έχουμε αναπτύξει αναλαμβάνουν τη συλλογή και την αυτοματοποίησή της, ώστε κανένα σημαντικό κομμάτι της συζήτησης να μη χάνεται, και ένας ντετερμινιστικός πυρήνας μετράει τα μεγέθη με τον ίδιο τρόπο κάθε φορά — ίδια δεδομένα, ίδιο αποτέλεσμα, επαληθεύσιμα. Η ερμηνεία όμως είναι ανθρώπινη: την κάνει η ομάδα μας, με βάση τα στοιχεία και τη βιβλιογραφία — γιατί ένα εύρημα αποκτά αξία μόνο όταν κάποιος που καταλαβαίνει την αγορά, τον δημόσιο βίο και το συγκείμενο το μετατρέψει σε συμπέρασμα και κατεύθυνση. Και πάνω από όλα, δείγματα της αυτόματης ταξινόμησης ελέγχονται από ανθρώπινο μάτι, ώστε η ακρίβεια να μετριέται και η ίδια, όχι να θεωρείται δεδομένη.
Τα συστήματά μας βασίζονται σε ελεύθερα λογισμικά και ανοιχτά πρότυπα. Αυτό σημαίνει διαφάνεια στο πώς δουλεύει η τεχνολογία, ανεξαρτησία από κλειστές πλατφόρμες, και πλήρη κυριότητα της μεθόδου από εμάς — και των ευρημάτων από τον πελάτη.
Σχεδιάζουμε και για το περιβάλλον: η αρχιτεκτονική μας είναι ελαφριά, με στοχευμένη χρήση υπολογιστικής ισχύος εκεί που προσθέτει αξία, και αναπτύσσουμε τοπικά συστήματα τεχνητής νοημοσύνης που μειώνουν το ενεργειακό αποτύπωμα της ανάλυσης. Μικρό αποτύπωμα, καθαρή εικόνα — και στο περιβάλλον.
Η έρευνα διεθνώς κατευθύνεται σε μικτά μοντέλα: ο δημόσιος ψηφιακός λόγος και η άμεση μέτρηση της γνώμης δουλεύουν μαζί και διασταυρώνονται (Japec et al., 2015 · Schober et al., 2016). Εκεί πηγαίνουμε κι εμείς: προετοιμάζουμε ένα μόνιμο πάνελ έρευνας — μια σταθερή κοινότητα πολιτών που θα απαντά σε σύντομες, στοχευμένες έρευνες — ώστε το τι λέγεται δημόσια να διασταυρώνεται με το τι πιστεύουν πραγματικοί άνθρωποι.
Ο πελάτης βλέπει και τις δύο όψεις της ίδιας πραγματικότητας από μία πηγή — αυτό που η παραδοσιακή έρευνα μόνη της δεν μπόρεσε ποτέ να δώσει.
AAPOR (2021). Task Force Report on 2020 Pre-Election Polling.
Baker, R. et al. (2013). AAPOR Task Force on Non-probability Sampling. J. of Survey Statistics and Methodology.
Barberá, P. & Rivero, G. (2015). Understanding the Political Representativeness of Twitter Users. Social Science Computer Review.
Berger, J. & Milkman, K. (2012). What Makes Online Content Viral? Journal of Marketing Research.
Brady, W. et al. (2017). Emotion Shapes the Diffusion of Moralized Content in Social Networks. PNAS.
Chevalier, J. & Mayzlin, D. (2006). The Effect of Word of Mouth on Sales. Journal of Marketing Research.
Couper, M. (2013). Is the Sky Falling? New Technology, Changing Media, and the Future of Surveys. Survey Research Methods.
Ekman, P. (1992). An Argument for Basic Emotions. Cognition & Emotion.
Entman, R. (1993). Framing: Toward Clarification of a Fractured Paradigm. Journal of Communication.
Grimmer, J. & Stewart, B. (2013). Text as Data. Political Analysis.
Groves, R. (2011). Three Eras of Survey Research. Public Opinion Quarterly.
Japec, L. et al. (2015). Big Data in Survey Research: AAPOR Task Force Report. Public Opinion Quarterly.
Krumpal, I. (2013). Determinants of Social Desirability Bias in Sensitive Surveys. Quality & Quantity.
Marcus, G., Neuman, W.R. & MacKuen, M. (2000). Affective Intelligence and Political Judgment. Univ. of Chicago Press.
McCombs, M. & Shaw, D. (1972). The Agenda-Setting Function of Mass Media. Public Opinion Quarterly.
Mellon, J. & Prosser, C. (2017). Twitter and Facebook Are Not Representative of the General Population. Research & Politics.
Mercer, A. et al. (2017). Theory and Practice in Nonprobability Surveys. Public Opinion Quarterly.
Noelle-Neumann, E. (1974). The Spiral of Silence. Journal of Communication.
Pew Research Center (2017). What Low Response Rates Mean for Telephone Surveys.
Pew Research Center (2019). Sizing Up Twitter Users.
Romani, S., Grappi, S. & Dalli, D. (2012). Emotions That Drive Consumers Away from Brands. IJRM.
Salganik, M. (2018). Bit by Bit: Social Research in the Digital Age. Princeton Univ. Press.
Schober, M. et al. (2016). Social Media Analyses for Social Measurement. Public Opinion Quarterly.
Valentino, N. et al. (2011). Election Night's Alright for Fighting. Journal of Politics.
Zarantonello, L. et al. (2016). Brand Hate. Journal of Product & Brand Management.