Caso de Éxito: Anticipación Electoral con Listening

En agosto de 2023, mientras las encuestas predecían un empate técnico entre candidatos tradicionales — y algunas incluso proyectaban resultados opuestos al final —, en SciData estábamos viendo algo diferente. Nuestro sistema de Social Media Listening con IA llevaba meses procesando conversaciones digitales y las señales eran claras: Javier Milei iba a ganar las PASO.

No fue intuición. Fue evidencia empírica extraída de millones de interacciones espontáneas en redes sociales, foros y medios digitales. Este es el relato de cómo lo hicimos, por qué funcionó y qué demuestra sobre el poder predictivo del Social Listening.

El problema con las encuestas en 2023

No fue la primera vez que las encuestas fallaron en Argentina, pero en 2023 el margen de error fue histórico. Las metodologías tradicionales enfrentan limitaciones estructurales que se agudizaron en este ciclo electoral.

La tasa de respuesta a encuestas telefónicas viene cayendo sistemáticamente — cada vez menos personas contestan llamados de números desconocidos. El sesgo de deseabilidad social distorsiona las respuestas: los encuestados tienden a decir lo que creen que deben decir, no lo que realmente piensan. La dificultad para alcanzar votantes jóvenes y del sector informal — que no están en los paneles tradicionales — genera puntos ciegos en las muestras. Y las dinámicas territoriales emergentes no se capturan con encuestas diseñadas semanas antes.

El resultado fue un gap entre lo que las encuestas decían y lo que la conversación digital mostraba. En SciData decidimos escuchar la conversación.

Qué hicimos diferente

Aplicamos nuestro sistema de Social Media Listening con análisis semántico calibrado para español argentino y clasificación automática de sentimiento. Durante meses monitoreamos cuatro dimensiones simultáneas.

Volumen de conversación. No solo cuántas veces se mencionaba cada candidato, sino cómo evolucionaba ese volumen en el tiempo. Un candidato puede tener muchas menciones porque lo critican o porque lo apoyan — el volumen solo no alcanza.

Sentimiento y asociaciones emocionales. Clasificamos las menciones por análisis de sentimiento con IA para distinguir apoyo genuino de mención neutral o crítica. Además, mapeamos los conceptos asociados a cada candidato: cambio, hartazgo, esperanza, rechazo, continuidad.

Distribución geográfica. Cruzamos la conversación digital con datos territoriales para identificar dónde se estaban concentrando las olas de apoyo. Esta capa no existe en las encuestas nacionales estándar.

Velocidad de crecimiento. No es lo mismo un candidato con menciones estables que uno cuya conversación crece exponencialmente semana a semana. La aceleración es una señal predictiva más potente que el volumen absoluto.

Lo hicimos sin preguntar. Sin encuestas. Escuchando lo que las personas ya estaban diciendo espontáneamente en sus entornos digitales.

Lo que vimos y que otros no vieron

A medida que se acercaban las PASO, tres señales convergieron.

La primera fue que Milei no solo era el candidato más mencionado — era el que tenía la mayor proporción de sentimiento positivo creciente. Otros candidatos tenían alto volumen pero con sentimiento mixto o decreciente. La combinación de volumen alto + sentimiento positivo en alza es la señal más robusta que ofrece el Social Listening.

La segunda fue la detección de olas territoriales no capturadas por encuestas. En provincias como Córdoba, Mendoza y Salta identificamos un crecimiento acelerado de comunidades digitales activamente difundiendo propuestas y respondiendo críticas. Esa intensidad organizativa no la vimos con la misma escala en otros espacios políticos.

La tercera fue el perfil demográfico de la conversación. El apoyo digital se concentraba en segmentos que las encuestas tradicionales subestiman: jóvenes, trabajadores informales, votantes que no responden encuestas telefónicas. Exactamente los grupos donde las encuestas tienen mayor punto ciego.

Mientras los medios hablaban de empate técnico, nuestros dashboards mostraban otra cosa. Y lo documentamos antes del 13 de agosto.

Qué pasó el 13 de agosto

Milei fue el candidato más votado en las PASO a nivel nacional. El resultado sorprendió a encuestadoras, analistas y medios. A nosotros no nos sorprendió — teníamos evidencia empírica, análisis de sentimiento y patrones de conversación que lo respaldaban desde semanas antes.

Ese día confirmamos algo que ya sabíamos en teoría pero pudimos demostrar en la práctica: el Social Listening, cuando se opera con rigor metodológico, captura dinámicas de opinión que los métodos tradicionales no alcanzan.

Por qué funcionó

Cuatro factores explican por qué el Social Listening capturó lo que las encuestas no pudieron.

Primero, porque no hicimos preguntas dirigidas. Las encuestas pre-formatean las respuestas con opciones cerradas. El Social Listening captura la conversación tal como ocurre — sin sesgo de formulación, sin deseabilidad social, sin filtro.

Segundo, porque no dependimos de muestras pequeñas. Mientras una encuesta trabaja con 1.000-2.000 casos, nuestro sistema procesó millones de interacciones. El volumen no garantiza calidad por sí solo, pero combinado con NLP y análisis de sentimiento ofrece una radiografía de alta resolución.

Tercero, porque entendimos el lenguaje local. El análisis de sentimiento en español tiene desafíos específicos — sarcasmo, ironía, modismos regionales. Nuestro sistema está calibrado para el español argentino, lo que reduce los falsos positivos que un modelo genérico produciría.

Cuarto, porque cruzamos emociones con volumen, velocidad y geolocalización. Ninguna variable sola da la respuesta — la convergencia de señales es lo que produce capacidad predictiva.

Qué demuestra este caso para el mundo corporativo

La predicción electoral fue una aplicación que hizo visible la capacidad del sistema. Pero la lógica predictiva del Social Listening aplica a cualquier escenario donde importa entender el pulso real de la conversación social.

Para empresas B2B, las mismas capacidades que anticiparon un resultado electoral sirven para detectar crisis de reputación antes de que escalen — la señal es la misma: cambio abrupto de sentimiento + aceleración de volumen + entrada de actores influyentes. Sirven para identificar oportunidades comerciales que los competidores no están viendo — un gap de sentiment negativo en la conversación sobre un competidor es una ventana que tu equipo de ventas necesita conocer. Y sirven para validar si una campaña, un lanzamiento o un reposicionamiento está conectando emocionalmente con el mercado o no.

Si querés entender cómo se monta la infraestructura completa para este tipo de inteligencia, el checklist de implementación de Social Media Listening cubre cada etapa del proceso.

Escuchar vale más que preguntar

Anticipar un resultado electoral sin encuestas no fue magia. Fue tecnología, método y sensibilidad para interpretar la conversación social en su contexto cultural. Lo que demostramos en 2023 es que se puede anticipar lo inesperado si se escucha con las herramientas correctas.

Si necesitás implementar inteligencia predictiva basada en conversación social para tu empresa o institución, hablemos. En SciData operamos sistemas de Social Media Listening con IA calibrados para el mercado argentino y latinoamericano.