This page contains a Flash digital edition of a book.
[


GLOSARIO DE TERMINOLOGÍA TUITERA PARA SOBREVIVIR EN ELECCIONES Aunado a esto, se tiene que estas mismas per-


SEGÚN UN ESTUDIO REALIZADO POR MENTE DIGITAL,


EN MÉXICO EXISTEN:


millones 4


de cuentas en Twitter


millones 2.8


permanecen activas


DE ESA


GENERALIDAD DE USUARIOS


66 56


60% 95% 31.6% 49.3%


tienen


entre 18 y 30 años


habita


zonas urbanas


tiene estudios


universitarios


socioeconó- mico ABC*


sonas desconfían de las instituciones políticas. Únicamente el 2.8 por ciento de los usuarios confía mucho en la Presidencia de la República, y sólo un 0.8 por ciento en los partidos en general. El poder legislativo tampoco goza de la pre-


ferencia general. De hecho, sólo el 0.8 por ciento confía en los senadores y el 0.5 por ciento en los diputados. Difícil entonces hacerle llegar mensajes a un público tan desencantado de las instituciones.


EN LA BOCA DEL LOBO Por si hicieran falta más obstáculos, sabemos que Twitter es una Red inestable y dinámica con la ca- pacidad de destruir una estrategia perfectamente bien armada sólo por un “error de dedo”, una decla- ración desafortunada, una fotografía inadecuada e incluso un rumor. Ante este panorama, es impor- tante conocer ciertas terminologías y personajes que pueden afectarla. Saber cómo funcionan sirve para que esta Red sea más aliada que enemiga. Las herramientas que más importan en este caso son los Trending Topic, los Trolls y los Bots.


Según la misma red Twit- ter, los TT son generados por un algoritmo, el cual identifica un tema o pa- labra que se transmite de


manera acelerada. En general, el


uso del símbolo hashtag(#) precediendo alguna frase, la convierte en un código que puede repetirse y transmitirse en la Red y, de esta


manera, ser un tema de moda aunque su utiliza- ción no es indispensable. Los TT pueden ser producto de la creatividad y


genuino interés de los usuarios o formar parte de una estrategia planeada con anterioridad. Ya que se logró que un tópico se convierta en un tema de moda, los participantes y sus comentarios pueden dividirse en dos bandos: los que lo apoyan y los que están en contra. Gracias a ellos es como se crea una discusión en tiempo real. En México se vive un periodo de elecciones presi-


denciales. Por eso, la política forma parte importante de la conversación cotidiana. Así, han existido casos en que los TT alientan o descalifican a los candidatos a la presidencia y generalmente surgen de acuerdo con la coyuntura que se desarrolle en ese momento. Cada uno de los episodios atraen la atención tan-


tiene nivel


to dentro como fuera de Twitter lo que puede reper- cutir en un aumento de seguidores como consecuen- cia de la atención mediática que se le da al suceso. Ahora bien, hay que tener mucho cuidado


cuando se intenta crear un TT de apoyo, porque puede tener consecuencias contrarias. Por ejemplo para Enrique Peña Nieto, candidato del Partido Re- volucionario Institucional, se desarrolló el TT #Pe-


Abril - Mayo 2012


ñaypormucho, cuya idea principal consistía en enaltecer sus virtudes. Si bien muchos de quie- nes lo apoyan participaron en esa conversación como se esperaba, los detractores la tomaron como un método para exaltar sus errores. La disputa entre ambos hizo que el tema fuera uno de los más famosos en Twitter durante ese día, no sólo en México sino en el ámbito mundial. En febrero, el tema #ectivismo fue también


muy popular en el mundo. Éste hacía alusión a los grupos de personas que apoyan a este mis- mo candidato. De nuevo, lo que inició como una campaña positiva más tarde fue presa de críticas enfocadas en que supuestamente esta estrategia no era 100 por ciento ciudadana. De la misma forma, puede suceder que a


partir de un mismo tema surjan TT antagóni- cos. Por ejemplo, durante el mes de febrero, la candidata del Partido Acción Nacional, Josefi- na Vázquez Mota, fue criticada con #cuandola- Motanocrece que apareció como una reacción ante los comentarios del presidente Felipe Cal- derón, quien la colocaba en las encuestas muy cerca del puntero. Días después, apareció un nuevo tema de


apoyo. La red se inundó con la frase #Josefina- siguesubiendo, la cual se refería también a una encuesta, esta vez de la empresa GEA ISA en don- de se ubicó a Vázquez Mota a sólo 7 puntos del primer lugar. De esta manera, los tuiteros le die- ron usos contrarios a informaciones similares. Por último, los TT también pueden surgir


como consecuencia de una declaración he- cha fuera de las redes sociales. Por ejemplo, el candidato de las “izquierdas” Andrés Manuel López Obrador contribuyó con su #República- Amorosa, código que nació cuando el político mencionó que ése sería el futuro del país en caso de convertirse en presidente. Los usuarios hicieron suya esa frase y crearon frases relacio- nadas con ese futuro. Más recientemente, “Dice AMLO” se convir-


tió en TT mundial, debido a una grabación en donde aseguraba que, de perder la elección, se iría muy lejos. La peculiaridad de este caso fue el uso de una palabra altisonante, la cual, incre- mentó la difusión de la declaración. Ejemplos como éstos, obligan a que los es-


trategas estén muy atentos para poder reac- cionar a tiempo y moderar la discusión a favor de su candidato. Pero en realidad ¿qué estratega tiene el po-


der, por sí solo, de controlar y agregar temas nuevos? ¿De enviar miles de tweets en pocos minutos para conseguir un TT? Desgraciada- mente ninguno, a menos que se apoye con cier- tos ayudantes reales o ficticios que dirijan las tendencias: los bots y los trolls.


[


Page 1  |  Page 2  |  Page 3  |  Page 4  |  Page 5  |  Page 6  |  Page 7  |  Page 8  |  Page 9  |  Page 10  |  Page 11  |  Page 12  |  Page 13  |  Page 14  |  Page 15  |  Page 16  |  Page 17  |  Page 18  |  Page 19  |  Page 20  |  Page 21  |  Page 22  |  Page 23  |  Page 24  |  Page 25  |  Page 26  |  Page 27  |  Page 28  |  Page 29  |  Page 30  |  Page 31  |  Page 32  |  Page 33  |  Page 34  |  Page 35  |  Page 36  |  Page 37  |  Page 38  |  Page 39  |  Page 40  |  Page 41  |  Page 42  |  Page 43  |  Page 44  |  Page 45  |  Page 46  |  Page 47  |  Page 48  |  Page 49  |  Page 50  |  Page 51  |  Page 52  |  Page 53  |  Page 54  |  Page 55  |  Page 56  |  Page 57  |  Page 58  |  Page 59  |  Page 60  |  Page 61  |  Page 62  |  Page 63