زهران ممدانی، سیاستمدار ۳۴ ساله نیویورکی، با بهره‌گیری از داده، الگوریتم و روایت‌های بومی شبکه‌های اجتماعی توانست کمپین خود را به جنبشی مردمی تبدیل کند.
او با تولید ویدئوهای کوتاه، آزمون‌های A/B و استفاده از قابلیت «جمعیت‌های مشابه» در پلتفرم‌هایی چون تیک‌تاک، جوانان را به پای صندوق‌های رأی کشاند. مامدانی ۷۸ درصد از رأی‌دهندگان ۱۸ تا ۲۹ ساله را جذب کرد و در مناطق کلیدی اختلاف آرا را به نفع خود تغییر داد.
هر تعامل در فضای مجازی به داده‌ای برای اصلاح پیام و افزایش مشارکت بدل شد. این تجربه نشان داد که آینده سیاست در تسلط بر محتوا، داده و الگوریتم‌های تعامل نهفته است.
✍️ نویسنده: جو پرونلو (Joe Perello)
📅 تاریخ انتشار: ۲۰۲۵
📄 منبع: Props – تحلیل دیجیتال سیاست و بازاریابی
شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا) || نیویورک سیتی در انتخابات اخیر خود شاهد تغییری تاریخی بود؛ تغییری که نه در خیابان‌ها بلکه در شبکه‌های اجتماعی رقم خورد. زهران ممدانی، سیاستمدار ۳۴ ساله، با استفاده از استراتژی داده‌محور و محتوای هوشمندانه، توانست از فضای مجازی پلی به صندوق‌های رأی بزند و جوان‌ترین نسل رأی‌دهندگان را بسیج کند.
بر اساس داده‌های رسمی، ممدانی ۷۸٪ از رأی‌دهندگان ۱۸ تا ۲۹ ساله را جذب کرد و در مناطقی چون کینگزبریج و براونزویل اختلاف آرا را تا بیش از ۵۰ درصد تغییر داد. این پیروزی تنها حاصل شعارهای سیاسی نبود، بلکه نتیجه مهندسی دقیق ارتباطات و الگوریتم بود.
مهندسی پیروزی با زبان تیک‌تاک
ممدانی درک کرد که سیاست امروز در پلتفرم‌هایی مانند TikTok، Instagram و X شکل می‌گیرد. تیم دیجیتال او از اواخر ۲۰۲۴ تا روز انتخابات، ده‌ها ویدئوی کوتاه و پویای سازگار با ترندها تولید کرد. هر کلیپ، آزمایشی برای سنجش واکنش مخاطب بود — A/B Testing به معنای واقعی کلمه.
در یکی از آزمایش‌ها، مقایسه میان یک آپارتمان با اجاره ثابت و میمی از اجاره‌های نجومی، بازخوردی بی‌سابقه گرفت. الگوریتم‌ها مسیر را روشن کردند: روایت‌های محلی، چهره‌های واقعی و ریتم بومی هر پلتفرم، پیام را قابل لمس می‌کردند.
داده، موتور محرک کمپین
تیم ممدانی از شبکه‌های اجتماعی نه فقط برای توزیع محتوا، بلکه به‌عنوان موتور تحلیل داده و شناخت مخاطب بهره برد. با استفاده از قابلیت «جمعیت‌های مشابه» (Lookalike Audiences)، مخاطبانی که رفتار مشابه با حامیان اصلی داشتند شناسایی و هدف‌گذاری شدند.
نتیجه، دامنه‌ای غیرمنتظره از رأی‌دهندگان بود: ۵۴٪ از رأی‌دهندگان غیرسفیدپوست، ۵۱٪ از افراد با درآمد بالای ۲۰۰ هزار دلار، ۵۰٪ از زنان، ۶۱٪ از رأی‌دهندگان آسیایی و ۵۴٪ از رأی‌دهندگان سیاه‌پوست به ممدانی رأی دادند.
الگوریتم‌های تعامل و چرخه یادگیری
هر تعامل، داده‌ای تازه برای یادگیری بود. لایک‌ها، نظرها و «دوئت‌ها» به حلقه‌ای از بازخورد و اصلاح مداوم تبدیل شدند. محله‌هایی چون بوشویک، ویلیامزبورگ و کرونا شاهد افزایش چشمگیر حضور رأی‌دهندگان جوان بودند؛ زیرا محتواها با دغدغه‌های واقعی آنان هم‌صدا بود.
در نهایت، تعامل دیجیتال به مشارکت فیزیکی بدل شد — کمپینی که از صفحه نمایش آغاز و به خیابان ختم شد.
درس‌هایی برای بازاریابان و فعالان ارتباطات
پیروزی ممدانی نشان داد که قواعد بازی سیاسی و ارتباطی دگرگون شده است. موفقیت دیگر به بودجه یا حمایت حزبی وابسته نیست، بلکه به درک عمیق از داده، محتوا و الگوریتم‌های تعامل نیاز دارد.
در دنیای امروز، سیاستمدار همان بازاریاب است و رأی‌دهنده همان مصرف‌کننده. هر تعامل، داده‌ای است که می‌تواند به رفتار واقعی تبدیل شود.
برای بازاریابان، پیام روشن است: آزمون‌پذیری، چابکی، و روایت‌سازی بومی سه رکن اصلی موفقیت در عصر شبکه‌های اجتماعی‌اند.
با کلیک روی لینک زیر به کانال تلگرام ما بپیوندید:
برای اطلاعات بیشتر درباره روابط عمومی و اخبار سازمان‌های مختلف، می‌توانید به وبسایت شارا مراجعه کنید.
انتهای پیام/