En los últimos años, muchos estudios han utilizado datos de redes sociales para hacer estimaciones de resultados electorales y opinión pública. Este artículo informa sobre los hallazgos de un meta-análisis que examina el poder predictivo de los datos de redes sociales al centrarse en varias fuentes de datos y diferentes métodos de predicción; es decir, (1) análisis de sentimientos, y (2) análisis de características estructurales. Nuestros resultados, basados en los datos de 74 estudios publicados, muestran una variación significativa en la precisión de las predicciones, que en promedio estaban por detrás de los puntos de referencia establecidos en la investigación de encuestas tradicionales. En términos de los enfoques utilizados, el estudio muestra que las estimaciones basadas en aprendizaje automático son generalmente superiores a las derivadas de léxicos preexistentes, y que una combinación de características estructurales y análisis de sentimientos proporciona las predicciones más precisas. Además, nuestro estudio muestra algunas diferencias en el poder predictivo de los datos de redes sociales a través de diferentes niveles de democracia política y diferentes sistemas electorales. También señalamos que, dado que la precisión de las previsiones electorales y de opinión pública varía dependiendo de qué estimaciones estadísticas se utilicen, la comunidad científica debería aspirar a adoptar un enfoque más estandarizado para analizar e informar sobre las predicciones derivadas de datos de redes sociales en el futuro.