TED Salon Brightline Initiative
Dao Nguyen: What makes something go viral?
Dao Nguyen: Qu'est-ce qui rend un contenu internet viral ?
Filmed:
Readability: 3.6
1,432,741 views
Quel est le secret pour fabriquer un contenu internet que les gens aimeront ? Rejoignez l'éditeur de BuzzFeed, Dao Nguyen, pour un aperçu de la façon dont son équipe crée des quiz, listes et vidéos si tentants ; et apprenez comment ils ont développé un système pour comprendre comment les gens utilisent les contenus internet pour se connecter entre eux et créer une culture commune.
Dao Nguyen - Media analytics expert
As Publisher of BuzzFeed, Dao Nguyen thinks about how media spreads online and the technology and data that publishers can use to understand why. Full bio
As Publisher of BuzzFeed, Dao Nguyen thinks about how media spreads online and the technology and data that publishers can use to understand why. Full bio
Double-click the English transcript below to play the video.
00:12
Last year, some BuzzFeed
employees were scheming
employees were scheming
0
841
3569
L'année dernière, quelques employés
de BuzzFeed prévoyaient
de BuzzFeed prévoyaient
de faire une blague
à leur patron, Ze Frank
à leur patron, Ze Frank
00:16
to prank their boss, Ze Frank,
1
4434
2330
pour son anniversaire.
00:19
on his birthday.
2
7415
1242
00:21
They decided to put a family
of baby goats in his office.
of baby goats in his office.
3
9319
4204
Ils ont décidé de mettre une famille
de chevreaux dans son bureau.
de chevreaux dans son bureau.
(Rires)
00:25
(Laughter)
4
13547
1405
BuzzFeed venait de signer
pour l'expérience Facebook Live,
pour l'expérience Facebook Live,
00:26
Now, BuzzFeed had recently signed on
to the Facebook Live experiment,
to the Facebook Live experiment,
5
14976
4421
alors naturellement nous avons décidé
00:31
and so naturally,
6
19421
1371
00:32
we decided to livestream
the whole event on the internet
the whole event on the internet
7
20816
3882
de diffuser en direct
l'ensemble de l'événement sur internet
l'ensemble de l'événement sur internet
pour capturer le moment où Ze entrerait
et découvrirait le bétail dans son bureau.
et découvrirait le bétail dans son bureau.
00:36
to capture the moment
when Ze would walk in
when Ze would walk in
8
24722
3300
00:40
and discover livestock in his office.
9
28046
2962
Nous pensions que le tout durerait
peut-être 10 minutes
peut-être 10 minutes
00:44
We thought the whole thing
would last maybe 10 minutes,
would last maybe 10 minutes,
10
32019
3164
et que quelques centaines
d'employés Buzzfeed
d'employés Buzzfeed
00:47
and a few hundred company employees
would log in for the inside joke.
would log in for the inside joke.
11
35207
4524
se connecteraient pour la farce.
00:52
But what happened?
12
40132
1263
Mais que s'est-il passé ?
Ze était continuellement retardé :
00:53
They kept on getting delayed:
13
41977
1718
00:55
he went to get a drink,
14
43719
1486
il est allé prendre un verre,
il a été appelé à une réunion,
00:57
he was called to a meeting,
15
45229
1448
la réunion a duré longtemps,
00:58
the meeting ran long,
16
46701
1743
il est allé aux toilettes.
01:00
he went to the bathroom.
17
48468
1165
01:01
More and more people
started logging in to watch the goats.
started logging in to watch the goats.
18
49657
4220
De plus en plus de gens ont commencé
à se connecter pour regarder les chèvres.
à se connecter pour regarder les chèvres.
01:06
By the time Ze walked in
more than 30 minutes later,
more than 30 minutes later,
19
54493
4013
Au moment où Ze est entré
plus de 30 minutes plus tard,
plus de 30 minutes plus tard,
01:10
90,000 viewers were watching
the livestream.
the livestream.
20
58530
5106
90 000 téléspectateurs
regardaient le livestream.
regardaient le livestream.
01:16
Now, our team had a lot
of discussion about this video
of discussion about this video
21
64601
3957
Notre équipe a eu beaucoup
de discussions à propos de cette vidéo
de discussions à propos de cette vidéo
et pourquoi c'était si réussi.
01:20
and why it was so successful.
22
68582
1976
Ce n'était pas la plus grosse vidéo
en direct que nous avions faite à ce jour.
en direct que nous avions faite à ce jour.
01:22
It wasn't the biggest live video
that we had done to date.
that we had done to date.
23
70582
2876
01:25
The biggest one that we had done
involved a fountain of cheese.
involved a fountain of cheese.
24
73482
3642
La plus grosse
concernait une fontaine de fromage.
concernait une fontaine de fromage.
01:30
But it performed so much better
than we had expected.
than we had expected.
25
78063
3825
Mais ça avait marché tellement mieux
que ce que nous avions prévu.
que ce que nous avions prévu.
Qu'y avait-il à propos des chèvres au
bureau que nous n'avions pas anticipé ?
bureau que nous n'avions pas anticipé ?
01:33
What was it about the goats in the office
that we didn't anticipate?
that we didn't anticipate?
26
81912
4263
01:38
Now, a reasonable person could have
any number of hypotheses.
any number of hypotheses.
27
86781
4058
Une personne raisonnable
aurait plusieurs hypothèses.
aurait plusieurs hypothèses.
01:42
Maybe people love baby animals.
28
90863
2418
Peut-être que les gens aiment
les bébés animaux.
les bébés animaux.
Peut-être qu'ils aiment
les farces au bureau.
les farces au bureau.
01:45
Maybe people love office pranks.
29
93751
1724
01:47
Maybe people love stories
about their bosses
about their bosses
30
95499
2745
Peut-être qu'ils aiment
les histoires de leurs patrons,
les histoires de leurs patrons,
ou les anniversaires surprises.
01:50
or birthday surprises.
31
98268
1533
01:52
But our team wasn't really thinking
about what the video was about.
about what the video was about.
32
100382
3700
Mais notre équipe ne pensait pas vraiment
au sujet de la vidéo.
au sujet de la vidéo.
01:56
We were thinking about
33
104106
1272
Nous pensions plutôt à ce que les gens
qui regardaient la vidéo
qui regardaient la vidéo
01:57
what the people watching the video
were thinking and feeling.
were thinking and feeling.
34
105402
4076
pensaient et ressentaient.
Nous avons lu certains des 82 000
commentaires écrits pendant la vidéo
commentaires écrits pendant la vidéo
02:01
We read some of the 82,000 comments
that were made during the video,
that were made during the video,
35
109502
4783
et nous avons émis l'hypothèse
qu'ils étaient excités
qu'ils étaient excités
02:06
and we hypothesized that they were excited
36
114309
3792
parce qu'ils participaient
à l'anticipation partagée
à l'anticipation partagée
02:10
because they were participating
in the shared anticipation
in the shared anticipation
37
118125
3174
de quelque chose qui allait arriver.
02:13
of something that was about to happen.
38
121323
2730
Juste pour un instant, ils faisaient
partie d'une communauté
partie d'une communauté
02:16
They were part of a community,
just for an instant,
just for an instant,
39
124077
3212
et ça les rendait heureux.
02:19
and it made them happy.
40
127313
1353
02:21
So we decided that we needed
to test this hypothesis.
to test this hypothesis.
41
129102
3344
Nous avons donc décidé
que nous devions tester cette hypothèse.
que nous devions tester cette hypothèse.
Que pourrions-nous faire
pour le tester exactement ?
pour le tester exactement ?
02:24
What could we do to test
this very same thing?
this very same thing?
42
132793
3482
02:28
The following week,
43
136995
1391
La semaine suivante,
02:30
armed with the additional knowledge
that food videos are very popular,
that food videos are very popular,
44
138410
4675
armés du savoir selon lequel les vidéos
alimentaires sont très populaires,
alimentaires sont très populaires,
nous avons habillé deux personnes
dans des combinaisons de protection
dans des combinaisons de protection
02:35
we dressed two people in hazmat suits
45
143109
3571
et enroulé des élastiques autour
d'une pastèque jusqu'à ce qu'elle explose.
d'une pastèque jusqu'à ce qu'elle explose.
02:38
and wrapped rubber bands
around a watermelon until it exploded.
around a watermelon until it exploded.
46
146704
4261
(Rires)
02:42
(Laughter)
47
150989
1581
02:44
Eight hundred thousand people watched
48
152889
3372
800 000 personnes ont regardé
le 690ème élastique faire
exploser la pastèque,
exploser la pastèque,
02:48
the 690th rubber band
explode the watermelon,
explode the watermelon,
49
156285
4031
marquant l'instant comme l'évènement
Facebook live le plus important à ce jour.
Facebook live le plus important à ce jour.
02:52
marking it as the biggest
Facebook Live event to date.
Facebook Live event to date.
50
160340
3453
02:56
The question I get most frequently is:
51
164483
2610
La question que je reçois le plus
fréquemment est :
fréquemment est :
comment rendez-vous quelque chose viral ?
02:59
How do you make something go viral?
52
167117
1833
La question elle-même est mal à propos ;
03:01
The question itself is misplaced;
53
169713
2206
ce n'est pas à propos de la chose.
03:03
it's not about the something.
54
171943
1693
C'est à propos
de ce que les gens qui le vivent,
de ce que les gens qui le vivent,
03:05
It's about what the people
doing the something,
doing the something,
55
173660
3297
qu'ils lisent ou regardent,
03:08
reading or watching --
56
176981
1203
à quoi pensent-ils ?
03:10
what are they thinking?
57
178208
1280
Quand la plupart des entreprises
de communication pensent aux métadonnées,
de communication pensent aux métadonnées,
03:11
Now, most media companies,
when they think about metadata,
when they think about metadata,
58
179841
3346
03:15
they think about subjects or formats.
59
183211
2383
elles pensent à des sujets ou des formats.
C'est à propos de chèvres,
03:18
It's about goats,
60
186412
1150
à propos de farces au bureau,
03:19
it's about office pranks,
61
187586
1776
à propos de nourriture,
03:21
it's about food,
62
189386
1297
c'est une liste, une vidéo ou un quiz,
03:22
it's a list or a video or a quiz,
63
190707
1854
c'est 2 000 mots,
03:24
it's 2,000 words long,
64
192585
1259
ça dure 15 minutes,
03:25
it's 15 minutes long,
65
193868
1153
avec 23 tweets incorporés ou 15 images.
03:27
it has 23 embedded tweets or 15 images.
66
195045
3122
Ce genre de métadonnées
est moyennement intéressant,
est moyennement intéressant,
03:30
Now, that kind of metadata
is mildly interesting,
is mildly interesting,
67
198191
3012
03:33
but it doesn't actually get at
what really matters.
what really matters.
68
201227
2966
mais ça ne touche pas
ce qui compte vraiment.
ce qui compte vraiment.
Et si, au lieu d'étiqueter les sujets
des articles ou des vidéos,
des articles ou des vidéos,
03:36
What if, instead of tagging
what articles or videos are about,
what articles or videos are about,
69
204217
4158
nous demandions :
03:40
what if we asked:
70
208399
1190
03:41
How is it helping our users
do a real job in their lives?
do a real job in their lives?
71
209613
3553
Comment cela aide-t-il nos utilisateurs
à réaliser un vrai travail dans leur vie ?
à réaliser un vrai travail dans leur vie ?
03:46
Last year, we started a project
72
214173
2820
L'année dernière, nous avons
démarré un projet
démarré un projet
pour formellement classer
notre contenu de cette manière.
notre contenu de cette manière.
03:49
to formally categorize
our content in this way.
our content in this way.
73
217017
2932
Nous l'avons appelé
« cartographie culturelle ».
« cartographie culturelle ».
03:51
We called it, "cultural cartography."
74
219973
2747
03:55
It formalized an informal practice
that we've had for a really long time:
that we've had for a really long time:
75
223720
4002
Cela a formalisé une pratique informelle
que nous avions depuis très longtemps :
que nous avions depuis très longtemps :
ne pensez pas qu'au sujet ;
03:59
don't just think about the subject matter;
76
227746
2226
pensez aussi, et en fait,
pensez principalement,
pensez principalement,
04:01
think also about, and in fact,
primarily about,
primarily about,
77
229996
3168
au travail que votre contenu réalise
pour le lecteur ou le spectateur.
pour le lecteur ou le spectateur.
04:05
the job that your content is doing
for the reader or the viewer.
for the reader or the viewer.
78
233188
3739
Laissez-moi vous montrer la carte
que nous avons aujourd'hui.
que nous avons aujourd'hui.
04:09
Let me show you the map
that we have today.
that we have today.
79
237450
2506
04:11
Each bubble is a specific job,
80
239980
2842
Chaque bulle est un travail spécifique,
04:14
and each group of bubbles
in a specific color are related jobs.
in a specific color are related jobs.
81
242846
4770
et chaque groupe de bulles, aux couleurs
spécifiques, sont des tâches liées.
spécifiques, sont des tâches liées.
Premièrement : l'humour.
04:19
First up: humor.
82
247640
1478
« Me fait rire. »
04:21
"Makes me laugh."
83
249918
1161
04:23
There are so many ways
to make somebody laugh.
to make somebody laugh.
84
251103
2788
Il y a tellement de façons
de faire rire quelqu'un.
de faire rire quelqu'un.
Vous pouvez rire de quelqu'un,
04:25
You can be laughing at someone,
85
253915
1517
vous pouvez rire
de blagues spécifiques à internet,
de blagues spécifiques à internet,
04:27
you could laugh
at specific internet humor,
at specific internet humor,
86
255456
2155
vous pourriez vous rire de gentilles
et inoffensives « blagues de papa ».
et inoffensives « blagues de papa ».
04:29
you could be laughing at some good,
clean, inoffensive dad jokes.
clean, inoffensive dad jokes.
87
257635
3392
« C'est moi. » L'identité.
04:33
"This is me." Identity.
88
261706
2300
04:36
People are increasingly using media
to explain, "This is who I am.
to explain, "This is who I am.
89
264030
3808
Les gens utilisent de plus en plus
les médias pour expliquer :
les médias pour expliquer :
« Voilà qui je suis.
Voici mon éducation, voici ma culture,
Voici mon éducation, voici ma culture,
04:39
This is my upbringing, this is my culture,
90
267862
2199
Ceci est mon fandom,
voila mon plaisir coupable,
voila mon plaisir coupable,
04:42
this is my fandom,
this is my guilty pleasure,
this is my guilty pleasure,
91
270085
2338
et voila comment je ris de moi-même. »
04:44
and this is how I laugh about myself."
92
272447
2183
« Ce qui m'aide à me rapprocher
de quelqu'un d'autre »
de quelqu'un d'autre »
04:48
"Helps me connect with another person."
93
276600
1882
C'est l'un des plus beaux
cadeaux d'internet.
cadeaux d'internet.
04:50
This is one of the greatest
gifts of the internet.
gifts of the internet.
94
278506
2411
C'est incroyable quand vous trouvez
un contenu média
un contenu média
04:52
It's amazing when you find
a piece of media
a piece of media
95
280941
2191
04:55
that precisely describes
your bond with someone.
your bond with someone.
96
283156
2532
qui décrit précisément
votre lien avec quelqu'un.
votre lien avec quelqu'un.
Voici l'ensemble qui m'aide
à faire quelque chose,
à faire quelque chose,
04:59
This is the group of jobs
that helps me do something --
that helps me do something --
97
287020
2598
m'aide à clore un débat,
05:01
helps me settle an argument,
98
289642
1377
m'aide à apprendre quelque chose
sur moi-même ou une autre personne,
sur moi-même ou une autre personne,
05:03
helps me learn something
about myself or another person,
about myself or another person,
99
291043
2673
ou m'aide à expliquer mon histoire.
05:05
or helps me explain my story.
100
293740
1856
Voici le groupe qui me fait
ressentir quelque chose,
ressentir quelque chose,
05:07
This is the group of jobs
that makes me feel something --
that makes me feel something --
101
295620
2689
qui me rend curieux ou triste
ou rétablit ma foi en l'humanité.
ou rétablit ma foi en l'humanité.
05:10
makes me curious or sad
or restores my faith in humanity.
or restores my faith in humanity.
102
298333
3157
Beaucoup de sociétés de médias
et de créateurs se mettent eux-mêmes
et de créateurs se mettent eux-mêmes
05:13
Many media companies
and creators do put themselves
and creators do put themselves
103
301514
3719
dans la peau de leur public.
05:17
in their audiences' shoes.
104
305257
1468
05:18
But in the age of social media,
we can go much farther.
we can go much farther.
105
306749
2704
Mais à l'ère des réseaux sociaux,
nous pouvons aller tres loin.
nous pouvons aller tres loin.
Les gens sont connectés les uns
aux autres sur Facebook, sur Twitter
aux autres sur Facebook, sur Twitter
05:22
People are connected to each other
on Facebook, on Twitter,
on Facebook, on Twitter,
106
310056
4062
et ils utilisent de plus en plus
les médias pour avoir une conversation
les médias pour avoir une conversation
05:26
and they're increasingly using media
to have a conversation
to have a conversation
107
314142
4263
et parler les uns aux autres.
05:30
and to talk to each other.
108
318429
1454
Si nous pouvons participer
05:31
If we can be a part of establishing
a deeper connection between two people,
a deeper connection between two people,
109
319907
5836
à l'établissement d'une connexion
plus profonde entre deux personnes,
plus profonde entre deux personnes,
05:37
then we will have done
a real job for these people.
a real job for these people.
110
325767
3189
alors nous aurons fait
un vrai travail pour ces gens.
un vrai travail pour ces gens.
05:41
Let me give you some examples
of how this plays out.
of how this plays out.
111
329394
2589
Laissez-moi vous donner quelques
exemples sur comment se passe
exemples sur comment se passe
05:44
This is one of my favorite lists:
112
332578
1891
Voici une de mes listes préférées :
« 32 memes que vous devriez envoyer
votre sœur immédiatement ».
votre sœur immédiatement ».
05:46
"32 Memes You Should
Send Your Sister Immediately" --
Send Your Sister Immediately" --
113
334493
3303
Immédiatement.
05:49
immediately.
114
337820
1302
05:51
For example, "When you're going
through your sister's stuff,
through your sister's stuff,
115
339583
3104
Par exemple : « quand tu fouilles
dans les affaires de ta sœur,
dans les affaires de ta sœur,
et que tu l'entends monter l'escalier. »
05:54
and you hear her coming up the stairs."
116
342711
1979
Absolument, j'ai fait ça.
05:56
Absolutely, I've done that.
117
344714
1790
« Regarder ta sœur avoir des ennuis
pour quelque chose
pour quelque chose
05:58
"Watching your sister get in trouble
for something that you did
for something that you did
118
346528
3155
que tu as fait
et dont tu l'as accusée ».
et dont tu l'as accusée ».
06:01
and blamed on her."
119
349707
1192
Oui, j'ai aussi fait ça .
06:02
Yes, I've done that as well.
120
350923
1608
Cette liste a eu trois millions de vues.
06:04
This list got three million views.
121
352555
1799
Pourquoi ?
06:06
Why is that?
122
354378
1165
Parce qu'elle remplissait, très bien,
plusieurs fonctions :
plusieurs fonctions :
06:07
Because it did, very well, several jobs:
123
355567
2976
« C'est nous, connexion avec la famille,
me fait rire ».
me fait rire ».
06:10
"This is us."
124
358567
1520
06:12
"Connect with family."
125
360111
1265
Voici quelques-uns des milliers
et des milliers de commentaires
et des milliers de commentaires
06:13
"Makes me laugh."
126
361400
1181
06:14
Here are some of the thousands
and thousands of comments
and thousands of comments
127
362605
3134
que des sœurs se sont envoyées
en utilisant cette liste.
en utilisant cette liste.
06:17
that sisters sent to each other
using this list.
using this list.
128
365763
2849
(Ecrit) Yeliz Hassan : Yesim, c'est nous !
Et récupère tes trucs dans ma chambre !
Et récupère tes trucs dans ma chambre !
06:21
Sometimes we discover
what jobs do after the fact.
what jobs do after the fact.
129
369508
3511
(DN) Parfois, nous découvrons
ce que les travaux font après coup.
ce que les travaux font après coup.
Ce quiz : « Choisissez une tenue et nous
devinerons votre âge et taille exacts »
devinerons votre âge et taille exacts »
06:25
This quiz, "Pick an Outfit and We'll Guess
Your Exact Age and Height,"
Your Exact Age and Height,"
130
373592
5138
est devenue viral : 10 millions de vues.
06:30
went very viral: 10 million views.
131
378754
2063
Dix millions de vues !
06:32
Ten million views.
132
380841
1176
Vraiment, avons-nous réellement
déterminé l'âge et la taille exacts
déterminé l'âge et la taille exacts
06:34
I mean -- did we actually determine
the exact age and height
the exact age and height
133
382041
4526
de 10 millions de personnes ?
06:38
of 10 million people?
134
386591
1584
C'est incroyable !
06:40
That's incredible. It's incredible.
135
388199
2262
En fasit, nous ne l'avons pas fait.
(Rire)
(Rire)
06:42
In fact, we didn't.
136
390485
1244
06:43
(Laughter)
137
391753
1129
06:44
Turns out that this quiz
went extremely viral
went extremely viral
138
392906
4093
Il s'avère que ce quiz
est devenu extrêmement viral
est devenu extrêmement viral
parmi un groupe de femmes
de 55 ans et plus,
de 55 ans et plus,
06:49
among a group of 55-and-up women --
139
397023
3563
(Rires)
06:52
(Laughter)
140
400610
1172
qui étaient surprises et ravies
06:53
who were surprised and delighted
141
401806
3649
que BuzzFeed ait déterminé qu'elles
avaient 28 ans et mesuraient 1,75 m.
avaient 28 ans et mesuraient 1,75 m.
06:57
that BuzzFeed determined
that they were 28 and 5'9".
that they were 28 and 5'9".
142
405479
5718
(Rires)
07:03
(Laughter)
143
411221
1610
07:04
"They put me at 34 years younger
and seven inches taller.
and seven inches taller.
144
412855
3208
« Ils me donnent 34 ans de moins
et 18 cm de plus.
et 18 cm de plus.
Je m'habille pour le confort
et je m'en fous de ce que les gens disent.
et je m'en fous de ce que les gens disent.
07:08
I dress for comfort and do not give
a damn what anyone says.
a damn what anyone says.
145
416087
2948
L'âge est un état d'esprit. »
07:11
Age is a state of mind."
146
419059
1779
Ce quiz a été réussi non pas
parce qu'il était exact,
parce qu'il était exact,
07:12
This quiz was successful
not because it was accurate,
not because it was accurate,
147
420862
3050
mais parce qu'il a permis à ces dames
de faire un travail très important :
de faire un travail très important :
07:15
but because it allowed these ladies
to do a very important job --
to do a very important job --
148
423936
4054
se vanter humblement.
07:20
the humblebrag.
149
428014
1204
07:22
Now, we can even apply
this framework to recipes and food.
this framework to recipes and food.
150
430478
4983
Nous pouvons même appliquer
ce cadre aux recettes et à la nourriture.
ce cadre aux recettes et à la nourriture.
07:27
A recipe's normal job is to tell you
what to make for dinner or for lunch.
what to make for dinner or for lunch.
151
435887
5573
Le travail normal d'une recette
est de vous dire quoi faire
est de vous dire quoi faire
pour le dîner ou pour le déjeuner.
07:34
And this is how you would normally
brainstorm for a recipe:
brainstorm for a recipe:
152
442205
3408
Et voici comment vous devriez normalement
réfléchir à une recette :
réfléchir à une recette :
07:37
you figure out what ingredients
you want to use,
you want to use,
153
445637
2323
vous déterminez
quels ingrédients utiliser,
quels ingrédients utiliser,
07:39
what recipe that makes,
154
447984
1168
quelle recette ça fait,
07:41
and then maybe you slap a job on
at the end to sell it.
at the end to sell it.
155
449176
3245
et alors peut-être que vous claquez
un travail à la fin pour le vendre.
un travail à la fin pour le vendre.
07:44
But what if we flipped it around
and thought about the job first?
and thought about the job first?
156
452445
4367
Mais que se passerait-il si on renversait
le tout et on pensait d'abord au travail ?
le tout et on pensait d'abord au travail ?
07:49
One brainstorming session
involved the job of bonding.
involved the job of bonding.
157
457730
4665
Une session de brainstorming
a impliqué le travail de liaison.
a impliqué le travail de liaison.
07:54
So, could we make a recipe
that brought people together?
that brought people together?
158
462976
4300
Alors, pourrions-nous faire
une recette qui réunisse les gens ?
une recette qui réunisse les gens ?
07:59
This is not a normal brainstorming
process at a food publisher.
process at a food publisher.
159
467300
4421
Ce n'est pas un processus de brainstorming
normal chez un éditeur alimentaire.
normal chez un éditeur alimentaire.
08:05
So we know that people
like to bake together,
like to bake together,
160
473532
2715
Nous savons que les gens
aiment cuisiner ensemble,
aiment cuisiner ensemble,
08:08
and we know that people
like to do challenges together,
like to do challenges together,
161
476271
3285
et nous savons que les gens
aiment faire des défis ensemble,
aiment faire des défis ensemble,
08:11
so we decided to come up with a recipe
that involved those two things,
that involved those two things,
162
479580
4733
nous avons donc décidé de proposer
une recette qui implique ces deux choses,
une recette qui implique ces deux choses,
08:16
and we challenged ourselves:
163
484337
1911
et nous nous sommes mis au défi :
08:18
Could we get people to say,
164
486272
1806
pourrions-nous amener les gens à dire,
08:20
"Hey, BFF, let's see
if we can do this together"?
if we can do this together"?
165
488102
4086
« Hé, BFF, voyons
si nous pouvons le faire ensemble. »
si nous pouvons le faire ensemble. »
08:24
The resulting video was
the "Fudgiest Brownies Ever" video.
the "Fudgiest Brownies Ever" video.
166
492807
3335
La vidéo qui en a résulté était
la vidéo "Fudgiest Brownies Ever"
la vidéo "Fudgiest Brownies Ever"
08:28
It was enormously successful
in every metric possible --
in every metric possible --
167
496166
2924
Elle a eu énormément de succès
dans toutes les mesures possibles,
dans toutes les mesures possibles,
08:31
70 million views.
168
499114
1364
70 millions de vues.
08:32
And people said the exact things
that we were going after:
that we were going after:
169
500935
3700
Et les gens ont dit les choses
exactes que nous recherchions :
exactes que nous recherchions :
08:36
"Hey, Colette, we need to make these,
are you up for a challenge?"
are you up for a challenge?"
170
504659
3100
« Hé, Colette, on doit le faire,
ça te dit ce défi ? »
ça te dit ce défi ? »
08:39
"Game on."
171
507783
1153
« C'est parti ! »
08:40
It did the job that it set out to do,
172
508960
2270
Ça a fait le travail prévu,
08:43
which was to bring people together
over baking and chocolate.
over baking and chocolate.
173
511254
4116
qui était de rassembler les gens
autour de la cuisson et du chocolat.
autour de la cuisson et du chocolat.
08:49
I'm really excited about
the potential for this project.
the potential for this project.
174
517294
3924
Le potentiel de ce projet
m'enthousiasme vraiment.
m'enthousiasme vraiment.
Quand on parle de ce cadre
avec nos créateurs de contenu,
avec nos créateurs de contenu,
08:53
When we talk about this framework
with our content creators,
with our content creators,
175
521242
3142
ils le comprennent instantanément,
quel que soit leur champ d'action,
quel que soit leur champ d'action,
08:56
they instantly get it,
176
524408
1165
08:57
no matter what beat they cover,
what country they’re in,
what country they’re in,
177
525597
2733
le pays où ils se trouvent,
ou la langue qu'ils parlent.
ou la langue qu'ils parlent.
09:00
or what language they speak.
178
528354
1365
09:01
So cultural cartography has helped us
massively scale our workforce training.
massively scale our workforce training.
179
529743
4377
La cartographie culturelle
nous a donc permis d'augmenter massivement
nous a donc permis d'augmenter massivement
la formation de nos employés.
09:06
When we talk about this project
and this framework
and this framework
180
534621
3650
Quand on parle de ce projet
et de son cadre
et de son cadre
avec les annonceurs et les marques,
09:10
with advertisers and brands,
181
538295
1372
09:11
they also instantly get it,
182
539691
1578
ils comprennent instantanément
09:13
because advertisers,
more often than media companies,
more often than media companies,
183
541293
5626
parce que les annonceurs, plus souvent
que les entreprises de médias,
que les entreprises de médias,
09:18
understand how important it is
to understand the job
to understand the job
184
546943
3522
comprennent à quel point il est important
de comprendre le travail
de comprendre le travail
09:22
that their products
are doing for customers.
are doing for customers.
185
550489
2446
que leurs produits font pour les clients.
09:26
But the reason I'm the most excited
about this project
about this project
186
554580
3743
Mais la raison pour laquelle je suis
le plus enthousiaste à propos de ce projet
le plus enthousiaste à propos de ce projet
09:30
is because it changes the relationship
between media and data.
between media and data.
187
558347
3871
est parce qu'il change la relation
entre les médias et les données.
entre les médias et les données.
09:35
Most media companies
think of media as "mine."
think of media as "mine."
188
563051
3434
La plupart des entreprises de médias
pensent aux médias comme « à moi ».
pensent aux médias comme « à moi ».
09:39
How many fans do I have?
189
567547
1207
Combien de fans ai-je ?
09:40
How many followers have I gained?
190
568778
1597
Combien d'abonnés ai-je gagné ?
09:42
How many views have I gotten?
191
570399
1707
Combien de vues ai-je eu ?
09:44
How many unique IDs do I have
in my data warehouse?
in my data warehouse?
192
572130
2777
Combien d'identifiants uniques ai-je
dans mon entrepôt de données ?
dans mon entrepôt de données ?
09:47
But that misses the true value of data,
which is that it's yours.
which is that it's yours.
193
575372
3948
Mais il manque la vraie valeur des données
qui est que ce sont les vôtres.
qui est que ce sont les vôtres.
09:53
If we can capture in data
what really matters to you,
what really matters to you,
194
581166
6098
Si nous pouvons capturer dans les données
ce qui compte vraiment pour vous,
ce qui compte vraiment pour vous,
09:59
and if we can understand more
the role that our work plays
the role that our work plays
195
587288
4488
et si nous pouvons mieux comprendre
le rôle que joue notre travail
le rôle que joue notre travail
10:03
in your actual life,
196
591800
1389
dans votre vie réelle,
10:05
the better content we can create for you,
197
593213
2863
mieux nous créons du contenu pour vous,
10:08
and the better that we can reach you.
198
596100
1857
et mieux nous pouvons vous toucher.
10:10
Who are you?
199
598760
1275
Qui êtes-vous ?
10:13
How did you get there?
200
601293
1580
Comment êtes-vous arrivé là ?
10:14
Where are you going?
201
602897
1209
Où allez-vous ?
De quoi vous souciez-vous ?
10:16
What do you care about?
202
604130
1269
10:17
What can you teach us?
203
605423
1379
Que pouvez-vous nous apprendre ?
10:19
That's cultural cartography.
204
607151
1460
C'est une cartographie culturelle.
10:21
Thank you.
205
609146
1156
Je vous remercie.
10:22
(Applause)
206
610326
3380
(Applaudissements)
Translated by Houzefa Onaly
ABOUT THE SPEAKER
Dao Nguyen - Media analytics expertAs Publisher of BuzzFeed, Dao Nguyen thinks about how media spreads online and the technology and data that publishers can use to understand why.
Why you should listen
Dao Nguyen is the Publisher of BuzzFeed, a reinvention of the traditional title in which she oversees the company’s tech, product, data and publishing platform, as well as ad product, pricing, and distribution. Nguyen joined BuzzFeed in 2012 and has been instrumental in its rapid growth as the largest independent digital media company in the world. Prior to joining BuzzFeed, Nguyen oversaw product for a financial careers venture within Dow Jones. She also previously served as Chief Executive Officer of Le Monde Interactif, publisher of the leading news site lemonde.fr. Before moving to France, she was Executive Producer at Concrete Media, a small web agency, and a consultant at Andersen Consulting (now Accenture). She has a degree in Applied Mathematics / Computer Science from Harvard and is based in New York City.
Dao Nguyen | Speaker | TED.com