TED Salon Brightline Initiative
Dao Nguyen: What makes something go viral?
داو نگوین: عامل محبوبیت سریع برخی چیزها چیست؟
Filmed:
Readability: 3.6
1,432,741 views
چه رازی هست که مردم محتوا رو دوست داشته باشن؟ به داو نیگون (موسس بوز فید) برای نگاه اجمالی به تیمش که سوال ها، لیست ها و ویدئوهای وسوسه برانگیز تولید میکنن، ملحق بشین و در مورد چگونه اونا یک سیستم به منظور متوجه شدن اینکه چگونه مردن از محتوا برای ارتباط و ساختن فرهنگ استفاده میکنن رو گسترش دادن
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
سال پیش، بعضی از کارکنان باز فید
طرحی رو ریختن
طرحی رو ریختن
00:16
to prank their boss, Ze Frank,
1
4434
2330
که با مدیرشون، زه فرانک، در روز تولدش
00:19
on his birthday.
2
7415
1242
باهاش شوخی کنن.
00:21
They decided to put a family
of baby goats in his office.
of baby goats in his office.
3
9319
4204
اونا تصمیم گرفتن که خانواده بچه بزها رو
در داخل دفترش قرار بدن
در داخل دفترش قرار بدن
00:25
(Laughter)
4
13547
1405
(خنده حضار)
00:26
Now, BuzzFeed had recently signed on
to the Facebook Live experiment,
to the Facebook Live experiment,
5
14976
4421
اخیرا باز فید در آزمایش زنده
فیس بوک عضو شده
فیس بوک عضو شده
00:31
and so naturally,
6
19421
1371
و طبیعتا
00:32
we decided to livestream
the whole event on the internet
the whole event on the internet
7
20816
3882
ما تصمیم گرفتیم که تمام اتفاقات رو در
اینترنت پخش زنده کنیم.
اینترنت پخش زنده کنیم.
00:36
to capture the moment
when Ze would walk in
when Ze would walk in
8
24722
3300
تا تصویر زمانی که زه وارد میشه
00:40
and discover livestock in his office.
9
28046
2962
و پخش زنده رو کشف میکنه، بگیریم.
00:44
We thought the whole thing
would last maybe 10 minutes,
would last maybe 10 minutes,
10
32019
3164
ما فکر میکردیم که ممکنه تمام اتفاقات در 10
دقیقه اتفاق بیفتن
دقیقه اتفاق بیفتن
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
و چند صد نفر از کارکنان شرکت برای
درون جوک عضو ورود کنن.
درون جوک عضو ورود کنن.
00:52
But what happened?
12
40132
1263
اما چه اتفاقی افتاد؟
00:53
They kept on getting delayed:
13
41977
1718
ژه تاخیر داشت
00:55
he went to get a drink,
14
43719
1486
او رفت نوشیدنی خورد
00:57
he was called to a meeting,
15
45229
1448
او به یک ملاقات خوانده شد
00:58
the meeting ran long,
16
46701
1743
ملاقات طول کشید
01:00
he went to the bathroom.
17
48468
1165
اون دستشویی رفت
01:01
More and more people
started logging in to watch the goats.
started logging in to watch the goats.
18
49657
4220
مردم بیشتر و بیشتری برای دیدن بزها
ورود می کردند
ورود می کردند
01:06
By the time Ze walked in
more than 30 minutes later,
more than 30 minutes later,
19
54493
4013
زمانی که ژه وارد شد، بیشتر از
۳۰ دقیقه گذشته بود
۳۰ دقیقه گذشته بود
01:10
90,000 viewers were watching
the livestream.
the livestream.
20
58530
5106
۹۰ هزار تماشاچی داشتن پخش زنده رو میدیدن
01:16
Now, our team had a lot
of discussion about this video
of discussion about this video
21
64601
3957
حالا، تیم ما بحث های زیادی را در مورد این
ویدئو داره
ویدئو داره
01:20
and why it was so successful.
22
68582
1976
و چرا اینقدر موفق شد؟
01:22
It wasn't the biggest live video
that we had done to date.
that we had done to date.
23
70582
2876
این بزرگترین ویدئو ما تا به حال نبود
01:25
The biggest one that we had done
involved a fountain of cheese.
involved a fountain of cheese.
24
73482
3642
بزرگترین اونا شامل فواره پنیر بود
01:30
But it performed so much better
than we had expected.
than we had expected.
25
78063
3825
اما این بسیار بیشتر از انتظار ما عمل کرد
01:33
What was it about the goats in the office
that we didn't anticipate?
that we didn't anticipate?
26
81912
4263
چه چیزی در مورد بزها در شرکت بود که ما
پیش بینی نکرده بودیم؟
پیش بینی نکرده بودیم؟
01:38
Now, a reasonable person could have
any number of hypotheses.
any number of hypotheses.
27
86781
4058
حالا، یک انسان منطقی میتونه
تعدادی از نظریه ها رو بده
تعدادی از نظریه ها رو بده
01:42
Maybe people love baby animals.
28
90863
2418
شاید مردم حیوانات بچه رو دوست دارن
01:45
Maybe people love office pranks.
29
93751
1724
شاید مردم شوخی های شرکت رو دوست دارن
01:47
Maybe people love stories
about their bosses
about their bosses
30
95499
2745
شاید مردم داستان های مرتبط با
مدیرشون رو دوست دارن
مدیرشون رو دوست دارن
01:50
or birthday surprises.
31
98268
1533
یا سوپرایزهای تولد رو
01:52
But our team wasn't really thinking
about what the video was about.
about what the video was about.
32
100382
3700
اما تیم ما در مورد اینکه ویدئو در مورد
چی بود فکر نکردن
چی بود فکر نکردن
01:56
We were thinking about
33
104106
1272
ما در مورد اینکه مردم با
01:57
what the people watching the video
were thinking and feeling.
were thinking and feeling.
34
105402
4076
تماشای این ویدئو چه فکر و چه حسی
دارن، فکر کردیم
دارن، فکر کردیم
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
ما تعدادی از ۸۲ هزار پیامی که در داخل
ویدئو گذاشته بودن رو خوندیم
ویدئو گذاشته بودن رو خوندیم
02:06
and we hypothesized that they were excited
36
114309
3792
و چونکه مردم در پیش بینی
به اشتراک گذاشته شده
به اشتراک گذاشته شده
02:10
because they were participating
in the shared anticipation
in the shared anticipation
37
118125
3174
که قرار بود اتفاق بیفته، شرکت کردن
02:13
of something that was about to happen.
38
121323
2730
فرض کردیم که هیجان زده هستن
02:16
They were part of a community,
just for an instant,
just for an instant,
39
124077
3212
اونا برای لحظه‌ای عضو یک انجمن شده بودن و
02:19
and it made them happy.
40
127313
1353
این موضوع خوشحالشون کرده بود
02:21
So we decided that we needed
to test this hypothesis.
to test this hypothesis.
41
129102
3344
بنابراین ما تصمیم گرفتی
که این فرضیه رو امتحان کنیم
که این فرضیه رو امتحان کنیم
02:24
What could we do to test
this very same thing?
this very same thing?
42
132793
3482
چه کاری بسیار شبیه به
این میتونستیم انجام بدیم؟
این میتونستیم انجام بدیم؟
02:28
The following week,
43
136995
1391
در هفته بعدی
02:30
armed with the additional knowledge
that food videos are very popular,
that food videos are very popular,
44
138410
4675
اطلاعاتی داشتیم که ویدئوهای
غذا خیلی محبوب هستن
غذا خیلی محبوب هستن
02:35
we dressed two people in hazmat suits
45
143109
3571
به تن دو نفر از مردم لباس ایمنی پوشاندیم
02:38
and wrapped rubber bands
around a watermelon until it exploded.
around a watermelon until it exploded.
46
146704
4261
و باندهای پلاستیکی رو دور یک هندوانه
پیچوندیم تا زمانی که منفجر بشن
پیچوندیم تا زمانی که منفجر بشن
02:42
(Laughter)
47
150989
1581
(خنده حضار)
02:44
Eight hundred thousand people watched
48
152889
3372
هشتصد هزار نفر تماشا کردن
02:48
the 690th rubber band
explode the watermelon,
explode the watermelon,
49
156285
4031
۶۹۰امین باند پلاستیکی هندوانه رو منفجر کرد
02:52
marking it as the biggest
Facebook Live event to date.
Facebook Live event to date.
50
160340
3453
تا اون موقع این فیلم به عنوان بزرگترین
اتفاق زنده فیس‌بوک ثبت شد
اتفاق زنده فیس‌بوک ثبت شد
02:56
The question I get most frequently is:
51
164483
2610
سوالی که من اغلب اوقات می‌پرسم اینه که
چطوری میشه
چطوری میشه
02:59
How do you make something go viral?
52
167117
1833
یک چیزی رو
خیلی زود محبوب کرد؟
خیلی زود محبوب کرد؟
03:01
The question itself is misplaced;
53
169713
2206
خود سوال به تنهایی اشتباه هست
03:03
it's not about the something.
54
171943
1693
سوال در مورد چیز خاصی نیست
03:05
It's about what the people
doing the something,
doing the something,
55
173660
3297
سوال در مورد این هست که مردم
کاری میکنن
کاری میکنن
03:08
reading or watching --
56
176981
1203
می‌خونن یا تماشا میکنن
03:10
what are they thinking?
57
178208
1280
اونا چه فکری میکنن؟
03:11
Now, most media companies,
when they think about metadata,
when they think about metadata,
58
179841
3346
در حال حاضر، بسیاری از شرکت‌های رسانه‌ای،
زمانیکه میخوان در مورد
زمانیکه میخوان در مورد
03:15
they think about subjects or formats.
59
183211
2383
ابر داده فکر کنن، به موضوعات و
یا فرمت ها فکر میکنن
یا فرمت ها فکر میکنن
03:18
It's about goats,
60
186412
1150
این در مورد بزها هست
03:19
it's about office pranks,
61
187586
1776
این در مورد شوخی‌های شرکت هست
03:21
it's about food,
62
189386
1297
این در مورد غذا هست
03:22
it's a list or a video or a quiz,
63
190707
1854
این یک لیست یا یک ویدئو یا یک کویز هست
03:24
it's 2,000 words long,
64
192585
1259
این ۲ هزار کلمه طولانی هست
03:25
it's 15 minutes long,
65
193868
1153
این ۱۵ دقیقه طول می‌کشه
03:27
it has 23 embedded tweets or 15 images.
66
195045
3122
این دارای ۲۳ توییت محبوب در سایت
یا ۱۵ عکس هست
یا ۱۵ عکس هست
03:30
Now, that kind of metadata
is mildly interesting,
is mildly interesting,
67
198191
3012
حالااین نوع ازابرداده مقداری جالب شد
03:33
but it doesn't actually get at
what really matters.
what really matters.
68
201227
2966
اما در واقعیت اصلا اهمیتی نداره
03:36
What if, instead of tagging
what articles or videos are about,
what articles or videos are about,
69
204217
4158
چی می‌شد اگر به جای برچسب زدن که
مقالات یا ویدئوها در مورد چی هستن
مقالات یا ویدئوها در مورد چی هستن
03:40
what if we asked:
70
208399
1190
ما می‌پرسیدیم
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
چطوری میتونیم به کاربرانمون کمک
کنیم که کار واقعی در زندگی انجام بدن؟
کنیم که کار واقعی در زندگی انجام بدن؟
03:46
Last year, we started a project
72
214173
2820
پارسال ما یک پروژه شروع کردیم که
03:49
to formally categorize
our content in this way.
our content in this way.
73
217017
2932
به طور رسمی دسته‌بندی محتوا
خودمون رو به این طریق انجام بدیم
خودمون رو به این طریق انجام بدیم
03:51
We called it, "cultural cartography."
74
219973
2747
ما اسم اون رو 《کارتوگرافی فرهنگی》گذاشتیم.
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
این تشکیل شده بود از تمرین‌های
غیررسمی که ما به مدت طولانی انجام دادیم.
غیررسمی که ما به مدت طولانی انجام دادیم.
03:59
don't just think about the subject matter;
76
227746
2226
فقط به موضوع فکر نکنین
04:01
think also about, and in fact,
primarily about,
primarily about,
77
229996
3168
همچنین فکر کنین به، در
حقیقت در درجه اول
حقیقت در درجه اول
04:05
the job that your content is doing
for the reader or the viewer.
for the reader or the viewer.
78
233188
3739
به کاری که موضوع شما برای خواننده
و یا تماشاچی انجام میشه، فکر کنین
و یا تماشاچی انجام میشه، فکر کنین
04:09
Let me show you the map
that we have today.
that we have today.
79
237450
2506
بذارین من به شما نقشه ای که امروز
داریم رو نشون بدم
داریم رو نشون بدم
04:11
Each bubble is a specific job,
80
239980
2842
هر حبابی یک کار خاصی هست
04:14
and each group of bubbles
in a specific color are related jobs.
in a specific color are related jobs.
81
242846
4770
و هر گروه از حباب ها با رنگ های
مشخص، کار های مرتبط با یکدیگر هستند
مشخص، کار های مرتبط با یکدیگر هستند
04:19
First up: humor.
82
247640
1478
اول: شوخ طبعی
04:21
"Makes me laugh."
83
249918
1161
«من رو بخندون»
04:23
There are so many ways
to make somebody laugh.
to make somebody laugh.
84
251103
2788
روش های زیادی وجود داره تا باعث
خنده افراد بشه
خنده افراد بشه
04:25
You can be laughing at someone,
85
253915
1517
شما می تونین به یک نفر بخندین
04:27
you could laugh
at specific internet humor,
at specific internet humor,
86
255456
2155
شما می تونین به یک شوخ طبعی
اینترنتی مشخصی بخندین
اینترنتی مشخصی بخندین
04:29
you could be laughing at some good,
clean, inoffensive dad jokes.
clean, inoffensive dad jokes.
87
257635
3392
شما می توانین به جوک های خوب، غیرجنسی و
غیرتوهین آمیز پدرتون بخندین
غیرتوهین آمیز پدرتون بخندین
04:33
"This is me." Identity.
88
261706
2300
«این من هستم»
شناسه هست
شناسه هست
04:36
People are increasingly using media
to explain, "This is who I am.
to explain, "This is who I am.
89
264030
3808
مردم در حال استفاده روز افزون رسانه ها
برای توضیخ «این من هستم» هستن
برای توضیخ «این من هستم» هستن
04:39
This is my upbringing, this is my culture,
90
267862
2199
این تربیت منه
این فرهنگ منه
این فرهنگ منه
04:42
this is my fandom,
this is my guilty pleasure,
this is my guilty pleasure,
91
270085
2338
من طرفدار این هستم
این لذت گناه من هست
این لذت گناه من هست
04:44
and this is how I laugh about myself."
92
272447
2183
و این چیزی هست که من در مورد خودم میخندم
04:48
"Helps me connect with another person."
93
276600
1882
« به من کمک کرد با فرد دیگری
ارتباط داشته باشم»
ارتباط داشته باشم»
04:50
This is one of the greatest
gifts of the internet.
gifts of the internet.
94
278506
2411
این یک از بزرگترین هدیه های اینترنت بود
این عجیبه
این عجیبه
04:52
It's amazing when you find
a piece of media
a piece of media
95
280941
2191
وقتی که شما قسمتی از
رسانه رو پیدا میکنین
رسانه رو پیدا میکنین
04:55
that precisely describes
your bond with someone.
your bond with someone.
96
283156
2532
که به طور دقیق پیوند شما رو
با یک نفر دقیق توصیف میکنه
با یک نفر دقیق توصیف میکنه
این گروه از کارها به من کمک کردن
تا کاری رو انجام بدم
تا کاری رو انجام بدم
04:59
This is the group of jobs
that helps me do something --
that helps me do something --
97
287020
2598
کمک کردن تا من بحث رو
حل کنم
حل کنم
05:01
helps me settle an argument,
98
289642
1377
کمکم کردن تا در مورد خودم یا فرد دیگه
چیزی رو یاد بگیرم
چیزی رو یاد بگیرم
05:03
helps me learn something
about myself or another person,
about myself or another person,
99
291043
2673
یا کمکم کردم که داستانم رو تعریف کنم
05:05
or helps me explain my story.
100
293740
1856
05:07
This is the group of jobs
that makes me feel something --
that makes me feel something --
101
295620
2689
این گروه از کارها به من
احساس چیزی رو دادن
احساس چیزی رو دادن
من رو کنجکاو یا ناراحت کردن
یا ایمان من رو به انسانیت بازیابی کردن
یا ایمان من رو به انسانیت بازیابی کردن
05:10
makes me curious or sad
or restores my faith in humanity.
or restores my faith in humanity.
102
298333
3157
بسیاری از شرکت های رسانه ای و خالق ها
خودشون رو در
خودشون رو در
05:13
Many media companies
and creators do put themselves
and creators do put themselves
103
301514
3719
05:17
in their audiences' shoes.
104
305257
1468
نگاه شنونده ها قرار بدن
05:18
But in the age of social media,
we can go much farther.
we can go much farther.
105
306749
2704
اما در عصر رسانه های اجتماعی
ما می تونیم فراتر بریم
ما می تونیم فراتر بریم
05:22
People are connected to each other
on Facebook, on Twitter,
on Facebook, on Twitter,
106
310056
4062
مردم می تونن از طریق فیس بوک و توییتر با
یکدیگر ارتباط داشته باشن
یکدیگر ارتباط داشته باشن
05:26
and they're increasingly using media
to have a conversation
to have a conversation
107
314142
4263
و اون به طور روز افزون از رسانه های برای
ایجاد ارتباط استفاده می کنن
ایجاد ارتباط استفاده می کنن
05:30
and to talk to each other.
108
318429
1454
و با همدیگه حرف میزنن
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
اگر ما بتونیم قسمتی از ایجاد کننده ارتباط
دقیق تر بین دو نفر باشیم
دقیق تر بین دو نفر باشیم
05:37
then we will have done
a real job for these people.
a real job for these people.
110
325767
3189
اونوقت میتونیم یک کار واقعی برای این افراد
انجام داده باشیم
انجام داده باشیم
05:41
Let me give you some examples
of how this plays out.
of how this plays out.
111
329394
2589
بذارین براتون مثالی بزنم که این چطوری
انجام میشه
انجام میشه
05:44
This is one of my favorite lists:
112
332578
1891
این یکی از لیست های مورد علاقه منه
05:46
"32 Memes You Should
Send Your Sister Immediately" --
Send Your Sister Immediately" --
113
334493
3303
«۳۲ الگوی رفتاری که شما باید به خواهرتون
فورن بفرستین»
فورن بفرستین»
05:49
immediately.
114
337820
1302
فورن
05:51
For example, "When you're going
through your sister's stuff,
through your sister's stuff,
115
339583
3104
مثلا «وقتی که خر و پرت های خواهررا
بگردی،
بگردی،
05:54
and you hear her coming up the stairs."
116
342711
1979
وبشنوی که داره از پله ها میاد بالا
05:56
Absolutely, I've done that.
117
344714
1790
صد در صد، من انجامش دادم
05:58
"Watching your sister get in trouble
for something that you did
for something that you did
118
346528
3155
«تماشا میکنین که خواهرتون به دلیل کار شما
به دردسر میفته
به دردسر میفته
06:01
and blamed on her."
119
349707
1192
و سرزنش میشه»
06:02
Yes, I've done that as well.
120
350923
1608
بله من این کار رو هم انجام دادم
06:04
This list got three million views.
121
352555
1799
این فهرست سه میلیون بیننده داشت
06:06
Why is that?
122
354378
1165
چرا اینطوری هست؟
06:07
Because it did, very well, several jobs:
123
355567
2976
به خاطر اینکه به طور خوبی چندتا کار
رو انجام داد
رو انجام داد
06:10
"This is us."
124
358567
1520
«این ما هستیم»
06:12
"Connect with family."
125
360111
1265
«در ارتباط با خانواده هست»
06:13
"Makes me laugh."
126
361400
1181
«باعث خنده من شد»
06:14
Here are some of the thousands
and thousands of comments
and thousands of comments
127
362605
3134
اینجا چند تا از هزاران پیام هست
06:17
that sisters sent to each other
using this list.
using this list.
128
365763
2849
که خواهرها به هم دیگه با استفاده
از این لیست میفرستادن
از این لیست میفرستادن
06:21
Sometimes we discover
what jobs do after the fact.
what jobs do after the fact.
129
369508
3511
گاهی اوقات ما متوجه شدیم که چه کارهایی
بعد از این واقعیت انجام شد
بعد از این واقعیت انجام شد
06:25
This quiz, "Pick an Outfit and We'll Guess
Your Exact Age and Height,"
Your Exact Age and Height,"
130
373592
5138
این سوال «یکی از لباس ها رو انتخاب کنید
و ما سن و قد دقیق شما رو حدس میزنیم»
و ما سن و قد دقیق شما رو حدس میزنیم»
06:30
went very viral: 10 million views.
131
378754
2063
این خیلی ویروسی شد:
ده میلیون بازدید
ده میلیون بازدید
06:32
Ten million views.
132
380841
1176
ده میلیون بازدید
06:34
I mean -- did we actually determine
the exact age and height
the exact age and height
133
382041
4526
منظور من اینه: آیا ما واقعا سن و قد دقیق
06:38
of 10 million people?
134
386591
1584
ده میلیون نفر رو حساب کردیم؟
06:40
That's incredible. It's incredible.
135
388199
2262
این غیر ممکنه
غیر ممکن
غیر ممکن
06:42
In fact, we didn't.
136
390485
1244
در حقیقت ما نکردیم
06:43
(Laughter)
137
391753
1129
(صدای خنده حضار)
06:44
Turns out that this quiz
went extremely viral
went extremely viral
138
392906
4093
معلوم شد که سوال کوییز در بین گروه
خانم های ۵۵ سال به بالا
خانم های ۵۵ سال به بالا
06:49
among a group of 55-and-up women --
139
397023
3563
بسیار زود محبوب شده بود
06:52
(Laughter)
140
400610
1172
(خنده حضار)
06:53
who were surprised and delighted
141
401806
3649
که سوپرایز و خوشحال شده بودند
06:57
that BuzzFeed determined
that they were 28 and 5'9".
that they were 28 and 5'9".
142
405479
5718
اما بوزفید سن ها را ۲۸ سال و قدها رو ۵/۹
فوت (۱۷۶ سانتی متر) اندازه گیزی گرفت
فوت (۱۷۶ سانتی متر) اندازه گیزی گرفت
07:03
(Laughter)
143
411221
1610
(خنده حضار)
07:04
"They put me at 34 years younger
and seven inches taller.
and seven inches taller.
144
412855
3208
«اونا منو ۳۴ سال جوون تر و قدم رو ۷ اینچ
(۱۸ سانت)بیشتر بیان کردن
(۱۸ سانت)بیشتر بیان کردن
07:08
I dress for comfort and do not give
a damn what anyone says.
a damn what anyone says.
145
416087
2948
من لباس برای راحتی تنم میکنم و حرف های
بقیه برای اهمیتی نمیدن
بقیه برای اهمیتی نمیدن
07:11
Age is a state of mind."
146
419059
1779
سن حالتی از مغز است
07:12
This quiz was successful
not because it was accurate,
not because it was accurate,
147
420862
3050
این کوییز بسیار موفق بود
نه تنها به دلیل اینکه دقیق بود
نه تنها به دلیل اینکه دقیق بود
07:15
but because it allowed these ladies
to do a very important job --
to do a very important job --
148
423936
4054
بلکه به خاطر اینکه به خانم ها اجازه داد
یک کار مهم بکنن
یک کار مهم بکنن
07:20
the humblebrag.
149
428014
1204
و اون تظاهر به شکایت بود
07:22
Now, we can even apply
this framework to recipes and food.
this framework to recipes and food.
150
430478
4983
حالا، ما میتونیم این چارچوب رو به
دستور غذا و غذا اعمال کنیم
دستور غذا و غذا اعمال کنیم
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
کار یک دستور غذا ساده اینکه که به شما بگه
چی برای شام و یا برای ناهار درست کنین
چی برای شام و یا برای ناهار درست کنین
07:34
And this is how you would normally
brainstorm for a recipe:
brainstorm for a recipe:
152
442205
3408
و به این صورت چگونه شما
طوفان مغزی برای یک دستور غذا دارین
طوفان مغزی برای یک دستور غذا دارین
متوجه میشین که جه موادی رو
میخواین استفاده کنین
میخواین استفاده کنین
07:37
you figure out what ingredients
you want to use,
you want to use,
153
445637
2323
چه دستوری درستش میکنه
07:39
what recipe that makes,
154
447984
1168
و سپس شاید شما یک کاری رو سریع انجام بدین
. در نهایت بخواین بفروشین
. در نهایت بخواین بفروشین
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
اما چی میشه اگه ما اون رو برعکس کنیم و
اول به کار فکر کنیم؟
اول به کار فکر کنیم؟
07:44
But what if we flipped it around
and thought about the job first?
and thought about the job first?
156
452445
4367
پس، یک زمان طوفان مغزی که شامل
پیوند دهنده کار بود
پیوند دهنده کار بود
07:49
One brainstorming session
involved the job of bonding.
involved the job of bonding.
157
457730
4665
07:54
So, could we make a recipe
that brought people together?
that brought people together?
158
462976
4300
پس ما میتونیم یک دستور غذا داشته باشیم
که مردم رو دور هم جمع کنه؟
که مردم رو دور هم جمع کنه؟
07:59
This is not a normal brainstorming
process at a food publisher.
process at a food publisher.
159
467300
4421
این فرآیند ناگهانی معمولی برای
تولید غذا نیست
تولید غذا نیست
08:05
So we know that people
like to bake together,
like to bake together,
160
473532
2715
پس ما میدونیم مردم دوست دارن با هم
غذا درست کنن
غذا درست کنن
08:08
and we know that people
like to do challenges together,
like to do challenges together,
161
476271
3285
و ما میدونیم مردم دوست دارن همدیگر
رو به چالش بکشونن
رو به چالش بکشونن
08:11
so we decided to come up with a recipe
that involved those two things,
that involved those two things,
162
479580
4733
پس ما تصمیم گرفتیم که یک دستور غذا درست
کنیم که شامل این دو چیز بود
کنیم که شامل این دو چیز بود
08:16
and we challenged ourselves:
163
484337
1911
و خودمون رو به چالش بکشیم
08:18
Could we get people to say,
164
486272
1806
ما میتونیم به مردم بگیم
08:20
"Hey, BFF, let's see
if we can do this together"?
if we can do this together"?
165
488102
4086
سلام دوست صمیمی، بیا هم ببینیم میتونیم
این کار رو با هم بکنیم؟
این کار رو با هم بکنیم؟
08:24
The resulting video was
the "Fudgiest Brownies Ever" video.
the "Fudgiest Brownies Ever" video.
166
492807
3335
نتیجه به صورت ویدئو «همیشه کلوچه شکلاتی»
بود
بود
08:28
It was enormously successful
in every metric possible --
in every metric possible --
167
496166
2924
این از هر جهت ممکنی موفق بود
08:31
70 million views.
168
499114
1364
۷۰ میلیون بازدید
08:32
And people said the exact things
that we were going after:
that we were going after:
169
500935
3700
و مردم وقیقا چیزهایی رو گفتن که
ما میخواستیم بعد بگیم
ما میخواستیم بعد بگیم
«سلام کولت، اینا رو میخوایم
درست کنیم، آیا برای چالش آماده ای؟»
درست کنیم، آیا برای چالش آماده ای؟»
08:36
"Hey, Colette, we need to make these,
are you up for a challenge?"
are you up for a challenge?"
170
504659
3100
«بازی شروع شد»
08:39
"Game on."
171
507783
1153
این کاری کرد که ما میخواستیم که
انجام بدیم
انجام بدیم
08:40
It did the job that it set out to do,
172
508960
2270
که مردم رو برای پخت و پز و شکلات
دور هم جمع کرد
دور هم جمع کرد
08:43
which was to bring people together
over baking and chocolate.
over baking and chocolate.
173
511254
4116
من خیلی هیجان زده هستم تا از
پتانسیل این پروژه صحبت کنم
پتانسیل این پروژه صحبت کنم
08:49
I'm really excited about
the potential for this project.
the potential for this project.
174
517294
3924
وقتی ما در مورد این چارچوب با سازنده های
مطالب خودمون صحبت میکنیم
مطالب خودمون صحبت میکنیم
08:53
When we talk about this framework
with our content creators,
with our content creators,
175
521242
3142
مردم درجا میگیرن
08:56
they instantly get it,
176
524408
1165
مهم نیست اونا در کجا هستن
در داخل چه کشوری هستن
در داخل چه کشوری هستن
08:57
no matter what beat they cover,
what country they’re in,
what country they’re in,
177
525597
2733
یا با چه زمانی صحبت میکنن
09:00
or what language they speak.
178
528354
1365
پس کارتوگرافی فرهنگیبه شدت به ما کمک میکنه
که نیروی کار در حال آموزش رو بالا ببیریم
که نیروی کار در حال آموزش رو بالا ببیریم
09:01
So cultural cartography has helped us
massively scale our workforce training.
massively scale our workforce training.
179
529743
4377
09:06
When we talk about this project
and this framework
and this framework
180
534621
3650
زمانی که ما در مورد این پروژه و چارچوب
با تبلیغ کننده ها
با تبلیغ کننده ها
09:10
with advertisers and brands,
181
538295
1372
و برندها صحبت میکنیم
09:11
they also instantly get it,
182
539691
1578
اونا هم درجا موضوع رو میگیرن
09:13
because advertisers,
more often than media companies,
more often than media companies,
183
541293
5626
به دلیل اینکه تبلیغ کننده ها بیشتر از
شرکت های رسانه
شرکت های رسانه
09:18
understand how important it is
to understand the job
to understand the job
184
546943
3522
متوجه میشن که کار از چه اهمیتی
به دلیل اینکه محصولاتشون
به دلیل اینکه محصولاتشون
09:22
that their products
are doing for customers.
are doing for customers.
185
550489
2446
برای مشتری ها انجام میده،
برخوردار هست
برخوردار هست
09:26
But the reason I'm the most excited
about this project
about this project
186
554580
3743
اما دلیل اینکه من خیلی برای این کار
هیجان زده هستم
هیجان زده هستم
09:30
is because it changes the relationship
between media and data.
between media and data.
187
558347
3871
اینه که این روابط بین رسانه و داده
رو عوض میکنه
رو عوض میکنه
09:35
Most media companies
think of media as "mine."
think of media as "mine."
188
563051
3434
بیشتر شرکت های رسانه در مورد رسانه
«من» فکر میکنن
«من» فکر میکنن
09:39
How many fans do I have?
189
567547
1207
چقدر من طرفدار دارم؟
09:40
How many followers have I gained?
190
568778
1597
چند تا فالور من جذب کردم؟
09:42
How many views have I gotten?
191
570399
1707
چقدر آمار بازدید کننده های منه؟
09:44
How many unique IDs do I have
in my data warehouse?
in my data warehouse?
192
572130
2777
چقدر شناسه (آیدی) یکتا من در پایگاه
داده دارم؟
داده دارم؟
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
اما این ارزش واقعی اطلاعات رو نادیده
میگیره که اونمال تو هست
میگیره که اونمال تو هست
09:53
If we can capture in data
what really matters to you,
what really matters to you,
194
581166
6098
اما بتونیم داده ها که بسیار برای شما
ارزشمند هست رو ضبط کنیم
ارزشمند هست رو ضبط کنیم
09:59
and if we can understand more
the role that our work plays
the role that our work plays
195
587288
4488
. اگر ما بتونیم نقش های بیشتری رو که
کار ما در زندگی واقعی شما انحام میده رو
کار ما در زندگی واقعی شما انحام میده رو
10:03
in your actual life,
196
591800
1389
متوجه بشیم
10:05
the better content we can create for you,
197
593213
2863
بهتر میتونیم برای شما محتوا تولید کنیم
10:08
and the better that we can reach you.
198
596100
1857
و بهتر میتونیم به شما برسیم
10:10
Who are you?
199
598760
1275
چه کسی هستین؟
10:13
How did you get there?
200
601293
1580
چه طوری اونجا رسیدین؟
10:14
Where are you going?
201
602897
1209
کجا میخواین برین؟
10:16
What do you care about?
202
604130
1269
به چه چیزی اهمیت میدین؟
10:17
What can you teach us?
203
605423
1379
شما چه چیزی به ما یاد میدین؟
این کرماتوگرافی فرهنگی بود
10:19
That's cultural cartography.
204
607151
1460
10:21
Thank you.
205
609146
1156
ممنون
10:22
(Applause)
206
610326
3380
(خنده حضار)
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