TED Salon Brightline Initiative
Dao Nguyen: What makes something go viral?
Dao Nguyen: O que faz algo viralizar?
Filmed:
Readability: 3.6
1,432,741 views
Qual o segredo para fazer as pessoas amarem um conteúdo? Junte-se à editora Dao Nguyen da BuzzFeed para vislumbrar a forma como sua equipe cria seus questionários, listas e vídeos tentadores, e saiba mais sobre como eles desenvolveram um sistema para entender como as pessoas usam conteúdo para se conectar e criar cultura.
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
No ano passado, alguns funcionários
da BuzzFeed estavam planejando
da BuzzFeed estavam planejando
uma brincadeira com o chefe, Ze Frank,
00:16
to prank their boss, Ze Frank,
1
4434
2330
00:19
on his birthday.
2
7415
1242
no aniversário dele.
00:21
They decided to put a family
of baby goats in his office.
of baby goats in his office.
3
9319
4204
Decidiram colocar alguns filhotes
de cabritos no escritório dele.
de cabritos no escritório dele.
(Risos)
00:25
(Laughter)
4
13547
1405
A BuzzFeed havia se iniciado recentemente
na experiência do Facebook Live,
na experiência do Facebook Live,
00:26
Now, BuzzFeed had recently signed on
to the Facebook Live experiment,
to the Facebook Live experiment,
5
14976
4421
então, naturalmente,
00:31
and so naturally,
6
19421
1371
decidimos transmitir
todo o evento na internet
todo o evento na internet
00:32
we decided to livestream
the whole event on the internet
the whole event on the internet
7
20816
3882
00:36
to capture the moment
when Ze would walk in
when Ze would walk in
8
24722
3300
para captar o momento em que Ze entraria
00:40
and discover livestock in his office.
9
28046
2962
e veria os animais no escritório dele.
00:44
We thought the whole thing
would last maybe 10 minutes,
would last maybe 10 minutes,
10
32019
3164
Pensamos que a coisa toda
duraria talvez uns 10 minutos,
duraria talvez uns 10 minutos,
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
e algumas centenas de funcionários
se conectariam para a piada interna.
se conectariam para a piada interna.
00:52
But what happened?
12
40132
1263
Mas o que houve?
00:53
They kept on getting delayed:
13
41977
1718
As coisas começaram a atrasar:
00:55
he went to get a drink,
14
43719
1486
ele foi beber alguma coisa,
00:57
he was called to a meeting,
15
45229
1448
foi chamado para uma reunião,
00:58
the meeting ran long,
16
46701
1743
a reunião se estendeu,
01:00
he went to the bathroom.
17
48468
1165
ele foi ao banheiro.
01:01
More and more people
started logging in to watch the goats.
started logging in to watch the goats.
18
49657
4220
Mais e mais pessoas começaram
a se conectar para ver os cabritos.
a se conectar para ver os cabritos.
01:06
By the time Ze walked in
more than 30 minutes later,
more than 30 minutes later,
19
54493
4013
Quando Ze entrou
mais de 30 minutos depois,
mais de 30 minutos depois,
01:10
90,000 viewers were watching
the livestream.
the livestream.
20
58530
5106
a transmissão era visualizada
por 90 mil pessoas.
por 90 mil pessoas.
01:16
Now, our team had a lot
of discussion about this video
of discussion about this video
21
64601
3957
Nossa equipe debateu
muito sobre esse vídeo
muito sobre esse vídeo
01:20
and why it was so successful.
22
68582
1976
e por que fez tanto sucesso.
01:22
It wasn't the biggest live video
that we had done to date.
that we had done to date.
23
70582
2876
Não foi o maior vídeo ao vivo
que fizemos até então.
que fizemos até então.
01:25
The biggest one that we had done
involved a fountain of cheese.
involved a fountain of cheese.
24
73482
3642
O maior que fizemos envolveu
uma fonte de queijo.
uma fonte de queijo.
01:30
But it performed so much better
than we had expected.
than we had expected.
25
78063
3825
Mas funcionou muito melhor
do que esperávamos.
do que esperávamos.
01:33
What was it about the goats in the office
that we didn't anticipate?
that we didn't anticipate?
26
81912
4263
O que havia sobre os cabritos
no escritório que não previmos?
no escritório que não previmos?
01:38
Now, a reasonable person could have
any number of hypotheses.
any number of hypotheses.
27
86781
4058
Uma pessoa razoável pensaria
em várias hipóteses.
em várias hipóteses.
01:42
Maybe people love baby animals.
28
90863
2418
Talvez as pessoas adorem filhotes.
Talvez adorem brincadeiras no escritório.
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
Talvez as pessoas adorem
histórias sobre chefes
histórias sobre chefes
01:50
or birthday surprises.
31
98268
1533
ou surpresas de aniversário.
01:52
But our team wasn't really thinking
about what the video was about.
about what the video was about.
32
100382
3700
Mas nossa equipe não estava
pensando sobre o que era o vídeo.
pensando sobre o que era o vídeo.
01:56
We were thinking about
33
104106
1272
Estávamos pensando
01:57
what the people watching the video
were thinking and feeling.
were thinking and feeling.
34
105402
4076
no que as pessoas que estavam assistindo
o vídeo estavam pensando e sentindo.
o vídeo estavam pensando e sentindo.
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
Lemos alguns dos 82 mil comentários
que foram feitos durante o vídeo,
que foram feitos durante o vídeo,
02:06
and we hypothesized that they were excited
36
114309
3792
e supomos que eles estavam animados
porque estavam participando
da antecipação compartilhada
da antecipação compartilhada
02:10
because they were participating
in the shared anticipation
in the shared anticipation
37
118125
3174
02:13
of something that was about to happen.
38
121323
2730
de algo que estava prestes a acontecer.
02:16
They were part of a community,
just for an instant,
just for an instant,
39
124077
3212
Faziam parte de uma comunidade,
apenas por um instante,
apenas por um instante,
e isso os deixou felizes.
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
Então, decidimos que precisávamos
testar esta hipótese.
testar esta hipótese.
02:24
What could we do to test
this very same thing?
this very same thing?
42
132793
3482
O que podíamos fazer
para testar essa mesma coisa?
para testar essa mesma coisa?
02:28
The following week,
43
136995
1391
Na semana seguinte,
02:30
armed with the additional knowledge
that food videos are very popular,
that food videos are very popular,
44
138410
4675
armados com o conhecimento adicional
de que vídeos de comida são populares,
de que vídeos de comida são populares,
02:35
we dressed two people in hazmat suits
45
143109
3571
vestimos duas pessoas em trajes "hazmat"
02:38
and wrapped rubber bands
around a watermelon until it exploded.
around a watermelon until it exploded.
46
146704
4261
e colocamos elásticos em volta
de uma melancia até estourar.
de uma melancia até estourar.
02:42
(Laughter)
47
150989
1581
(Risos)
02:44
Eight hundred thousand people watched
48
152889
3372
Oitocentas mil pessoas assistiram
02:48
the 690th rubber band
explode the watermelon,
explode the watermelon,
49
156285
4031
o 690º elástico estourar a melancia,
02:52
marking it as the biggest
Facebook Live event to date.
Facebook Live event to date.
50
160340
3453
marcando esse como o maior evento
ao vivo do Facebook até o momento.
ao vivo do Facebook até o momento.
02:56
The question I get most frequently is:
51
164483
2610
A pergunta que mais recebo é:
02:59
How do you make something go viral?
52
167117
1833
como você faz alguma coisa viralizar?
03:01
The question itself is misplaced;
53
169713
2206
A pergunta em si é equivocada,
03:03
it's not about the something.
54
171943
1693
não é sobre "a coisa".
03:05
It's about what the people
doing the something,
doing the something,
55
173660
3297
É sobre as pessoas fazendo algo,
lendo ou assistindo,
o que elas estão pensando?
o que elas estão pensando?
03:08
reading or watching --
56
176981
1203
03:10
what are they thinking?
57
178208
1280
03:11
Now, most media companies,
when they think about metadata,
when they think about metadata,
58
179841
3346
A maioria das empresas de mídia,
quando pensa em metadados,
quando pensa em metadados,
03:15
they think about subjects or formats.
59
183211
2383
pensa em assuntos ou formatos.
03:18
It's about goats,
60
186412
1150
É sobre cabritos, é sobre
brincadeiras no escritório,
brincadeiras no escritório,
03:19
it's about office pranks,
61
187586
1776
03:21
it's about food,
62
189386
1297
sobre comida, é uma lista, um vídeo
ou um questionário, são 2 mil palavras,
ou um questionário, são 2 mil palavras,
03:22
it's a list or a video or a quiz,
63
190707
1854
03:24
it's 2,000 words long,
64
192585
1259
03:25
it's 15 minutes long,
65
193868
1153
são 15 minutos de duração,
tem 23 tuítes incorporados ou 15 imagens.
tem 23 tuítes incorporados ou 15 imagens.
03:27
it has 23 embedded tweets or 15 images.
66
195045
3122
Esse tipo de metadados
é levemente interessante,
é levemente interessante,
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
mas na verdade não chega
ao que realmente importa.
ao que realmente importa.
03:36
What if, instead of tagging
what articles or videos are about,
what articles or videos are about,
69
204217
4158
E se, em vez de marcar sobre
o que são os artigos ou vídeos,
o que são os artigos ou vídeos,
03:40
what if we asked:
70
208399
1190
perguntássemos:
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
Como isso está ajudando efetivamente
nossos usuários na vida deles?
nossos usuários na vida deles?
03:46
Last year, we started a project
72
214173
2820
No ano passado, iniciamos um projeto
03:49
to formally categorize
our content in this way.
our content in this way.
73
217017
2932
para categorizar formalmente
o nosso conteúdo desta maneira.
o nosso conteúdo desta maneira.
03:51
We called it, "cultural cartography."
74
219973
2747
Chamamos de "cartografia cultural".
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
Formalizou uma prática informal
que tivemos por muito tempo:
que tivemos por muito tempo:
03:59
don't just think about the subject matter;
76
227746
2226
não pense apenas no assunto;
pense também sobre e, de fato, sobretudo,
04:01
think also about, and in fact,
primarily about,
primarily about,
77
229996
3168
no que que o conteúdo está fazendo
pelo leitor ou visualizador.
pelo leitor ou visualizador.
04:05
the job that your content is doing
for the reader or the viewer.
for the reader or the viewer.
78
233188
3739
04:09
Let me show you the map
that we have today.
that we have today.
79
237450
2506
Deixem-me mostrar o mapa que temos hoje.
04:11
Each bubble is a specific job,
80
239980
2842
Cada bolha é um trabalho específico,
04:14
and each group of bubbles
in a specific color are related jobs.
in a specific color are related jobs.
81
242846
4770
e cada grupo de bolhas numa cor
específica são trabalhos relacionados.
específica são trabalhos relacionados.
04:19
First up: humor.
82
247640
1478
Primeiro: humor.
04:21
"Makes me laugh."
83
249918
1161
"Me faz rir."
Há tantas maneiras de fazer alguém rir.
04:23
There are so many ways
to make somebody laugh.
to make somebody laugh.
84
251103
2788
04:25
You can be laughing at someone,
85
253915
1517
Você pode rir de alguém,
você poderia rir do humor
específico da internet,
específico da internet,
04:27
you could laugh
at specific internet humor,
at specific internet humor,
86
255456
2155
04:29
you could be laughing at some good,
clean, inoffensive dad jokes.
clean, inoffensive dad jokes.
87
257635
3392
ou rir de piadas boas,
limpas e inofensivas de um pai.
limpas e inofensivas de um pai.
04:33
"This is me." Identity.
88
261706
2300
"Este sou eu." Identidade.
04:36
People are increasingly using media
to explain, "This is who I am.
to explain, "This is who I am.
89
264030
3808
As pessoas estão cada vez mais usando
a mídia para explicar: "Isto é quem sou.
a mídia para explicar: "Isto é quem sou.
Esta é a minha educação,
esta é a minha cultura,
esta é a minha cultura,
04:39
This is my upbringing, this is my culture,
90
267862
2199
04:42
this is my fandom,
this is my guilty pleasure,
this is my guilty pleasure,
91
270085
2338
sou fã disto, este é o meu prazer culpado,
e é assim que dou risada de mim mesmo".
e é assim que dou risada de mim mesmo".
04:44
and this is how I laugh about myself."
92
272447
2183
04:48
"Helps me connect with another person."
93
276600
1882
"Me ajude a me conectar com outra pessoa".
É um dos maiores presentes da internet.
É um dos maiores presentes da internet.
04:50
This is one of the greatest
gifts of the internet.
gifts of the internet.
94
278506
2411
É incrível quando você encontra uma mídia
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
que descreve precisamente
o vínculo com alguém.
o vínculo com alguém.
Este grupo de trabalhos
me ajuda a fazer algo,
me ajuda a fazer algo,
04:59
This is the group of jobs
that helps me do something --
that helps me do something --
97
287020
2598
a resolver um problema,
05:01
helps me settle an argument,
98
289642
1377
a aprender algo
sobre mim ou outra pessoa,
sobre mim ou outra pessoa,
05:03
helps me learn something
about myself or another person,
about myself or another person,
99
291043
2673
ou me ajuda a explicar minha história.
05:05
or helps me explain my story.
100
293740
1856
Este grupo de trabalhos me faz sentir algo
05:07
This is the group of jobs
that makes me feel something --
that makes me feel something --
101
295620
2689
me deixa curiosa ou triste
ou restaura minha fé na humanidade.
ou restaura minha fé na humanidade.
05:10
makes me curious or sad
or restores my faith in humanity.
or restores my faith in humanity.
102
298333
3157
05:13
Many media companies
and creators do put themselves
and creators do put themselves
103
301514
3719
Muitas empresas de mídia e criadores
se colocam no lugar do público.
se colocam no lugar do público.
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
Mas, na era das redes sociais,
podemos ir muito mais longe.
podemos ir muito mais longe.
05:22
People are connected to each other
on Facebook, on Twitter,
on Facebook, on Twitter,
106
310056
4062
As pessoas estão conectadas
entre si no Facebook, no Twitter,
entre si no Facebook, no Twitter,
05:26
and they're increasingly using media
to have a conversation
to have a conversation
107
314142
4263
e estão cada vez mais usando
a mídia para conversar um com o outro.
a mídia para conversar um com o outro.
05:30
and to talk to each other.
108
318429
1454
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
Se ajudarmos a estabelecer uma conexão
mais profunda entre duas pessoas,
mais profunda entre duas pessoas,
05:37
then we will have done
a real job for these people.
a real job for these people.
110
325767
3189
teremos prestado um serviço
real para essas pessoas.
real para essas pessoas.
05:41
Let me give you some examples
of how this plays out.
of how this plays out.
111
329394
2589
Deixem-me dar alguns
exemplos de como funciona.
exemplos de como funciona.
05:44
This is one of my favorite lists:
112
332578
1891
Esta é uma das minhas listas favoritas:
05:46
"32 Memes You Should
Send Your Sister Immediately" --
Send Your Sister Immediately" --
113
334493
3303
"32 memes que você deve enviar
para sua irmã imediatamente",
para sua irmã imediatamente",
05:49
immediately.
114
337820
1302
imediatamente!
05:51
For example, "When you're going
through your sister's stuff,
through your sister's stuff,
115
339583
3104
Por exemplo: "Quando você está
mexendo nas coisas da sua irmã,
mexendo nas coisas da sua irmã,
e você a ouve subindo as escadas".
05:54
and you hear her coming up the stairs."
116
342711
1979
Com certeza, já fiz isso.
05:56
Absolutely, I've done that.
117
344714
1790
05:58
"Watching your sister get in trouble
for something that you did
for something that you did
118
346528
3155
"Observando sua irmã se encrencar
por algo que você fez e pôs a culpa nela".
por algo que você fez e pôs a culpa nela".
06:01
and blamed on her."
119
349707
1192
Sim, também já fiz isso.
06:02
Yes, I've done that as well.
120
350923
1608
06:04
This list got three million views.
121
352555
1799
Esta lista tem 3 milhões
de visualizações. Por quê?
de visualizações. Por quê?
06:06
Why is that?
122
354378
1165
Porque cumpriu, muito bem, várias funções:
06:07
Because it did, very well, several jobs:
123
355567
2976
06:10
"This is us."
124
358567
1520
"Estes somos nós."
06:12
"Connect with family."
125
360111
1265
"Conexão com a família."
06:13
"Makes me laugh."
126
361400
1181
"Me faz rir."
06:14
Here are some of the thousands
and thousands of comments
and thousands of comments
127
362605
3134
Aqui estão alguns dos milhares
e milhares de comentários
e milhares de comentários
06:17
that sisters sent to each other
using this list.
using this list.
128
365763
2849
que irmãs enviaram
entre si usando esta lista.
entre si usando esta lista.
06:21
Sometimes we discover
what jobs do after the fact.
what jobs do after the fact.
129
369508
3511
Às vezes, descobrimos
o que os trabalhos fazem após o fato.
o que os trabalhos fazem após o fato.
06:25
This quiz, "Pick an Outfit and We'll Guess
Your Exact Age and Height,"
Your Exact Age and Height,"
130
373592
5138
Este questionário: "Escolha uma roupa
e adivinharemos sua idade e altura exatas"
e adivinharemos sua idade e altura exatas"
06:30
went very viral: 10 million views.
131
378754
2063
viralizou muito:
10 milhões de visualizações.
10 milhões de visualizações.
06:32
Ten million views.
132
380841
1176
Dez milhões!
06:34
I mean -- did we actually determine
the exact age and height
the exact age and height
133
382041
4526
Quero dizer, nós realmente
determinamos a idade e a altura exatas
determinamos a idade e a altura exatas
06:38
of 10 million people?
134
386591
1584
de 10 milhões de pessoas?
06:40
That's incredible. It's incredible.
135
388199
2262
Isso é incrível.
Na verdade, não adivinhamos.
06:42
In fact, we didn't.
136
390485
1244
(Risos)
06:43
(Laughter)
137
391753
1129
06:44
Turns out that this quiz
went extremely viral
went extremely viral
138
392906
4093
Acontece que esse questionário
tornou-se extremamente viral
tornou-se extremamente viral
06:49
among a group of 55-and-up women --
139
397023
3563
entre mulheres a partir de 55 anos,
06:52
(Laughter)
140
400610
1172
(Risos)
06:53
who were surprised and delighted
141
401806
3649
que ficaram surpresas e encantadas
06:57
that BuzzFeed determined
that they were 28 and 5'9".
that they were 28 and 5'9".
142
405479
5718
pela BuzzFeed determinar que elas
tinham 28 anos e mediam 1,75 m.
tinham 28 anos e mediam 1,75 m.
07:03
(Laughter)
143
411221
1610
(Risos)
07:04
"They put me at 34 years younger
and seven inches taller.
and seven inches taller.
144
412855
3208
"Me deram 34 anos a menos
e 17 centímetros a mais de altura.
e 17 centímetros a mais de altura.
07:08
I dress for comfort and do not give
a damn what anyone says.
a damn what anyone says.
145
416087
2948
Me visto com conforto e não
me importo com o que ninguém diz.
me importo com o que ninguém diz.
07:11
Age is a state of mind."
146
419059
1779
A idade é um estado de espírito."
07:12
This quiz was successful
not because it was accurate,
not because it was accurate,
147
420862
3050
Este questionário foi um sucesso
não porque era preciso,
não porque era preciso,
07:15
but because it allowed these ladies
to do a very important job --
to do a very important job --
148
423936
4054
mas porque permitiu que essas senhoras
cumprissem uma tarefa muito importante,
cumprissem uma tarefa muito importante,
07:20
the humblebrag.
149
428014
1204
a falsa modéstia.
07:22
Now, we can even apply
this framework to recipes and food.
this framework to recipes and food.
150
430478
4983
Podemos aplicar esse quadro
às receitas e aos alimentos.
às receitas e aos alimentos.
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
A função normal de uma receita é dizer
o que fazer para o jantar ou o almoço.
o que fazer para o jantar ou o almoço.
07:34
And this is how you would normally
brainstorm for a recipe:
brainstorm for a recipe:
152
442205
3408
E é assim que você normalmente
pensaria numa receita:
pensaria numa receita:
07:37
you figure out what ingredients
you want to use,
you want to use,
153
445637
2323
você pensa quais ingredientes quer usar,
que receita pode fazer,
que receita pode fazer,
07:39
what recipe that makes,
154
447984
1168
e, em seguida, talvez você dê
uma melhorada para vendê-la.
uma melhorada para vendê-la.
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
07:44
But what if we flipped it around
and thought about the job first?
and thought about the job first?
156
452445
4367
Mas e se invertêssemos a ordem
e pensássemos primeiro no resultado?
e pensássemos primeiro no resultado?
07:49
One brainstorming session
involved the job of bonding.
involved the job of bonding.
157
457730
4665
Uma sessão de debate envolveu
o objetivo da conexão.
o objetivo da conexão.
07:54
So, could we make a recipe
that brought people together?
that brought people together?
158
462976
4300
Podemos fazer uma receita
que una as pessoas?
que una as pessoas?
07:59
This is not a normal brainstorming
process at a food publisher.
process at a food publisher.
159
467300
4421
Este não é um processo de troca de ideias
normal numa editora de alimentos.
normal numa editora de alimentos.
08:05
So we know that people
like to bake together,
like to bake together,
160
473532
2715
Sabemos que as pessoas
gostam de cozinhar juntas,
gostam de cozinhar juntas,
08:08
and we know that people
like to do challenges together,
like to do challenges together,
161
476271
3285
e que gostam de resolver desafios juntas,
08:11
so we decided to come up with a recipe
that involved those two things,
that involved those two things,
162
479580
4733
então decidimos apresentar uma receita
que envolvesse essas duas coisas,
que envolvesse essas duas coisas,
08:16
and we challenged ourselves:
163
484337
1911
e desafiamos a nós mesmos.
08:18
Could we get people to say,
164
486272
1806
Poderíamos fazer as pessoas dizerem:
08:20
"Hey, BFF, let's see
if we can do this together"?
if we can do this together"?
165
488102
4086
"Amigo, vamos ver se podemos
fazer isso juntos"?
fazer isso juntos"?
08:24
The resulting video was
the "Fudgiest Brownies Ever" video.
the "Fudgiest Brownies Ever" video.
166
492807
3335
O vídeo resultante foi o:
"Fudgiest Brownies Ever".
"Fudgiest Brownies Ever".
08:28
It was enormously successful
in every metric possible --
in every metric possible --
167
496166
2924
Foi extremamente bem-sucedido
em todas as métricas possíveis,
em todas as métricas possíveis,
08:31
70 million views.
168
499114
1364
70 milhões de visualizações.
08:32
And people said the exact things
that we were going after:
that we were going after:
169
500935
3700
E as pessoas diziam exatamente
o que estávamos propondo:
o que estávamos propondo:
08:36
"Hey, Colette, we need to make these,
are you up for a challenge?"
are you up for a challenge?"
170
504659
3100
"Colette, precisamos fazer isso,
você aceita o desafio?"
você aceita o desafio?"
"Vamos lá!"
08:39
"Game on."
171
507783
1153
08:40
It did the job that it set out to do,
172
508960
2270
Isso cumpriu a função pretendida,
08:43
which was to bring people together
over baking and chocolate.
over baking and chocolate.
173
511254
4116
que era reunir as pessoas
com a cozinha e o chocolate.
com a cozinha e o chocolate.
08:49
I'm really excited about
the potential for this project.
the potential for this project.
174
517294
3924
Estou realmente empolgada
com o potencial desse projeto.
com o potencial desse projeto.
08:53
When we talk about this framework
with our content creators,
with our content creators,
175
521242
3142
Quando falamos sobre esse formato
com nossos criadores de conteúdo,
com nossos criadores de conteúdo,
08:56
they instantly get it,
176
524408
1165
eles entendem na hora,
não importa o estilo deles,
não importa o estilo deles,
08:57
no matter what beat they cover,
what country they’re in,
what country they’re in,
177
525597
2733
em que país estão,
ou a língua que eles falam.
ou a língua que eles falam.
09:00
or what language they speak.
178
528354
1365
Assim, a cartografia cultural nos ajudou
imensamente na formação do nosso pessoal.
imensamente na formação do nosso pessoal.
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
Quando falamos sobre este
projeto e essa abordagem
projeto e essa abordagem
09:10
with advertisers and brands,
181
538295
1372
com anunciantes e marcas,
09:11
they also instantly get it,
182
539691
1578
eles também entendem na hora,
09:13
because advertisers,
more often than media companies,
more often than media companies,
183
541293
5626
porque os anunciantes, com mais frequência
do que empresas de mídia,
do que empresas de mídia,
09:18
understand how important it is
to understand the job
to understand the job
184
546943
3522
compreendem o quão importante
é entender a função
é entender a função
09:22
that their products
are doing for customers.
are doing for customers.
185
550489
2446
que os produtos deles estão
desempenhando para os clientes.
desempenhando para os clientes.
09:26
But the reason I'm the most excited
about this project
about this project
186
554580
3743
Mas estou muito animada com este projeto
09:30
is because it changes the relationship
between media and data.
between media and data.
187
558347
3871
porque ele altera a relação
entre mídia e dados.
entre mídia e dados.
09:35
Most media companies
think of media as "mine."
think of media as "mine."
188
563051
3434
A maioria das empresas de mídia
pensa na mídia como "minha".
pensa na mídia como "minha".
09:39
How many fans do I have?
189
567547
1207
Quantos fãs eu tenho?
09:40
How many followers have I gained?
190
568778
1597
Quantos seguidores eu ganhei?
09:42
How many views have I gotten?
191
570399
1707
Quantas visualizações eu tive?
09:44
How many unique IDs do I have
in my data warehouse?
in my data warehouse?
192
572130
2777
Quantas IDs únicas eu tenho
no meu banco de dados?
no meu banco de dados?
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
Mas isso perde o verdadeiro valor
dos dados, qual seja, que são de vocês.
dos dados, qual seja, que são de vocês.
09:53
If we can capture in data
what really matters to you,
what really matters to you,
194
581166
6098
Se pudermos colher em dados
o que realmente importa para vocês,
o que realmente importa para vocês,
09:59
and if we can understand more
the role that our work plays
the role that our work plays
195
587288
4488
e se pudermos entender melhor
o papel que nosso trabalho desempenha
o papel que nosso trabalho desempenha
na sua vida real,
10:03
in your actual life,
196
591800
1389
10:05
the better content we can create for you,
197
593213
2863
poderemos criar o melhor
conteúdo para vocês,
conteúdo para vocês,
10:08
and the better that we can reach you.
198
596100
1857
e o que mais possa alcançá-los.
10:10
Who are you?
199
598760
1275
Quem são vocês?
10:13
How did you get there?
200
601293
1580
Como vocês chegaram aí?
10:14
Where are you going?
201
602897
1209
Aonde vocês estão indo?
Do que vocês gostam?
Do que vocês gostam?
10:16
What do you care about?
202
604130
1269
10:17
What can you teach us?
203
605423
1379
O que podem nos ensinar?
10:19
That's cultural cartography.
204
607151
1460
Isso é cartografia cultural.
10:21
Thank you.
205
609146
1156
Obrigada.
10:22
(Applause)
206
610326
3380
(Aplausos)
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