What makes something go viral? | Dao Nguyen

297,255 views ・ 2018-01-08

TED


لطفا برای پخش فیلم روی زیرنویس انگلیسی زیر دوبار کلیک کنید.

Translator: soheil jamali Reviewer: soheila Jafari
00:12
Last year, some BuzzFeed employees were scheming
0
12841
3569
سال پیش، بعضی از کارکنان باز فید طرحی رو ریختن
00:16
to prank their boss, Ze Frank,
1
16434
2330
که با مدیرشون، زه فرانک، در روز تولدش
00:19
on his birthday.
2
19415
1242
باهاش شوخی کنن.
00:21
They decided to put a family of baby goats in his office.
3
21319
4204
اونا تصمیم گرفتن که خانواده بچه بزها رو در داخل دفترش قرار بدن
00:25
(Laughter)
4
25547
1405
(خنده حضار)
00:26
Now, BuzzFeed had recently signed on to the Facebook Live experiment,
5
26976
4421
اخیرا باز فید در آزمایش زنده فیس بوک عضو شده
00:31
and so naturally,
6
31421
1371
و طبیعتا
00:32
we decided to livestream the whole event on the internet
7
32816
3882
ما تصمیم گرفتیم که تمام اتفاقات رو در اینترنت پخش زنده کنیم.
00:36
to capture the moment when Ze would walk in
8
36722
3300
تا تصویر زمانی که زه وارد میشه
00:40
and discover livestock in his office.
9
40046
2962
و پخش زنده رو کشف میکنه، بگیریم.
00:44
We thought the whole thing would last maybe 10 minutes,
10
44019
3164
ما فکر میکردیم که ممکنه تمام اتفاقات در 10 دقیقه اتفاق بیفتن
00:47
and a few hundred company employees would log in for the inside joke.
11
47207
4524
و چند صد نفر از کارکنان شرکت برای درون جوک عضو ورود کنن.
00:52
But what happened?
12
52132
1263
اما چه اتفاقی افتاد؟
00:53
Ze kept on getting delayed:
13
53977
1718
ژه تاخیر داشت
00:55
he went to get a drink,
14
55719
1486
او رفت نوشیدنی خورد
00:57
he was called to a meeting,
15
57229
1448
او به یک ملاقات خوانده شد
00:58
the meeting ran long,
16
58701
1743
ملاقات طول کشید
01:00
he went to the bathroom.
17
60468
1165
اون دستشویی رفت
01:01
More and more people started logging in to watch the goats.
18
61657
4220
مردم بیشتر و بیشتری برای دیدن بزها ورود می کردند
01:06
By the time Ze walked in more than 30 minutes later,
19
66493
4013
زمانی که ژه وارد شد، بیشتر از ۳۰ دقیقه گذشته بود
01:10
90,000 viewers were watching the livestream.
20
70530
5106
۹۰ هزار تماشاچی داشتن پخش زنده رو میدیدن
01:16
Now, our team had a lot of discussion about this video
21
76601
3957
حالا، تیم ما بحث های زیادی را در مورد این ویدئو داره
01:20
and why it was so successful.
22
80582
1976
و چرا اینقدر موفق شد؟
01:22
It wasn't the biggest live video that we had done to date.
23
82582
2876
این بزرگترین ویدئو ما تا به حال نبود
01:25
The biggest one that we had done involved a fountain of cheese.
24
85482
3642
بزرگترین اونا شامل فواره پنیر بود
01:30
But it performed so much better than we had expected.
25
90063
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?
26
93912
4263
چه چیزی در مورد بزها در شرکت بود که ما پیش بینی نکرده بودیم؟
01:38
Now, a reasonable person could have any number of hypotheses.
27
98781
4058
حالا، یک انسان منطقی میتونه تعدادی از نظریه ها رو بده
01:42
Maybe people love baby animals.
28
102863
2418
شاید مردم حیوانات بچه رو دوست دارن
01:45
Maybe people love office pranks.
29
105751
1724
شاید مردم شوخی های شرکت رو دوست دارن
01:47
Maybe people love stories about their bosses
30
107499
2745
شاید مردم داستان های مرتبط با مدیرشون رو دوست دارن
01:50
or birthday surprises.
31
110268
1533
یا سوپرایزهای تولد رو
01:52
But our team wasn't really thinking about what the video was about.
32
112382
3700
اما تیم ما در مورد اینکه ویدئو در مورد چی بود فکر نکردن
01:56
We were thinking about
33
116106
1272
ما در مورد اینکه مردم با
01:57
what the people watching the video were thinking and feeling.
34
117402
4076
تماشای این ویدئو چه فکر و چه حسی دارن، فکر کردیم
02:01
We read some of the 82,000 comments that were made during the video,
35
121502
4783
ما تعدادی از ۸۲ هزار پیامی که در داخل ویدئو گذاشته بودن رو خوندیم
02:06
and we hypothesized that they were excited
36
126309
3792
و چونکه مردم در پیش بینی به اشتراک گذاشته شده
02:10
because they were participating in the shared anticipation
37
130125
3174
که قرار بود اتفاق بیفته، شرکت کردن
02:13
of something that was about to happen.
38
133323
2730
فرض کردیم که هیجان زده هستن
02:16
They were part of a community, just for an instant,
39
136077
3212
اونا برای لحظه‌ای عضو یک انجمن شده بودن و
02:19
and it made them happy.
40
139313
1353
این موضوع خوشحالشون کرده بود
02:21
So we decided that we needed to test this hypothesis.
41
141102
3344
بنابراین ما تصمیم گرفتی که این فرضیه رو امتحان کنیم
02:24
What could we do to test this very same thing?
42
144793
3482
چه کاری بسیار شبیه به این میتونستیم انجام بدیم؟
02:28
The following week,
43
148995
1391
در هفته بعدی
02:30
armed with the additional knowledge that food videos are very popular,
44
150410
4675
اطلاعاتی داشتیم که ویدئوهای غذا خیلی محبوب هستن
02:35
we dressed two people in hazmat suits
45
155109
3571
به تن دو نفر از مردم لباس ایمنی پوشاندیم
02:38
and wrapped rubber bands around a watermelon until it exploded.
46
158704
4261
و باندهای پلاستیکی رو دور یک هندوانه پیچوندیم تا زمانی که منفجر بشن
02:42
(Laughter)
47
162989
1581
(خنده حضار)
02:44
Eight hundred thousand people watched
48
164889
3372
هشتصد هزار نفر تماشا کردن
02:48
the 690th rubber band explode the watermelon,
49
168285
4031
۶۹۰امین باند پلاستیکی هندوانه رو منفجر کرد
02:52
marking it as the biggest Facebook Live event to date.
50
172340
3453
تا اون موقع این فیلم به عنوان بزرگ‌ترین اتفاق زنده فیس‌بوک ثبت شد
02:56
The question I get most frequently is:
51
176483
2610
سوالی که من اغلب اوقات می‌پرسم اینه که چطوری میشه
02:59
How do you make something go viral?
52
179117
1833
یک چیزی رو خیلی زود محبوب کرد؟
03:01
The question itself is misplaced;
53
181713
2206
خود سوال به تنهایی اشتباه هست
03:03
it's not about the something.
54
183943
1693
سوال در مورد چیز خاصی نیست
03:05
It's about what the people doing the something,
55
185660
3297
سوال در مورد این هست که مردم کاری می‌کنن
03:08
reading or watching --
56
188981
1203
می‌خونن یا تماشا می‌کنن
03:10
what are they thinking?
57
190208
1280
اونا چه فکری می‌کنن؟
03:11
Now, most media companies, when they think about metadata,
58
191841
3346
در حال حاضر، بسیاری از شرکت‌های رسانه‌ای، زمانیکه میخوان در مورد
03:15
they think about subjects or formats.
59
195211
2383
ابر داده فکر کنن، به موضوعات و یا فرمت ها فکر می‌کنن
03:18
It's about goats,
60
198412
1150
این در مورد بزها هست
03:19
it's about office pranks,
61
199586
1776
این در مورد شوخی‌های شرکت هست
03:21
it's about food,
62
201386
1297
این در مورد غذا هست
03:22
it's a list or a video or a quiz,
63
202707
1854
این یک لیست یا یک ویدئو یا یک کویز هست
03:24
it's 2,000 words long,
64
204585
1259
این ۲ هزار کلمه طولانی هست
03:25
it's 15 minutes long,
65
205868
1153
این ۱۵ دقیقه طول می‌کشه
03:27
it has 23 embedded tweets or 15 images.
66
207045
3122
این دارای ۲۳ توییت محبوب در سایت یا ۱۵ عکس هست
03:30
Now, that kind of metadata is mildly interesting,
67
210191
3012
حالااین نوع ازابرداده مقداری جالب شد
03:33
but it doesn't actually get at what really matters.
68
213227
2966
اما در واقعیت اصلا اهمیتی نداره
03:36
What if, instead of tagging what articles or videos are about,
69
216217
4158
چی می‌شد اگر به جای برچسب زدن که مقالات یا ویدئوها در مورد چی هستن
03:40
what if we asked:
70
220399
1190
ما می‌پرسیدیم
03:41
How is it helping our users do a real job in their lives?
71
221613
3553
چطوری می‌تونیم به کاربرانمون کمک کنیم که کار واقعی در زندگی انجام بدن؟
03:46
Last year, we started a project
72
226173
2820
پارسال ما یک پروژه شروع کردیم که
03:49
to formally categorize our content in this way.
73
229017
2932
به طور رسمی دسته‌بندی محتوا خودمون رو به این طریق انجام بدیم
03:51
We called it, "cultural cartography."
74
231973
2747
ما اسم اون رو 《کارتوگرافی فرهنگی》گذاشتیم.
03:55
It formalized an informal practice that we've had for a really long time:
75
235720
4002
این تشکیل شده بود از تمرین‌های غیررسمی که ما به مدت طولانی انجام دادیم.
03:59
don't just think about the subject matter;
76
239746
2226
فقط به موضوع فکر نکنین
04:01
think also about, and in fact, primarily about,
77
241996
3168
همچنین فکر کنین به، در حقیقت در درجه اول
04:05
the job that your content is doing for the reader or the viewer.
78
245188
3739
به کاری که موضوع شما برای خواننده و یا تماشاچی انجام میشه، فکر کنین
04:09
Let me show you the map that we have today.
79
249450
2506
بذارین من به شما نقشه ای که امروز داریم رو نشون بدم
04:11
Each bubble is a specific job,
80
251980
2842
هر حبابی یک کار خاصی هست
04:14
and each group of bubbles in a specific color are related jobs.
81
254846
4770
و هر گروه از حباب ها با رنگ های مشخص، کار های مرتبط با یکدیگر هستند
04:19
First up: humor.
82
259640
1478
اول: شوخ طبعی
04:21
"Makes me laugh."
83
261918
1161
«من رو بخندون»
04:23
There are so many ways to make somebody laugh.
84
263103
2788
روش های زیادی وجود داره تا باعث خنده افراد بشه
04:25
You can be laughing at someone,
85
265915
1517
شما می تونین به یک نفر بخندین
04:27
you could laugh at specific internet humor,
86
267456
2155
شما می تونین به یک شوخ طبعی اینترنتی مشخصی بخندین
04:29
you could be laughing at some good, clean, inoffensive dad jokes.
87
269635
3392
شما می توانین به جوک های خوب، غیرجنسی و غیرتوهین آمیز پدرتون بخندین
04:33
"This is me." Identity.
88
273706
2300
«این من هستم» شناسه هست
04:36
People are increasingly using media to explain, "This is who I am.
89
276030
3808
مردم در حال استفاده روز افزون رسانه ها برای توضیخ «این من هستم» هستن
04:39
This is my upbringing, this is my culture,
90
279862
2199
این تربیت منه این فرهنگ منه
04:42
this is my fandom, this is my guilty pleasure,
91
282085
2338
من طرفدار این هستم این لذت گناه من هست
04:44
and this is how I laugh about myself."
92
284447
2183
و این چیزی هست که من در مورد خودم میخندم
04:48
"Helps me connect with another person."
93
288600
1882
« به من کمک کرد با فرد دیگری ارتباط داشته باشم»
04:50
This is one of the greatest gifts of the internet.
94
290506
2411
این یک از بزرگترین هدیه های اینترنت بود این عجیبه
04:52
It's amazing when you find a piece of media
95
292941
2191
وقتی که شما قسمتی از رسانه رو پیدا میکنین
04:55
that precisely describes your bond with someone.
96
295156
2532
که به طور دقیق پیوند شما رو با یک نفر دقیق توصیف میکنه
این گروه از کارها به من کمک کردن تا کاری رو انجام بدم
04:59
This is the group of jobs that helps me do something --
97
299020
2598
05:01
helps me settle an argument,
98
301642
1377
کمک کردن تا من بحث رو حل کنم
کمکم کردن تا در مورد خودم یا فرد دیگه چیزی رو یاد بگیرم
05:03
helps me learn something about myself or another person,
99
303043
2673
05:05
or helps me explain my story.
100
305740
1856
یا کمکم کردم که داستانم رو تعریف کنم
05:07
This is the group of jobs that makes me feel something --
101
307620
2689
این گروه از کارها به من احساس چیزی رو دادن
من رو کنجکاو یا ناراحت کردن یا ایمان من رو به انسانیت بازیابی کردن
05:10
makes me curious or sad or restores my faith in humanity.
102
310333
3157
05:13
Many media companies and creators do put themselves
103
313514
3719
بسیاری از شرکت های رسانه ای و خالق ها خودشون رو در
05:17
in their audiences' shoes.
104
317257
1468
نگاه شنونده ها قرار بدن
05:18
But in the age of social media, we can go much farther.
105
318749
2704
اما در عصر رسانه های اجتماعی ما می تونیم فراتر بریم
05:22
People are connected to each other on Facebook, on Twitter,
106
322056
4062
مردم می تونن از طریق فیس بوک و توییتر با یکدیگر ارتباط داشته باشن
05:26
and they're increasingly using media to have a conversation
107
326142
4263
و اون به طور روز افزون از رسانه های برای ایجاد ارتباط استفاده می کنن
05:30
and to talk to each other.
108
330429
1454
و با همدیگه حرف میزنن
05:31
If we can be a part of establishing a deeper connection between two people,
109
331907
5836
اگر ما بتونیم قسمتی از ایجاد کننده ارتباط دقیق تر بین دو نفر باشیم
05:37
then we will have done a real job for these people.
110
337767
3189
اونوقت میتونیم یک کار واقعی برای این افراد انجام داده باشیم
05:41
Let me give you some examples of how this plays out.
111
341394
2589
بذارین براتون مثالی بزنم که این چطوری انجام میشه
05:44
This is one of my favorite lists:
112
344578
1891
این یکی از لیست های مورد علاقه منه
05:46
"32 Memes You Should Send Your Sister Immediately" --
113
346493
3303
«۳۲ الگوی رفتاری که شما باید به خواهرتون فورن بفرستین»
05:49
immediately.
114
349820
1302
فورن
05:51
For example, "When you're going through your sister's stuff,
115
351583
3104
مثلا «وقتی که خر و پرت های خواهررا بگردی،
05:54
and you hear her coming up the stairs."
116
354711
1979
وبشنوی که داره از پله ها میاد بالا
05:56
Absolutely, I've done that.
117
356714
1790
صد در صد، من انجامش دادم
05:58
"Watching your sister get in trouble for something that you did
118
358528
3155
«تماشا میکنین که خواهرتون به دلیل کار شما به دردسر میفته
06:01
and blamed on her."
119
361707
1192
و سرزنش میشه»
06:02
Yes, I've done that as well.
120
362923
1608
بله من این کار رو هم انجام دادم
06:04
This list got three million views.
121
364555
1799
این فهرست سه میلیون بیننده داشت
06:06
Why is that?
122
366378
1165
چرا اینطوری هست؟
06:07
Because it did, very well, several jobs:
123
367567
2976
به خاطر اینکه به طور خوبی چندتا کار رو انجام داد
06:10
"This is us."
124
370567
1520
«این ما هستیم»
06:12
"Connect with family."
125
372111
1265
«در ارتباط با خانواده هست»
06:13
"Makes me laugh."
126
373400
1181
«باعث خنده من شد»
06:14
Here are some of the thousands and thousands of comments
127
374605
3134
اینجا چند تا از هزاران پیام هست
06:17
that sisters sent to each other using this list.
128
377763
2849
که خواهرها به هم دیگه با استفاده از این لیست میفرستادن
06:21
Sometimes we discover what jobs do after the fact.
129
381508
3511
گاهی اوقات ما متوجه شدیم که چه کارهایی بعد از این واقعیت انجام شد
06:25
This quiz, "Pick an Outfit and We'll Guess Your Exact Age and Height,"
130
385592
5138
این سوال «یکی از لباس ها رو انتخاب کنید و ما سن و قد دقیق شما رو حدس میزنیم»
06:30
went very viral: 10 million views.
131
390754
2063
این خیلی ویروسی شد: ده میلیون بازدید
06:32
Ten million views.
132
392841
1176
ده میلیون بازدید
06:34
I mean -- did we actually determine the exact age and height
133
394041
4526
منظور من اینه: آیا ما واقعا سن و قد دقیق
06:38
of 10 million people?
134
398591
1584
ده میلیون نفر رو حساب کردیم؟
06:40
That's incredible. It's incredible.
135
400199
2262
این غیر ممکنه غیر ممکن
06:42
In fact, we didn't.
136
402485
1244
در حقیقت ما نکردیم
06:43
(Laughter)
137
403753
1129
(صدای خنده حضار)
06:44
Turns out that this quiz went extremely viral
138
404906
4093
معلوم شد که سوال کوییز در بین گروه خانم های ۵۵ سال به بالا
06:49
among a group of 55-and-up women --
139
409023
3563
بسیار زود محبوب شده بود
06:52
(Laughter)
140
412610
1172
(خنده حضار)
06:53
who were surprised and delighted
141
413806
3649
که سوپرایز و خوشحال شده بودند
06:57
that BuzzFeed determined that they were 28 and 5'9".
142
417479
5718
اما بوزفید سن ها را ۲۸ سال و قدها رو ۵/۹ فوت (۱۷۶ سانتی متر) اندازه گیزی گرفت
07:03
(Laughter)
143
423221
1610
(خنده حضار)
07:04
"They put me at 34 years younger and seven inches taller.
144
424855
3208
«اونا منو ۳۴ سال جوون تر و قدم رو ۷ اینچ (۱۸ سانت)بیشتر بیان کردن
07:08
I dress for comfort and do not give a damn what anyone says.
145
428087
2948
من لباس برای راحتی تنم میکنم و حرف های بقیه برای اهمیتی نمیدن
07:11
Age is a state of mind."
146
431059
1779
سن حالتی از مغز است
07:12
This quiz was successful not because it was accurate,
147
432862
3050
این کوییز بسیار موفق بود نه تنها به دلیل اینکه دقیق بود
07:15
but because it allowed these ladies to do a very important job --
148
435936
4054
بلکه به خاطر اینکه به خانم ها اجازه داد یک کار مهم بکنن
07:20
the humblebrag.
149
440014
1204
و اون تظاهر به شکایت بود
07:22
Now, we can even apply this framework to recipes and food.
150
442478
4983
حالا، ما میتونیم این چارچوب رو به 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.
151
447887
5573
کار یک دستور غذا ساده اینکه که به شما بگه چی برای شام و یا برای ناهار درست کنین
07:34
And this is how you would normally brainstorm for a recipe:
152
454205
3408
و به این صورت چگونه شما طوفان مغزی برای یک دستور غذا دارین
07:37
you figure out what ingredients you want to use,
153
457637
2323
متوجه میشین که جه موادی رو میخواین استفاده کنین
07:39
what recipe that makes,
154
459984
1168
چه دستوری درستش میکنه
و سپس شاید شما یک کاری رو سریع انجام بدین . در نهایت بخواین بفروشین
07:41
and then maybe you slap a job on at the end to sell it.
155
461176
3245
07:44
But what if we flipped it around and thought about the job first?
156
464445
4367
اما چی میشه اگه ما اون رو برعکس کنیم و اول به کار فکر کنیم؟
07:49
One brainstorming session involved the job of bonding.
157
469730
4665
پس، یک زمان طوفان مغزی که شامل پیوند دهنده کار بود
07:54
So, could we make a recipe that brought people together?
158
474976
4300
پس ما میتونیم یک دستور غذا داشته باشیم که مردم رو دور هم جمع کنه؟
07:59
This is not a normal brainstorming process at a food publisher.
159
479300
4421
این فرآیند ناگهانی معمولی برای تولید غذا نیست
08:05
So we know that people like to bake together,
160
485532
2715
پس ما میدونیم مردم دوست دارن با هم غذا درست کنن
08:08
and we know that people like to do challenges together,
161
488271
3285
و ما میدونیم مردم دوست دارن همدیگر رو به چالش بکشونن
08:11
so we decided to come up with a recipe that involved those two things,
162
491580
4733
پس ما تصمیم گرفتیم که یک دستور غذا درست کنیم که شامل این دو چیز بود
08:16
and we challenged ourselves:
163
496337
1911
و خودمون رو به چالش بکشیم
08:18
Could we get people to say,
164
498272
1806
ما میتونیم به مردم بگیم
08:20
"Hey, BFF, let's see if we can do this together"?
165
500102
4086
سلام دوست صمیمی، بیا هم ببینیم میتونیم این کار رو با هم بکنیم؟
08:24
The resulting video was the "Fudgiest Brownies Ever" video.
166
504807
3335
نتیجه به صورت ویدئو «همیشه کلوچه شکلاتی» بود
08:28
It was enormously successful in every metric possible --
167
508166
2924
این از هر جهت ممکنی موفق بود
08:31
70 million views.
168
511114
1364
۷۰ میلیون بازدید
08:32
And people said the exact things that we were going after:
169
512935
3700
و مردم وقیقا چیزهایی رو گفتن که ما میخواستیم بعد بگیم
08:36
"Hey, Colette, we need to make these, are you up for a challenge?"
170
516659
3100
«سلام کولت، اینا رو میخوایم درست کنیم، آیا برای چالش آماده ای؟»
08:39
"Game on."
171
519783
1153
«بازی شروع شد»
08:40
It did the job that it set out to do,
172
520960
2270
این کاری کرد که ما میخواستیم که انجام بدیم
که مردم رو برای پخت و پز و شکلات دور هم جمع کرد
08:43
which was to bring people together over baking and chocolate.
173
523254
4116
08:49
I'm really excited about the potential for this project.
174
529294
3924
من خیلی هیجان زده هستم تا از پتانسیل این پروژه صحبت کنم
08:53
When we talk about this framework with our content creators,
175
533242
3142
وقتی ما در مورد این چارچوب با سازنده های مطالب خودمون صحبت میکنیم
08:56
they instantly get it,
176
536408
1165
مردم درجا میگیرن
08:57
no matter what beat they cover, what country they’re in,
177
537597
2733
مهم نیست اونا در کجا هستن در داخل چه کشوری هستن
09:00
or what language they speak.
178
540354
1365
یا با چه زمانی صحبت میکنن
09:01
So cultural cartography has helped us massively scale our workforce training.
179
541743
4377
پس کارتوگرافی فرهنگیبه شدت به ما کمک میکنه که نیروی کار در حال آموزش رو بالا ببیریم
09:06
When we talk about this project and this framework
180
546621
3650
زمانی که ما در مورد این پروژه و چارچوب با تبلیغ کننده ها
09:10
with advertisers and brands,
181
550295
1372
و برندها صحبت میکنیم
09:11
they also instantly get it,
182
551691
1578
اونا هم درجا موضوع رو میگیرن
09:13
because advertisers, more often than media companies,
183
553293
5626
به دلیل اینکه تبلیغ کننده ها بیشتر از شرکت های رسانه
09:18
understand how important it is to understand the job
184
558943
3522
متوجه میشن که کار از چه اهمیتی به دلیل اینکه محصولاتشون
09:22
that their products are doing for customers.
185
562489
2446
برای مشتری ها انجام میده، برخوردار هست
09:26
But the reason I'm the most excited about this project
186
566580
3743
اما دلیل اینکه من خیلی برای این کار هیجان زده هستم
09:30
is because it changes the relationship between media and data.
187
570347
3871
اینه که این روابط بین رسانه و داده رو عوض میکنه
09:35
Most media companies think of media as "mine."
188
575051
3434
بیشتر شرکت های رسانه در مورد رسانه «من» فکر میکنن
09:39
How many fans do I have?
189
579547
1207
چقدر من طرفدار دارم؟
09:40
How many followers have I gained?
190
580778
1597
چند تا فالور من جذب کردم؟
09:42
How many views have I gotten?
191
582399
1707
چقدر آمار بازدید کننده های منه؟
09:44
How many unique IDs do I have in my data warehouse?
192
584130
2777
چقدر شناسه (آیدی) یکتا من در پایگاه داده دارم؟
09:47
But that misses the true value of data, which is that it's yours.
193
587372
3948
اما این ارزش واقعی اطلاعات رو نادیده میگیره که اونمال تو هست
09:53
If we can capture in data what really matters to you,
194
593166
6098
اما بتونیم داده ها که بسیار برای شما ارزشمند هست رو ضبط کنیم
09:59
and if we can understand more the role that our work plays
195
599288
4488
. اگر ما بتونیم نقش های بیشتری رو که کار ما در زندگی واقعی شما انحام میده رو
10:03
in your actual life,
196
603800
1389
متوجه بشیم
10:05
the better content we can create for you,
197
605213
2863
بهتر میتونیم برای شما محتوا تولید کنیم
10:08
and the better that we can reach you.
198
608100
1857
و بهتر میتونیم به شما برسیم
10:10
Who are you?
199
610760
1275
چه کسی هستین؟
10:13
How did you get there?
200
613293
1580
چه طوری اونجا رسیدین؟
10:14
Where are you going?
201
614897
1209
کجا میخواین برین؟
10:16
What do you care about?
202
616130
1269
به چه چیزی اهمیت میدین؟
10:17
What can you teach us?
203
617423
1379
شما چه چیزی به ما یاد میدین؟
10:19
That's cultural cartography.
204
619151
1460
این کرماتوگرافی فرهنگی بود
10:21
Thank you.
205
621146
1156
ممنون
10:22
(Applause)
206
622326
3380
(خنده حضار)
درباره این وب سایت

این سایت ویدیوهای یوتیوب را به شما معرفی می کند که برای یادگیری زبان انگلیسی مفید هستند. دروس انگلیسی را خواهید دید که توسط معلمان درجه یک از سراسر جهان تدریس می شود. روی زیرنویس انگلیسی نمایش داده شده در هر صفحه ویدیو دوبار کلیک کنید تا ویدیو از آنجا پخش شود. زیرنویس‌ها با پخش ویدیو همگام می‌شوند. اگر نظر یا درخواستی دارید، لطفا با استفاده از این فرم تماس با ما تماس بگیرید.

https://forms.gle/WvT1wiN1qDtmnspy7