Ο Juan Pablo Tejela, Διευθύνων Σύμβουλος και Συνιδρυτής της Metricool – Σειρά Συνεντεύξεων

Ο Juan Pablo Tejela, διευθύνων σύμβουλος και συνιδρυτής της Metricool, είναι μηχανικός λογισμικού και επιχειρηματίας στον χώρο της τεχνολογίας. Ηγείται της εταιρείας από το 2014, συμβάλλοντας στην εξέλιξή της σε ολοκληρωμένη πλατφόρμα διαχείρισης και μέτρησης ψηφιακού περιεχομένου. Πριν ιδρύσει τη Metricool, εργάστηκε σχεδόν εννέα χρόνια στην Optimyth Software, με αρμοδιότητες στη διαχείριση προϊόντος, την ανάπτυξη εφαρμογών, τον σχεδιασμό διεπαφών χρήστη, την τεχνική υποστήριξη πριν από την πώληση, την εξυπηρέτηση πελατών και το διαδικτυακό μάρκετινγκ της πλατφόρμας ανάλυσης λογισμικού Kiuwan. Νωρίτερα κατείχε θέσεις μηχανικού λογισμικού στις Swissrisk, Indra, EADS-CASA και FEDETEC, εργαζόμενος σε Java, C++, ενσωματωμένα συστήματα, τεχνολογίες επικοινωνιών και ανάπτυξη του πυρήνα Linux.

Η Metricool είναι πλατφόρμα διαχείρισης κοινωνικών δικτύων με έδρα τη Μαδρίτη. Επιτρέπει σε δημιουργούς, εμπορικά σήματα και εταιρείες μάρκετινγκ να σχεδιάζουν περιεχόμενο, να δημοσιεύουν αναρτήσεις, να διαχειρίζονται συνομιλίες, να αναλύουν επιδόσεις, να παρακολουθούν ανταγωνιστές και να δημιουργούν αναφορές από έναν κεντρικό χώρο εργασίας. Υποστηρίζει μεγάλα κοινωνικά δίκτυα και διαφημιστικά κανάλια, όπως Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google και Meta Ads, και προσφέρει εργαλεία δημιουργίας και βελτιστοποίησης περιεχομένου με τη βοήθεια AI. Η Metricool αναφέρει ότι εξυπηρετεί περισσότερους από δύο εκατομμύρια χρήστες, ανάμεσά τους οργανισμούς όπως οι Forbes, Adidas, Volvo, H&M και Warner Music (WMG ) Group.

Ξεκινήσατε από τη μηχανική λογισμικού, τα ενσωματωμένα συστήματα, την ποιότητα εφαρμογών και την ανάπτυξη προϊόντων. Πώς διαμόρφωσαν αυτές οι εμπειρίες την προσέγγισή σας όταν ιδρύσατε τη Metricool και ποια ανεκπλήρωτη ανάγκη σάς έπεισε ότι οι επαγγελματίες κοινωνικών δικτύων χρειάζονταν νέο είδος πλατφόρμας ανάλυσης;

Ειλικρινά, η Metricool ξεκίνησε σε μικρότερη κλίμακα απ’ όσο νομίζει ο κόσμος. Η σύζυγός μου Laura κι εγώ τη δημιουργήσαμε το 2015 ως παράλληλο έργο, ενώ συνεχίζαμε τις κανονικές μας δουλειές. Οι bloggers κυριαρχούσαν τότε στο διαδίκτυο και παρατηρήσαμε ότι δεν είχαν καλό τρόπο να βλέπουν όλα τα στοιχεία τους σε ένα σημείο. Τα πάντα ήταν διάσπαρτα σε πέντε διαφορετικά εργαλεία, κανένα σχεδιασμένο για μη τεχνικούς χρήστες. Η εμπειρία μου στα ενσωματωμένα συστήματα και τη διασφάλιση ποιότητας μού είχε εντυπώσει μια συνήθεια: δεν εμπιστεύεσαι κάτι που δεν έχεις μετρήσει ο ίδιος. Έτσι φτιάξαμε την απλή εκδοχή που θα θέλαμε να υπάρχει.

Την ιδέα όμως δεν την επιβεβαίωσαν τελικά οι bloggers, αλλά οι επαγγελματίες κοινωνικών δικτύων που άρχισαν να εγγράφονται αμέσως μετά. Ήθελαν αναφορές για πελάτες με επαγγελματική εμφάνιση και, το κρίσιμο για ένα παράλληλο έργο, ήταν διατεθειμένοι να πληρώσουν. Οι bloggers, ως επί το πλείστον, δεν ήταν. Τότε κατάλαβα ότι δεν φτιάχναμε εργαλείο για χόμπι· εξυπηρετούσαμε ένα επάγγελμα με ανεπαρκή εργαλεία. Κρατήσαμε τις δουλειές μας μέχρι που ο συνδυασμός έγινε αδύνατος και ξεκινήσαμε συστηματικές προσλήψεις τον Ιανουάριο του 2017. Όλα όσα ακολούθησαν είναι συνέχεια εκείνης της πρώτης παρόρμησης: αφαιρούμε τον θόρυβο, κρατάμε διαφανή τα αναλυτικά στοιχεία και φτιάχνουμε κάτι για τον άνθρωπο που κάνει τη δουλειά, όχι για εκείνον που αγοράζει λογισμικό για άλλους.

Η Metricool εξελίχθηκε από εξειδικευμένο προϊόν ανάλυσης σε πλατφόρμα διαχείρισης κοινωνικών δικτύων που χρησιμοποιούν περισσότεροι από τέσσερα εκατομμύρια επαγγελματίες, εταιρείες μάρκετινγκ, δημιουργοί και εμπορικά σήματα. Ποιες αποφάσεις προϊόντος συνέβαλαν περισσότερο σε αυτή την ανάπτυξη και υπήρξαν στιγμές που αναθεωρήσατε το αρχικό όραμα;

Μερικές αποφάσεις μέτρησαν περισσότερο από τις υπόλοιπες. Η πρώτη ήταν να επενδύσουμε πλήρως στην ανάλυση, όταν όλοι οι άλλοι, όπως οι Hootsuite και Buffer, εστίαζαν στον προγραμματισμό αναρτήσεων. Παραμένει η διαφορά μας μέχρι σήμερα. Η δεύτερη ήταν να αρνηθούμε να γίνουμε ένα «αμερικανικό» εργαλείο που αντιμετωπίζει τα ισπανικά και τις άλλες γλώσσες ως δευτερεύουσα σκέψη. Αυτό μας έδωσε από νωρίς ουσιαστικό πλεονέκτημα στην Ευρώπη και τη Λατινική Αμερική. Η τρίτη, πιο πρόσφατη, ήταν η απόφαση ότι οι διαφημίσεις κοινωνικών δικτύων δεν μπορούν να βρίσκονται σε χωριστό εργαλείο από το οργανικό περιεχόμενο, επειδή κανένας διαχειριστής κοινωνικών δικτύων δεν τα σκέφτεται πραγματικά χωριστά.

Άλλαξε το όραμα; Συνεχώς, και δεν θεωρώ ότι είναι κακό. Δεν ξεκινήσαμε για να εξυπηρετήσουμε εταιρείες μάρκετινγκ· φτιάχναμε κάτι για μεμονωμένους επαγγελματίες και bloggers. Οι εταιρείες ήρθαν από μόνες τους και μας είπαν τι χρειάζονταν: αναφορές με τη δική τους επωνυμία, πίνακες παρακολούθησης πολλών πελατών και λογαριασμούς για μέλη ομάδας. Τις ακούσαμε και ενεργήσαμε. Το ίδιο έγινε αργότερα με τα εμπορικά σήματα. Αν είχα επιμείνει υπερβολικά στο «αρχικό όραμα», θα είχαμε φτιάξει πολύ μικρότερο προϊόν για ένα περιορισμένο κοινό. Το σχέδιο δεν ήταν ποτέ απαραβίαστο. Οι χρήστες χάραξαν σε μεγάλο βαθμό τον οδικό μας χάρτη.

Η έρευνα της Metricool έδειξε ότι το 96% των επαγγελματιών κοινωνικών δικτύων χρησιμοποιεί AI, αλλά το 36% δεν γνωρίζει ή δεν μετρά αν το περιεχόμενο που παράγεται με AI αποδίδει καλύτερα. Γιατί η υιοθέτηση προχώρησε τόσο ταχύτερα από την ικανότητα αξιολόγησης του πραγματικού επιχειρηματικού της αντίκτυπου;

Επειδή η χρήση AI είναι εύκολη, ενώ η σωστή μέτρησή της απαιτεί δουλειά. Ανοίγεις ένα εργαλείο, παίρνεις μια λεζάντα και τη δημοσιεύεις, χωρίς καμία δυσκολία. Για να ξέρεις όμως αν η λεζάντα πρόσφερε κάτι, πρέπει να οργανώσεις σύγκριση, να έχεις υπομονή και να αντισταθείς στον πειρασμό να πανηγυρίσεις μετά από μία καλή ανάρτηση. Οι περισσότερες ομάδες δεν έχουν αποκτήσει ακόμη αυτή τη συστηματικότητα. Και, ειλικρινά, γιατί να την είχαν; Μέχρι πριν από δεκαοκτώ μήνες κανείς δεν χρειαζόταν να ρωτήσει αν η εκδοχή της AI ξεπέρασε την ανθρώπινη. Ένας άνθρωπος έγραφε το κείμενο και αξιολογούσες την ίδια την ανάρτηση.

Αυτό το 36% δεν με ανησυχεί τόσο όσο ίσως ακούγεται ότι θα έπρεπε. Δεν σημαίνει ότι ο κόσμος είναι απρόσεκτος. Η μέτρηση πάντα ακολουθεί με καθυστέρηση την υιοθέτηση. Συνέβη με την πληρωμένη διαφήμιση στα κοινωνικά δίκτυα, συνέβη με το μάρκετινγκ μέσω influencers και συμβαίνει ξανά. Τα εργαλεία χρήσης AI βελτιώθηκαν γρήγορα. Οι συνήθειες αξιολόγησής της δεν έχουν προλάβει ακόμη. Θα προλάβουν.

Η παραγωγική AI επιτρέπει στα εμπορικά σήματα να παράγουν περισσότερο περιεχόμενο με χαμηλότερο κόστος, αλλά η μεγαλύτερη απήχηση ή ο όγκος αναρτήσεων μπορεί να δημιουργούν ψευδή αίσθηση επιτυχίας. Ποιους δείκτες πρέπει να προτάσσουν οι ομάδες για να διαπιστώνουν αν το περιεχόμενο με AI ενισχύει την εμπιστοσύνη, την εικόνα της μάρκας και τις σχέσεις με τους πελάτες;

Η απήχηση είναι ο δείκτης που η AI διογκώνει πιο εύκολα και εξηγεί πιο δύσκολα. Αν κοιτάς μόνο αυτόν τον αριθμό, μπορεί να αισθάνεσαι υπέροχα για μήνες, μέχρι ξαφνικά να πάψεις. Εγώ θα παρακολουθούσα αν οι άνθρωποι αποθηκεύουν ή κοινοποιούν το περιεχόμενο, αντί απλώς να το προσπερνούν. Αυτή είναι η διαφορά μεταξύ «το είδα» και «άξιζε να το κρατήσω». Είναι τα σχόλια πραγματική συζήτηση ή περισσότερος θόρυβος κάτω από περισσότερες αναρτήσεις; Και κάτι που συνεχώς παραλείπεται: ύστερα από τριακόσιες αναρτήσεις με τη βοήθεια AI, η μάρκα εξακολουθεί να ακούγεται σαν ένα συνεπές πρόσωπο ή η φωνή της αλλάζει ανάρτηση με την ανάρτηση χωρίς να το προσέχει κανείς;

Το τελευταίο είναι το ύπουλο. Η εμπιστοσύνη δεν καταρρέει μονομιάς· διαβρώνεται αθόρυβα. Όταν αυτό φανεί στην απήχηση ή στις πωλήσεις, την έχεις ήδη χάσει σταδιακά επί μήνες.

Η Metricool διαπίστωσε ότι το 66% των ερωτηθέντων χρησιμοποιεί AI τουλάχιστον στο μισό περιεχόμενό του, ενώ έξι στους δέκα πιστεύουν ότι το περιεχόμενο AI ισοδυναμεί με το ανθρώπινο ή το ξεπερνά. Πώς μπορούν οι μάρκες να σχεδιάζουν δίκαιες συγκρίσεις, χωρίς να συγχέουν τη συσχέτιση, τους αλγόριθμους της πλατφόρμας και την ποιότητα του περιεχομένου;

Κρατήστε τα πάντα σταθερά εκτός από το στοιχείο που δοκιμάζετε: ίδιες οδηγίες, ίδια πλατφόρμα, ίδια ημέρα και ώρα, ίδιο άτομο στην τελική επιμέλεια. Αλλάξτε μόνο ποιος έγραψε το πρώτο προσχέδιο. Αυτό είναι όλο. Οι περισσότερες συγκρίσεις «AI εναντίον ανθρώπου» δεν το κάνουν. Συγκρίνουν μια ανάρτηση AI της Τρίτης με ανθρώπινη ανάρτηση πριν από τρεις μήνες, για εντελώς διαφορετικό θέμα, και μετά βγάζουν συμπέρασμα.

Κάντε συγκρίσεις σε ζεύγη και επαναλάβετε τις δοκιμές για εβδομάδες, όχι για μία ανάρτηση. Η επίδοση μιας μεμονωμένης ανάρτησης εξαρτάται πολύ από την τύχη και τη συμπεριφορά του αλγόριθμου εκείνη τη μέρα, οπότε χρειάζεται αρκετό δείγμα για να δείτε πέρα από αυτά. Και να είστε ειλικρινείς για το τι σημαίνει «ισοδυναμεί με την ανθρώπινη δουλειά». Αν το περιεχόμενο AI έχει παρόμοιες εμφανίσεις αλλά χειρότερα σχόλια ή λιγότερες αποθηκεύσεις, αυτό δεν είναι ισοπαλία· είναι προειδοποίηση. Υποψιάζομαι ότι μεγάλο μέρος της βεβαιότητας αυτών των «έξι στους δέκα» προέρχεται από ανθρώπους που κοιτούν τον επιφανειακό αριθμό και σταματούν εκεί.

Πού προσφέρει σήμερα τη μεγαλύτερη αξία η αυτοματοποίηση στις ομάδες κοινωνικών δικτύων και ποιες ευθύνες, όπως η φωνή της μάρκας, η διαχείριση κοινοτήτων ή η ανταπόκριση σε κρίση, πρέπει να παραμένουν σταθερά υπό ανθρώπινο έλεγχο;

Στις βαρετές εργασίες μεγάλου όγκου: προγραμματισμός αναρτήσεων, πρώτα προσχέδια, αλλαγή διαστάσεων βίντεο για έξι πλατφόρμες, εξαγωγή μηνιαίας αναφοράς. Εκεί η αυτοματοποίηση ουσιαστικά επιστρέφει χρόνο στην ομάδα. Κανείς δεν θα έπρεπε να τα κάνει αυτά με το χέρι το 2026.

Για μένα, το όριο είναι η κρίση. Η φωνή, η κοινότητα και ειδικά οτιδήποτε αφορά κρίση χρειάζονται άνθρωπο. Όχι επειδή η AI δεν μπορεί να συντάξει κάτι λογικό· συχνά μπορεί. Αλλά το κόστος ενός λάθος τόνου σε ευαίσθητη στιγμή είναι δημόσιο και άμεσο, και η φήμη μιας μάρκας δεν προσφέρεται για δοκιμή A/B. Θα επιστρέψω σε κάτι που έχω ξαναπεί: η ελλιπής ή κακή παρουσία στα κοινωνικά δίκτυα μοιάζει με σπασμένη βιτρίνα. Η AI να συντάσσει απάντηση σε κρίση για να την ελέγξει άνθρωπος σε τριάντα δευτερόλεπτα; Εξαιρετικά. Να πατά μόνη της δημοσίευση; Ποτέ.

Το Metricool Studio επιτρέπει παραγωγή αναφορών, συγκρίσεις επιδόσεων, ανάλυση ανταγωνιστών και εντοπισμό μοτίβων δημοσίευσης μέσω προτροπών φυσικής γλώσσας. Καθώς η AI μετακινείται από τη δημιουργία περιεχομένου στην ερμηνεία αποτελεσμάτων, πώς αλλάζει η καθημερινή δουλειά των διαχειριστών κοινωνικών δικτύων και των αναλυτών μάρκετινγκ;

Μεταφέρει τη δουλειά σε υψηλότερο επίπεδο. Μεγάλο μέρος της εβδομάδας ενός διαχειριστή κοινωνικών δικτύων εξακολουθεί να αναλώνεται στη μεταφορά αριθμών σε διαφάνειες και στη συγγραφή της πρότασης που εξηγεί τι συνέβη. Αν μπορείς απλώς να ρωτήσεις «γιατί μειώθηκε η αλληλεπίδραση την περασμένη εβδομάδα;» και να πάρεις ουσιαστική απάντηση σε δευτερόλεπτα, σχεδόν όλο αυτό το κομμάτι της εβδομάδας απελευθερώνεται.

Απομένει το πραγματικά πολύτιμο μέρος: να αποφασίσεις τι θα κάνεις με την απάντηση. Σε ποια μορφή περιεχομένου θα επενδύσεις περισσότερο, πώς θα το εξηγήσεις σε πελάτη που δεν ενδιαφέρεται για τις τεχνικές λεπτομέρειες, πότε τα δεδομένα λένε κάτι διαφορετικό από το ένστικτό σου. Δεν νομίζω ότι ο ρόλος συρρικνώνεται. Χωρίζει γρήγορα τους επαγγελματίες σε δύο ομάδες: όσους έκαναν πραγματική ανάλυση και όσους κυρίως καταχωρούσαν δεδομένα με πρόσθετα βήματα. Μόνο η πρώτη ομάδα θα εξελιχθεί από εδώ και πέρα.

Η Metricool έχει υιοθετήσει το Model Context Protocol, επιτρέποντας σε βοηθούς AI, πλατφόρμες αυτοματοποίησης και προσαρμοσμένους πράκτορες να αλληλεπιδρούν με δεδομένα και ροές εργασίας κοινωνικών δικτύων. Ποιες ευκαιρίες δημιουργούνται και πώς αποτρέπονται ακατάλληλες δημοσιεύσεις, λανθασμένες ερμηνείες αναλυτικών στοιχείων ή ενέργειες που βλάπτουν μια μάρκα;

Ήμασταν από τις πρώτες πλατφόρμες κοινωνικών δικτύων που ανέπτυξαν λειτουργίες πάνω στο MCP του Claude, για έναν απλό λόγο: τα δεδομένα της Metricool δεν περιορίζονται πια στη δική μας διεπαφή. Ο πράκτορας μιας μάρκας, μια πλατφόρμα αυτοματοποίησης ή ό,τι ήδη χρησιμοποιεί η ομάδα μπορεί να αντλεί στοιχεία επιδόσεων ή να ενεργοποιεί απευθείας μια ροή εργασίας, χωρίς να χρειάζεται να κατασκευάζουμε εμείς κάθε διασύνδεση. Αυτό ανοίγει τον δρόμο για ροές που δεν έχουμε ακόμη φανταστεί, σχεδιασμένες από όσους βρίσκονται πιο κοντά στα δεδομένα.

Η αντιμετώπιση του κινδύνου πρέπει να ενσωματώνεται στον σχεδιασμό από την πρώτη ημέρα, όχι να προστίθεται εκ των υστέρων. Στην πράξη, η δημοσίευση πρέπει εξ ορισμού να περιλαμβάνει ανθρώπινη έγκριση, αντί να γίνεται αυτόνομα και αθόρυβα, ιδιαίτερα όταν αφορά περιεχόμενο προς πελάτες. Τα δικαιώματα πρέπει να είναι αυστηρά περιορισμένα: ένας πράκτορας που φτιάχτηκε για να εξάγει αναφορά δεν πρέπει να μπορεί να ενεργοποιήσει ανάρτηση. Και κάθε ενέργεια χρειάζεται καταγεγραμμένο ίχνος που μπορεί να ελέγξει άνθρωπος αργότερα. Το πρωτόκολλο παρέχει τη σύνδεση. Τις δικλίδες πρέπει να τις επιλέγει συνειδητά κάθε εταιρεία.

Η έρευνα της Metricool δείχνει ότι οι παραδοσιακές δημόσιες αλληλεπιδράσεις μπορεί να μειώνονται ενώ η συνολική εμπλοκή αυξάνεται, μέσω λιγότερο ορατών ενεργειών όπως κλικ, σαρώσεις οθόνης, προβολές και πατήματα συνδέσμων. Πώς πρέπει να προσαρμόζονται οι μάρκες όταν μερικά από τα πιο ουσιαστικά σημάδια προσοχής είναι όλο και λιγότερο δημόσια;

Τα likes και τα σχόλια δεν ήταν ποτέ ιδιαίτερα καλός δείκτης προσοχής και γίνονται χειρότερος. Το μεγαλύτερο μέρος του πραγματικού ενδιαφέροντος εκδηλώνεται πλέον εκεί όπου δεν το βλέπουν οι άλλοι. Κάποιος περνά από κάθε διαφάνεια ενός καρουζέλ, βλέπει ένα βίντεο μέχρι τέλους ή τραβά στιγμιότυπο για να το στείλει ιδιωτικά σε φίλο. Τίποτα από αυτά δεν φαίνεται δημόσια. Όλα όμως είναι πραγματική προσοχή, ίσως πιο πολύτιμη από ένα αντανακλαστικό διπλό πάτημα.

Οι μάρκες πρέπει λοιπόν να εξοικειωθούν με την αντιμετώπιση του ποσοστού ολοκλήρωσης, της συνέχισης περιήγησης στις διαφάνειες και των κλικ ως βασικών δεικτών, όχι ως υποσημειώσεων κάτω από τα likes. Η πρακτική αλλαγή είναι να θέτουν διαφορετικό ερώτημα: όχι «πόση αλληλεπίδραση είχαμε;», αλλά «πόση προσοχή κερδίσαμε πραγματικά;», γνωρίζοντας ότι το μεγαλύτερο μέρος του δεύτερου αριθμού δεν θα φανεί ποτέ έξω από τον δικό τους πίνακα παρακολούθησης.

Κοιτάζοντας μπροστά, περιμένετε η AI να παραμείνει σύνολο βοηθών για επαγγελματίες κοινωνικών δικτύων ή να εξελιχθεί σε λειτουργικό επίπεδο που σχεδιάζει συνεχώς καμπάνιες, κατανέμει πόρους, ερμηνεύει επιδόσεις και προτείνει αποφάσεις σε όλες τις πλατφόρμες;

Σε λειτουργικό επίπεδο, και νωρίτερα απ’ όσο περιμένουν οι περισσότεροι. Το μοντέλο «ρωτάω την AI ένα πράγμα κάθε φορά» είναι μεταβατική φάση, όχι ο τελικός προορισμός. Αυτό προς το οποίο δουλεύουμε είναι AI κάτω από ολόκληρη τη ροή εργασίας: παρακολουθεί συνεχώς την απόδοση σε κάθε πλατφόρμα, εντοπίζει τι λειτουργεί πριν το προσέξει άνθρωπος και προτείνει την επόμενη κίνηση.

Προτείνει, δεν αποφασίζει. Δεν πιστεύω ότι το τελικό στάδιο είναι AI που διαχειρίζεται καμπάνιες χωρίς να την παρακολουθεί κανείς. Πιστεύω ότι θα κάνει την αδιάκοπη παρακολούθηση για την οποία καμία ομάδα δεν έχει αρκετό χρόνο και θα δίνει στον άνθρωπο μια σύντομη, χρήσιμη λίστα αντί για αμέτρητους πίνακες ελέγχου. Οι επαγγελματίες που θα διακριθούν δεν θα είναι όσοι πολεμούν αυτό το επίπεδο, αλλά όσοι μάθουν να το κατευθύνουν σωστά.

Ευχαριστούμε για την ενδιαφέρουσα συνέντευξη. Όσοι θέλουν να μάθουν περισσότερα μπορούν να επισκεφθούν τη Metricool.