Juan Pablo Tejela, CEO e Co-Fondatore di Metricool – Serie di Interviste

Juan Pablo Tejela, CEO e co-fondatore di Metricool, è un ingegnere software e imprenditore tecnologico che ha guidato l’azienda dal 2014, aiutandola a svilupparsi in una piattaforma completa per la gestione e la misurazione dei contenuti digitali. Prima di lanciare Metricool, ha trascorso quasi nove anni in Optimyth Software, dove le sue responsabilità includevano la gestione dei prodotti, lo sviluppo delle applicazioni, la progettazione dell’interfaccia utente, la presales, il supporto clienti e il marketing online per la piattaforma di analisi software Kiuwan. All’inizio della sua carriera, Tejela ha ricoperto ruoli di ingegnere software in Swissrisk, Indra, EADS-CASA e FEDETEC, lavorando su Java, C++, sistemi embedded, tecnologia delle comunicazioni e sviluppo del kernel Linux.

Metricool è una piattaforma di gestione dei social media con sede a Madrid che consente ai creatori, ai marchi e alle agenzie di pianificare i contenuti, pubblicare post, gestire le conversazioni, analizzare le prestazioni, monitorare i concorrenti e generare report da un’area di lavoro centralizzata. La piattaforma supporta i principali social network e canali pubblicitari, tra cui Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google e Meta Ads, e offre anche strumenti di creazione e ottimizzazione dei contenuti assistiti dall’intelligenza artificiale. Metricool afferma di servire oltre due milioni di utenti, tra cui organizzazioni come Forbes, Adidas, Volvo, H&M e Warner Music (WMG ) Group.

La tua carriera è iniziata nell’ingegneria del software, nei sistemi embedded, nella qualità delle applicazioni e nello sviluppo dei prodotti. Come queste esperienze hanno plasmato il tuo approccio quando hai fondato Metricool, e quale esigenza insoddisfatta ti ha convinto che i professionisti dei social media richiedevano una nuova tipo di piattaforma di analisi?

Onestamente, Metricool è iniziata più piccola di quanto la gente pensi. Mia moglie Laura e io l’abbiamo costruita nel 2015 come progetto laterale, oltre ai nostri lavori regolari. I blogger erano la cosa più grande su internet all’epoca, e abbiamo notato che non avevano un modo decente per vedere i loro numeri in un unico posto – tutto era sparpagliato tra cinque strumenti diversi, nessuno dei quali era stato costruito per qualcuno che non fosse tecnico. La mia formazione nei sistemi embedded e nella qualità mi aveva inculcato un’abitudine. Non si può fidare di qualcosa che non si è misurato personalmente. Quindi abbiamo costruito la versione semplice che desideravamo esistesse.

Ciò che ha effettivamente validato l’idea non erano i blogger, però – erano i professionisti dei social media che hanno iniziato a iscriversi subito dopo di loro. Volevano report per i clienti che sembrassero professionali, e questa è la parte che contava per un progetto laterale – erano disposti a pagare. I blogger per lo più non lo erano. È stato il momento in cui ho capito che non stavamo costruendo uno strumento per hobby, stavamo costruendo per una professione insoddisfatta. Abbiamo mantenuto i nostri lavori fino a quando non è diventato ingestibile, e abbiamo iniziato ad assumere personale a tempo pieno nel gennaio 2017. Tutto da allora è stato solo un’estensione di quel primo istinto: eliminare il rumore, mantenere l’analisi trasparente e costruire qualcosa per la persona che svolge il lavoro, non per la persona che acquista software per altri.

Metricool è evoluta da un prodotto di analisi focalizzato in una piattaforma di gestione dei social media utilizzata da oltre quattro milioni di professionisti, agenzie, creatori e marchi. Quali sono state le decisioni di prodotto più conseguenziali dietro questa crescita, e ci sono stati momenti in cui hai dovuto rivedere la visione originale dell’azienda?

Alcune decisioni sono state più importanti delle altre. Andare all-in sull’analisi mentre tutti gli altri – Hootsuite, Buffer – si concentravano sulla pianificazione è stata la prima, ed è ancora il nostro differenziatore oggi. La seconda è stata rifiutare di essere uno “strumento americano” che trattava lo spagnolo e altre lingue come un ripensamento; ciò ci ha dato un vero vantaggio in Europa e America Latina all’inizio. La terza, più recente, è stata decidere che la pubblicità sui social non poteva vivere in uno strumento separato dai contenuti organici, perché nessun gestore dei social media pensa realmente a loro in modo separato.

La visione è cambiata? Costantemente, e non credo che sia una cosa negativa. Non abbiamo iniziato a costruire per le agenzie, invece abbiamo costruito per i professionisti individuali e i blogger. Le agenzie sono arrivate da sole, ci hanno detto cosa avevano bisogno (report con marchio bianco, dashboard multi-cliente, posti per il team), e noi abbiamo ascoltato e agito. Lo stesso vale per i marchi in seguito. Se avessi mantenuto la “visione originale” di Metricool troppo a lungo, avremmo costruito un prodotto molto più piccolo per un pubblico di nicchia. Il piano non era mai sacro. Gli utenti hanno in gran parte delineato la roadmap per noi.

La ricerca di Metricool ha scoperto che il 96% dei professionisti dei social media utilizza l’intelligenza artificiale, ma il 36% non sa o non misura se i contenuti generati dall’AI performano meglio. Perché l’adozione dell’AI è avanzata così rapidamente rispetto alla capacità delle organizzazioni di valutare il suo impatto aziendale reale?

Perché utilizzare l’AI è facile e misurarla correttamente è lavoro. Si apre uno strumento, si ottiene un titolo, si pubblica – nessuna frizione. Sapere realmente se quel titolo ha fatto qualcosa per voi significa impostare un confronto, essere pazienti, resistere all’impulso di dichiarare la vittoria dopo un solo buon post. La maggior parte delle squadre non ha ancora costruito quella disciplina, e onestamente, perché avrebbero dovuto farlo? Fino a diciotto mesi fa, nessuno aveva bisogno di chiedere “il contenuto dell’AI ha performato meglio del contenuto umano” – una persona lo scriveva, e si giudicava il post per i suoi meriti.

Quel 36% non mi preoccupa nel modo in cui potrebbe sembrare. Non è che le persone siano negligenti. È che la misurazione sempre segue l’adozione – è successo con la pubblicità a pagamento, è successo con il marketing degli influencer, sta succedendo di nuovo qui. Gli strumenti per utilizzare l’AI si sono migliorati rapidamente. Gli abitudini per giudicarla non hanno ancora colmato il divario. Lo faranno.

L’AI generativa consente ai marchi di produrre più contenuti a un costo inferiore, ma una maggiore portata o volume di pubblicazione può creare una falsa sensazione di successo. Quali metriche dovrebbero utilizzare le squadre per determinare se i contenuti assistiti dall’AI stanno rafforzando la fiducia, la salute del marchio e le relazioni con i clienti?

La portata è la metrica che l’AI è meglio in grado di gonfiare e peggiore a spiegare. Se si guarda solo a quel numero, ci si sentirà bene per mesi, fino a quando non si smette di farlo. Ciò che monitorerei veramente sono le persone che salvano o condividono i contenuti, non solo scorrendo oltre – è la differenza tra “l’ho visto” e “questo valeva la pena conservare”. I commenti sono una conversazione reale, o solo altro rumore sotto altri post? E, questo viene saltato costantemente, il marchio suona ancora come una persona dopo trecento post assistiti dall’AI, o ha iniziato a derivare post dopo post senza che nessuno se ne accorga?

Quell’ultimo è il più furbo. La fiducia non collassa tutto in una volta – si erode silenziosamente, e nel momento in cui la portata o le vendite lo mostrano, si è stati a perdere per mesi.

Metricool ha scoperto che il 66% dei rispondenti coinvolge l’AI in almeno la metà dei propri contenuti, mentre sei su dieci ritengono che i contenuti generati dall’AI siano equivalenti o superiori a quelli creati dagli esseri umani. Come dovrebbero progettare esperimenti le aziende per confrontare in modo equo i contenuti assistiti dall’AI e quelli creati dagli esseri umani senza confondere la correlazione, gli algoritmi delle piattaforme e la qualità dei contenuti?

Mantenere tutto fisso tranne la cosa che si sta testando – stesso brief, stessa piattaforma, stesso giorno e ora, stessa persona che esegue l’ultima modifica – e scambiare solo chi ha scritto la prima bozza. È tutto. La maggior parte dei confronti “AI vs. umano” in circolazione non fa questo. Confrontano un post dell’AI di martedì con un post umano di tre mesi fa su un argomento completamente diverso, e poi traggono una conclusione.

Eseguire in coppia, eseguire per settimane, non per un solo post – le prestazioni di un singolo post sono in gran parte fortuna e umore dell’algoritmo quel giorno, e si ha bisogno di abbastanza volume per vedere oltre. E essere onesti su cosa significhi veramente “uguagliare il lavoro umano”. Se il contenuto dell’AI ottiene impressioni simili ma una qualità dei commenti peggiore o un minor numero di salvataggi, non è un pareggio, è un segno di allarme. Gran parte di quella “sei su dieci” di fiducia, sospetto, è gente che guarda il numero di superficie e si ferma lì.

Dove l’automazione aggiunge attualmente il maggior valore per le squadre dei social media, e quali responsabilità, come stabilire la voce del marchio, gestire le comunità o rispondere durante una crisi, dovrebbero rimanere saldamente sotto il controllo umano?

Le cose noiose, ad alto volume – pianificazione, prime bozze, ridimensionamento di un video per sei piattaforme, estrazione di un report mensile – è dove l’automazione è fondamentalmente tempo libero dato a una squadra. Nessuno dovrebbe farlo a mano nel 2026.

La linea per me è il giudizio. Voce, comunità e, soprattutto, qualsiasi cosa sia una crisi – queste hanno bisogno di un essere umano. Non perché l’AI non possa elaborare qualcosa di ragionevole, spesso può, ma perché il costo di un solo tono sbagliato in un momento sensibile è pubblico e immediato, e la reputazione di un marchio non è qualcosa che si può testare A/B. Tornerò a qualcosa che ho detto prima: essere presente a metà o male presente sui social media è come avere una vetrina del negozio rotta. L’AI che elabora una risposta alla crisi per un umano da rivedere in trenta secondi, grande. L’AI che pubblica quella risposta da sola, mai.

Metricool Studio consente agli utenti di generare report, confrontare le prestazioni, analizzare i concorrenti e identificare modelli di pubblicazione attraverso prompt di linguaggio naturale. Mentre l’AI passa dalla generazione di contenuti all’interpretazione delle prestazioni, come questo cambierà il ruolo quotidiano dei gestori dei social media e degli analisti di marketing?

Spinge il lavoro verso l’alto. Un grande pezzo della settimana di un gestore dei social media va ancora nella raccolta di numeri in una diapositiva e nella scrittura della frase che spiega cosa è successo. Se si può semplicemente chiedere “perché l’engagement è sceso la scorsa settimana” e ottenere una risposta reale in pochi secondi, quel pezzo della settimana praticamente scompare.

Ciò che rimane è la parte veramente preziosa: decidere cosa fare con la risposta. Quale formato raddoppiare, come spiegarlo a un cliente che non si cura della meccanica, quando i dati ti stanno dicendo qualcosa con cui il tuo istinto non è d’accordo. Non credo che il ruolo si riduca, si divide le persone in due gruppi abbastanza velocemente: quelli che stavano facendo una vera analisi, e quelli che stavano facendo principalmente l’inserimento dei dati con passaggi aggiuntivi. Solo il primo gruppo cresce da qui.

Metricool ha adottato il Model Context Protocol, consentendo agli assistenti AI, alle piattaforme di automazione e agli agenti personalizzati di interagire con i dati dei social media e i flussi di lavoro. Quali opportunità crea questo, e come possono le aziende prevenire che i sistemi autonomi pubblichino contenuti inappropriati, malinterpretino le analisi o prendano azioni che danneggino un marchio?

Siamo stati uno dei primi a costruire sulla MCP di Claude, e il motivo è semplice. Significa che i dati di Metricool non vivono più solo all’interno della nostra interfaccia. Un agente di un marchio, una piattaforma di automazione, qualsiasi cosa una squadra stia già utilizzando, possono ora estrarre dati sulle prestazioni o attivare un flusso di lavoro direttamente, senza che noi dobbiamo costruire ogni singola integrazione noi stessi. Ciò apre flussi di lavoro che non abbiamo ancora pensato, costruiti dalle persone più vicine ai dati.

Il rischio deve essere progettato fin dall’inizio, non applicato in seguito. Praticamente, la pubblicazione dovrebbe avere un passaggio di approvazione umana predefinito, non una pubblicazione autonoma silenziosa, soprattutto per qualsiasi cosa rivolta al cliente. Le autorizzazioni devono essere limitate strettamente, come un agente costruito per estrarre un report non dovrebbe essere in grado di attivare una pubblicazione, punto. E ogni azione di un agente deve avere una traccia che un umano possa controllare in seguito. Il protocollo fornisce la connessione. Le barriere di sicurezza sono ancora una decisione che ogni azienda deve prendere di proposito.

La ricerca di Metricool suggerisce che le interazioni pubbliche tradizionali possono diminuire anche se l’engagement complessivo aumenta, trainato da azioni meno visibili come clic, scorrimenti, visualizzazioni e tap sui collegamenti. Come dovrebbero adattarsi i marchi quando alcuni dei segnali più significativi dell’attenzione sono sempre più invisibili al pubblico?

I like e i commenti non sono mai stati un buon proxy per l’attenzione, e stanno peggiorando. La maggior parte dell’interesse genuino oggi avviene in un luogo in cui nessun altro può vederlo. Qualcuno scorre attraverso ogni slide di una presentazione, guarda un video fino alla fine, cattura uno screenshot per inviarlo a un amico in privato. Nessuno di questo appare pubblicamente. Tutto questo è un’attenzione reale, probabilmente più preziosa di un doppio tocco riflesso.

Quindi i marchi devono iniziare a considerare il tasso di completamento, il tasso di scorrimento e il tasso di clic come numeri chiave, non come note a piè di pagina sepolte sotto i like. Il passaggio pratico è chiedere una domanda diversa: non “quanto engagement abbiamo ottenuto”, ma “quanta attenzione abbiamo effettivamente guadagnato”, sapendo che la maggior parte di quel secondo numero non sarà mai visibile a nessuno al di fuori del proprio pannello di controllo.

Guardando avanti, ti aspetti che l’AI rimanga una raccolta di assistenti utilizzati dai professionisti dei social media, o si svilupperà in uno strato operativo che pianifica continuamente le campagne, assegna risorse, interpreta le prestazioni e raccomanda decisioni su ogni piattaforma?

Uno strato operativo, e prima di quanto la maggior parte delle persone si aspetti. Il modello “chiedi all’AI una cosa alla volta” è una fase, non la destinazione. Ciò che stiamo costruendo è l’AI che siede sotto l’intero flusso di lavoro, come guardare le prestazioni su ogni piattaforma in modo continuo, cogliere cosa funziona prima che un umano se ne accorga, e raccomandare il prossimo passo.

Raccomandando, non decidendo. Non credo che lo stato finale sia l’AI che esegue campagne senza che nessuno guardi. Credo che sia l’AI che fa il monitoraggio implacabile per cui nessuna squadra ha il tempo, e che consegna a una persona un elenco breve e utile invece di un muro di dashboard. I professionisti che se la cavano bene in quel mondo non saranno quelli che combattono lo strato, saranno quelli che diventano bravi a indicarlo.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Metricool.