Juan Pablo Tejela, Metricool의 CEO 및 공동 창립자 – 인터뷰 시리즈

Juan Pablo Tejela, Metricool의 CEO이자 공동 창립자는 소프트웨어 엔지니어이자 기술 기업가로, 2014년부터 회사를 이끌며 디지털 콘텐츠를 관리하고 측정하는 포괄적인 플랫폼으로 발전시켰다. Metricool을 출시하기 전에 그는 Optimyth Software에서 거의 9년 동안 제품 관리, 애플리케이션 개발, 사용자 인터페이스 디자인, 프레젠테이션, 고객 지원 및 Kiuwan 소프트웨어 분석 플랫폼의 온라인 마케팅을 담당했다. 그의 경력 초기에 Tejela는 Swissrisk, Indra, EADS-CASA 및 FEDETEC에서 소프트웨어 엔지니어로 일했으며, Java, C++, 임베디드 시스템, 통신 기술 및 Linux 커널 개발을 다루었다.

Metricool은 크리에이터, 브랜드 및 에이전시가 콘텐츠를 계획하고 게시하고 대화를 관리하고 성과를 분석하고 경쟁사를 모니터링하고 중앙 집중식 워크스페이스에서 보고서를 생성할 수 있는 마드리드 기반의 소셜 미디어 관리 플랫폼이다. 이 플랫폼은 Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google 및 Meta Ads를 포함한 주요 소셜 네트워크 및 광고 채널을 지원하며, AI 지원 콘텐츠 생성 및 최적화 도구도 제공한다. Metricool은 Forbes, Adidas, Volvo, H&M 및 Warner Music (WMG ) 그룹을 포함한 200만 명 이상의 사용자를 보유하고 있다.

소프트웨어 엔지니어링, 임베디드 시스템, 애플리케이션 품질, 제품 개발 분야에서 경력을 시작하셨습니다. 그 경험은 Metricool을 창업할 때의 접근법에 어떤 영향을 줬나요? 소셜미디어 전문가에게 새로운 종류의 분석 플랫폼이 필요하다고 확신하게 한 미충족 수요는 무엇이었나요?

정말로 Metricool은 사람들이 생각하는 것보다 작게 시작되었습니다. 내 아내 Laura와 나는 2015년에 정식 직업과 함께 사이드 프로젝트로 만들었습니다. 블로거들이 인터넷에서 가장 큰 것으로 보였고, 그들은 하나의 장소에서 숫자를 볼 수 있는 방법이 없다는 것을 알았습니다. 5개의 다른 도구를 사용했지만, 기술적인 사람이 아닌 사람을 위해 만들어진 도구는 하나도 없었습니다. 내 임베디드 시스템과 QA 배경은 하나의 습관을 내게 주었습니다. 내가 측정하지 않은 것은 신뢰할 수 없습니다. 그래서 우리는 간단한 버전을 만들었습니다.

아이디어를 검증한 것은 블로거들이 아니라 소셜 미디어 전문가들이었습니다. 그들은 프로페셔널한 클라이언트 리포트를 원했으며, 이것이 중요한 부분입니다. 사이드 프로젝트였기 때문에, 그들은 지불할 의향이 있었습니다. 블로거들은 대부분 지불하지 않았습니다. 이것이 내가 깨달은 순간입니다. 우리는 취미 도구를 만들지 않았습니다. 우리는 서비스되지 않는 직업을 위해 만들었습니다. 우리는 2017년 1월까지 우리의 직업을 유지했으며, 그 후부터 제대로 채용을 시작했습니다. 이후 모든 것은 첫 번째 본능의 연장선상에서 진행되었습니다. 노이즈를 제거하고, 분석을 투명하게 유지하며, 다른 사람을 위해 소프트웨어를 구매하는 사람이 아닌 일을 하는 사람을 위해 무언가를 구축했습니다.

Metricool은 분석에 초점을 맞춘 제품에서 400만 명 이상의 전문가, 에이전시, 크리에이터 및 브랜드가 사용하는 소셜 미디어 관리 플랫폼으로 발전했습니다. 성장의 가장 중요한 제품 결정은 무엇이었으며, 회사의 원래 비전을 재고해야 했던 순간은 언제였습니까?

몇 가지 결정이 다른 것보다 더 중요했습니다. 다른 사람들(Hootsuite, Buffer)이 스케줄링에 초점을 맞춘 반면 분석에 전념한 것이 첫 번째 결정이었습니다. 이것이 아직도 우리의 차별점입니다. 두 번째는 스페인어 및 다른 언어를 미국 도구의 부차적인 것으로 취급하지 않기로 결정한 것입니다. 이것이 우리에게 초기에 유럽과 라틴 아메리카에서 실제 이점을 주었습니다. 세 번째는 최근 결정입니다. 소셜 광고가 유기적인 콘텐츠와 별도의 도구에 존재할 수 없다는 것을 결정했습니다. 소셜 미디어 관리자는 실제로 별도로 생각하지 않습니다.

비전이 변경되었습니다. 끊임없이, 그리고 나는 이것이 나쁜 것이 아니라고 생각합니다. 우리는 에이전시를 위해 구축하지 않았습니다. 우리는 개인 전문가와 블로거를 위해 구축했습니다. 에이전시는 스스로 나타났습니다. 그들은 무엇이 필요한지 우리에게 말했습니다(화이트 레이블 리포트, 멀티 클라이언트 대시보드, 팀 좌석). 우리는 듣고 행동했습니다. 브랜드도 마찬가지입니다. Metricool의 “원래 비전”을 너무 많이 지키면, 우리는 더 작은 제품을 구축했을 것입니다. 사용자들은 대부분 로드맵을 우리에게 제시했습니다.

Metricool의 연구에 따르면, 96%의 소셜 미디어 전문가가 인공지능을 사용하지만, 36%는 인공지능 생성 콘텐츠가 더 잘 수행되는지 측정하거나 알지 못합니다. 인공지능 채택이 실제 비즈니스 영향 평가 능성보다 빠르게 이동한 이유는 무엇입니까?

AI를 쓰는 것은 쉽지만 제대로 측정하는 데는 노력이 들기 때문입니다. 도구를 열고 문구를 받아 게시하면 됩니다. 마찰이 전혀 없죠. 하지만 그 문구가 실제로 도움이 됐는지 알려면 비교를 설계하고 기다리며, 게시물 하나가 잘됐다고 승리를 선언하고 싶은 마음을 참아야 합니다. 대부분의 팀은 아직 이런 규율을 갖추지 못했습니다. 솔직히 그전에는 그럴 필요가 있었을까요? 18개월 전까지만 해도 “AI 버전이 사람이 쓴 버전보다 성과가 좋았나?”라고 물을 필요가 없었습니다. 사람이 썼고 그 게시물 자체의 가치로 평가했으니까요.

그 36%는 나에게 그렇게 우려스러운 것이 아닙니다. 사람들이 무책임하다는 것이 아닙니다. 측정이 채택을 따라가지 못한다는 것입니다. 유료 소셜, 인플루언서 마케팅에서 발생한 것처럼 여기에서도 발생합니다. 인공지능을 사용하는 도구가 빠르게 개선되었습니다. 판단하는 습관은 아직 따라가지 못했습니다. 하지만 그렇게 할 것입니다.

생성형 인공지능은 브랜드가 더 많은 콘텐츠를 낮은 비용으로 생성할 수 있지만, 더 큰 도달이나 게시 볼륨은 가짜 성공의 감각을 만들 수 있습니다. 팀이 인공지능 지원 콘텐츠가 신뢰, 브랜드 건강 및 고객 관계를 강화하는지 여부를 결정하기 위해 어느 지표를 우선시해야 합니까?

도달 수는 AI가 가장 잘 부풀리면서도 가장 잘 설명하지 못하는 지표입니다. 그 수치만 보면 몇 달 동안 기분이 좋다가 어느 순간 그렇지 않게 될 수 있습니다. 제가 실제로 보는 것은 사람들이 콘텐츠를 그냥 넘기는지, 저장하거나 공유하는지입니다. “봤다”와 “간직할 가치가 있었다”의 차이죠. 댓글은 실제 대화인가요, 아니면 늘어난 게시물 아래 잡음만 더 많아진 것인가요? 또 늘 놓치는 점이 있습니다. AI의 도움을 받은 게시물 300개를 올린 뒤에도 브랜드가 한 사람처럼 일관되게 말하나요, 아니면 아무도 모르는 사이 게시물마다 목소리가 달라지고 있나요?

마지막 문제가 특히 눈치채기 어렵습니다. 신뢰는 한 번에 무너지지 않고 조용히 닳아 없어집니다. 도달 수나 매출에 드러날 때쯤이면 이미 몇 달 동안 잃어 온 뒤입니다.

Metricool 조사에서는 응답자의 66%가 콘텐츠의 절반 이상에 AI를 활용하고, 10명 중 6명은 AI 생성 콘텐츠가 사람이 만든 콘텐츠와 대등하거나 더 좋다고 믿었습니다. 브랜드는 상관관계, 플랫폼 알고리즘, 콘텐츠 품질을 혼동하지 않으면서 두 종류의 콘텐츠를 공정하게 비교하는 실험을 어떻게 설계해야 하나요?

테스트할 한 가지 사항을 제외하고 모든 것을 고정합니다. 동일한 브리프, 동일한 플랫폼, 동일한 일자 및 시간, 동일한 사람이 최종 편집을 수행합니다. 그리고 오직 첫 번째 초안을 작성하는 사람만을 교체합니다. 대부분의 “인공지능 대 인간” 비교는 이것을 수행하지 않습니다. 3개월 전의 다른 주제에 대한 인공지능 게시물과 화요일에 대한 인간 게시물과 비교하여 결론을 내립니다.

짝을 맞춰 비교하고, 게시물 하나로 끝내지 말고 몇 주 동안 진행하세요. 개별 게시물의 성과는 운과 그날의 알고리즘에 크게 좌우되므로 이를 넘어 보려면 충분한 표본이 필요합니다. “사람의 작업과 대등하다”는 말의 의미도 솔직하게 따져야 합니다. AI 콘텐츠의 노출 수가 비슷해도 댓글의 질이 낮거나 저장 수가 적다면 동점이 아니라 경고 신호입니다. 저는 그 “10명 중 6명”의 확신 중 상당 부분이 표면적인 수치만 보고 멈춘 데서 나온다고 생각합니다.

자동화는 현재 소셜 미디어 팀에서 가장 가치 있는 곳은 어디이며, 브랜드 음성 설정, 커뮤니티 관리 또는 위기 동안 응답과 같은 책임은 인간의 통제하에 남아 있어야 합니까?

예약 게시, 초안 작성, 동영상을 여섯 플랫폼에 맞게 조정하기, 월간 보고서 추출 같은 단조롭고 반복량이 많은 작업에서 자동화는 팀에 시간을 돌려줍니다. 2026년에 이런 일을 손으로 할 필요는 없습니다.

제한선은 판단입니다. 음성, 커뮤니티, 그리고 특히 위기와 같은 것은 모두 인간이 해야 합니다. 인공지능이 합리적인 초안을 작성할 수 있지만, 민감한 순간에 잘못된 톤의 비용은 공개적이고 즉각적이며, 브랜드의 평판은 A/B 테스트할 수 있는 것이 아닙니다. 전에 말한 것처럼, 나는 반복합니다. 사회적 존재나 나쁨으로 존재하는 것은 깨진 상점 창문과 같습니다. 인공지능이 위기 응답을 작성하여 인간이 30초 안에 검토할 수 있도록 하는 것은 좋습니다. 하지만 인공지능이 단독으로 게시하는 것은 결코 안 됩니다.

Metricool Studio는 사용자가 보고서를 생성하고 성과를 비교하고 경쟁사를 분석하고 자연어 프롬프트를 통해 게시 패턴을 식별할 수 있습니다. 인공지능이 콘텐츠 생성에서 성과 해석으로 이동함에 따라, 이것은 소셜 미디어 관리자와 마케팅 분석가의 일일 역할을 어떻게 변화시킬까요?

그것은 일을 위로 밀어냅니다. 소셜 미디어 관리자의 주중 대부분의 시간이 여전히 숫자를 슬라이드에 넣고 설명하는 문장을 작성하는 데 소요됩니다. 만약 “지난 주에 참여도가 왜 떨어졌는지”라고 묻고 실제 답변을 몇 초 안에 얻을 수 있다면, 주중 대부분의 시간이 사라집니다.

남은 것은 실제로 가치 있는 부분입니다. 답변을 사용하여 무엇을 할지 결정하는 것입니다. 어떤 형식을 강화할지, 클라이언트에게 설명하는 방법, 데이터가 당신의 직감과 동의하지 않을 때, 어떻게 할지. 나는 역할이 축소되지 않는다고 생각합니다. 그것은 두 그룹으로 사람들을 나눕니다. 실제 분석을 수행하는 사람과 데이터 입력을 주로 수행하는 사람입니다. 오직 첫 번째 그룹만이 여기서 성장합니다.

Metricool은 AI 어시스턴트, 자동화 플랫폼 및 사용자 정의 에이전트가 소셜 미디어 데이터와 워크플로와 상호 작용할 수 있는 Model Context Protocol을 채택했습니다. 이것은 어떤 기회를 제공하며, 회사들은 자율 시스템이 부적절한 콘텐츠를 게시하거나 분석을 잘못 읽거나 브랜드를 손상시키는 행동을 취하지 않도록 어떻게 방지할 수 있습니까?

우리는 Claude의 MCP를 구축한 최초의 소셜 미디어 플랫폼 중 하나였습니다. 이유는 간단합니다. Metricool의 데이터가 더 이상 우리의 인터페이스 내에서만 존재하지 않는다는 것을 의미합니다. 브랜드의 에이전트, 자동화 플랫폼, 팀이 이미 사용하는 것은 무엇이든, 성과 데이터를 가져오거나 워크플로를 트리거할 수 있습니다. 우리는 모든 통합을 직접 구축할 필요가 없습니다. 아직 생각하지 못한 워크플로우가 열립니다. 데이터에 가장 가까운 사람들이 구축합니다.

위험 대응은 처음부터 설계해야 하며 나중에 덧붙여서는 안 됩니다. 실무적으로는 특히 고객에게 공개되는 콘텐츠를 게시할 때 사람의 승인을 기본 단계로 둬야 합니다. 권한 범위도 엄격해야 합니다. 보고서를 가져오는 에이전트가 게시까지 실행할 수 있어서는 안 됩니다. 모든 에이전트 행동에는 사람이 나중에 확인할 수 있는 기록이 필요합니다. 프로토콜은 연결을 제공하지만 안전장치는 각 기업이 의도적으로 결정해야 합니다.

Metricool의 연구에 따르면, 전통적인 공개 상호 작용은 전체 참여도가 증가하는 동안 감소할 수 있으며, 클릭, 스와이프, 보기 및 링크 탭과 같은 보이지 않는 동작에 의해 추진됩니다. 일부 가장 의미 있는 주의 신호가 점점 더 공개적으로 보이지 않는 경우 브랜드는 어떻게 적응해야 합니까?

좋아요와 댓글은 관심의 좋은 대리인이 아니었으며, 더 나쁘게되고 있습니다. 오늘날 대부분의 진정한 관심은 다른 사람에게 보이지 않는 곳에서 발생합니다. 누군가가 카루셀의 모든 슬라이드를 스와이프하거나 비디오를 끝까지 시청하거나 친구에게 개인적으로 보내기 위해 무언가를 스크린샷합니다. 모두가 공개적으로 보이지 않습니다. 모두 실제 관심이며, 아마도 더 가치가 있습니다.

따라서 브랜드는 완료율, 스와이프, 클릭률을 핵심 숫자로 간주해야 합니다. 좋아요 아래에 숨겨진 숫자가 아니라, 공개적으로 보이지 않는 관심을 얻었다는 것을 알면서, “얼마나 많은 참여를 얻었는가?”라는 질문을 하는 것이 아니라, “얼마나 많은 관심을 얻었는가?”라는 질문을 하는 것입니다.

앞으로, 인공지능은 소셜 미디어 전문가들이 사용하는 도우미의 모음으로 남아 있을 것으로 예상합니까, 아니면 캠페인을 지속적으로 계획하고, 자원을 할당하고, 성과를 해석하고, 모든 플랫폼에서 의사 결정을 추천하는 운영 계층으로 발전할 것으로 예상합니까?

운영 계층, 그리고 대부분의 사람들이 예상하는 것보다 빠르게. “한 번에 하나의 질문” 모델은 단계이며, 목적지가 아닙니다. 우리는 실제로 모든 워크플로우 아래에 인공지능을 구축하고자 합니다. 모든 플랫폼에서 성과를 지속적으로 모니터링하고, 인간이 알기 전에 무엇이 작동하는지 포착하고, 다음 단계를 추천합니다.

결정을 내리는 것이 아니라, 추천하는 것입니다. 나는 인공지능이 캠페인을 실행하고 아무도 관찰하지 않는 최종 상태가 아니라고 생각합니다. 인공지능은 인간이 할 수 없는 끊임없는 모니터링을 수행하고, 벽의 대시보드 대신, 유용한 목록을 사람에게 건네주는 것입니다. 그 세계에서 잘하는 전문가들은 계층을 싸우는 사람들이 아닙니다. 그것을 가리키는 방법을 잘하는 사람들입니다.

감사합니다. Metricool에 대해 더 알아보려는 독자는 Metricool을 방문할 수 있습니다.