Хуан Пабло Техела, генеральный директор и сооснователь Metricool – Интервью

Хуан Пабло Техела, генеральный директор и сооснователь Metricool, является软件-инженером и технологическим предпринимателем, который возглавлял компанию с 2014 года, помогая ей стать комплексной платформой для управления и измерения цифрового контента. До запуска Metricool он провел почти девять лет в компании Optimyth Software, где его обязанности включали управление продуктом, разработку приложений, проектирование пользовательского интерфейса, предпродажную поддержку и онлайн-маркетинг платформы аналитики программного обеспечения Kiuwan. Ранее в своей карьере Техела занимал должности инженера-программиста в компаниях Swissrisk, Indra, EADS-CASA и FEDETEC, работая с Java, C++, встроенными системами, коммуникационными технологиями и разработкой ядра Linux.

Metricool – это мадридская платформа управления социальными сетями, которая позволяет создателям, брендам и агентствам планировать контент, публиковать посты, управлять разговорами, анализировать производительность, отслеживать конкурентов и генерировать отчеты из централизованного рабочего пространства. Платформа поддерживает основные социальные сети и рекламные каналы, включая Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google и Meta Ads, а также предлагает инструменты создания и оптимизации контента с помощью искусственного интеллекта. Metricool сообщает, что обслуживает более двух миллионов пользователей, включая такие организации, как Forbes, Adidas, Volvo, H&M и Warner Music (WMG ) Group.

Ваша карьера началась в области программной инженерии, встроенных систем, качества приложений и разработки продукта. Как эти опыт повлияли на ваш подход, когда вы основали Metricool, и какая неудовлетворенная потребность убедила вас, что профессионалам социальных сетей требуется новый тип платформы аналитики?

Честно говоря, Metricool начался меньше, чем люди думают. Моя жена Лаура и я построили его в 2015 году как побочный проект, помимо нашей основной работы. Блогеры были самым большим делом в интернете в то время, и мы заметили, что у них нет приличного способа увидеть свои цифры в одном месте – все было разбросано по пятью разным инструментам, ни один из которых не был предназначен для человека, не являющегося техническим специалистом. Мой опыт в области встроенных систем и контроля качества привил мне одну привычку. Вы не доверяете тому, что не измерили сами. Поэтому мы построили простую версию, которую мы желали, чтобы она существовала.

Что на самом деле подтвердило идею, не было блогерами, хотя – это были профессионалы социальных сетей, которые начали регистрироваться сразу после них. Они хотели клиентские отчеты, которые выглядели профессионально, и это была часть, которая имела значение для побочного проекта – они были готовы платить. Блогеры в основном не были. Это был момент, когда я понял, что мы не строим инструмент для хобби, мы строим для недооцененной профессии. Мы сохраняли свою работу до тех пор, пока она не стала невозможной, и начали нанимать правильно в январе 2017 года. Все, что было после этого, было просто продолжением того первого инстинкта: удалить шум, сохранить аналитику прозрачной, и построить что-то для человека, выполняющего работу, а не для человека, покупающего программное обеспечение для других людей.

Metricool эволюционировал от платформы аналитики до платформы управления социальными сетями, используемой более чем четырьмя миллионами профессионалов, агентств, создателей и брендов. Какие были наиболее значимые решения по продукту за этот рост, и были ли моменты, когда вам приходилось пересматривать первоначальную видение компании?

Некоторые решения имели большее значение, чем другие. Полностью сосредоточиться на аналитике, в то время как все остальные – Hootsuite, Buffer – были сосредоточены на планировании, было первым решением, и это все еще наш дифференциатор сегодня. Вторым было отказаться быть “американским” инструментом, который относился к испанскому и другим языкам как к после мысли; это дало нам реальное преимущество в Европе и Латинской Америке на ранней стадии. Третьим, более недавним, было решение, что социальная реклама не может существовать в отдельном инструменте от органического контента, потому что ни один социальный медиа-менеджер на самом деле не думает о них отдельно.

Изменялось ли видение? Постоянно, и я не думаю, что это плохо. Мы не собирались строить для агентств, вместо этого мы строили для отдельных профессионалов и блогеров. Агентства появились сами по себе, сказали нам, что им нужно (отчеты с белым этикеткой, панели управления для нескольких клиентов, места для команд), и мы слушали и принимали меры. То же самое относится и к брендам позже. Если бы я слишком сильно придерживался “первоначального видения” Metricool, мы бы построили гораздо более мелкий продукт для нишевой аудитории. План никогда не был священным. Пользователи в основном разложили дорожную карту для нас.

Исследование Metricool показало, что 96% профессионалов социальных сетей используют искусственный интеллект, но 36% не знают или не измеряют, работает ли контент, созданный с помощью ИИ, лучше. Почему принятие ИИ произошло так быстро, а способность организаций оценить его фактическое влияние на бизнес так медленно?

Потому что использование ИИ легко, а измерение его правильно – это работа. Вы открываете инструмент, получаете подпись, публикуете ее – нет трения вообще. На самом деле знать, сделала ли эта подпись что-то для вас, означает настройку сравнения, быть терпеливым, сопротивляться желанию объявить победу после одного хорошего поста. Большинство команд еще не построили эту дисциплину, и, честно говоря, почему бы им это делать? До восемнадцати месяцев назад никто не нуждался в вопросе “выполнил ли вариант ИИ лучше, чем вариант человека” – человек написал его, вы оценивали пост по его собственным достоинствам.

Эти 36% не беспокоят меня так, как это может показаться. Это не то, что люди беззаботны. Это то, что измерение всегда отстает от принятия – это произошло с платной социальной рекламой, это произошло с маркетингом влияния, это происходит снова здесь. Инструменты для использования ИИ улучшились быстро. Привычки для оценки его еще не поспевают. Они будут.

Генеративный ИИ позволяет брендам производить больше контента по более низкой цене, но большая досягаемость или объем публикаций может создать ложное чувство успеха. Какие метрики должны команды уделять приоритетное внимание, чтобы определить, укрепляет ли контент, созданный с помощью ИИ, доверие, здоровье бренда и отношения с клиентами?

Досягаемость – это метрика, которую ИИ лучше всего надувает и хуже объясняет. Если вы смотрите только на это число, вы будете чувствовать себя хорошо в течение месяцев, прямо до тех пор, пока не почувствуете себя плохо. Что я бы на самом деле отслеживал, это люди, сохраняющие или делящиеся контентом, а не просто прокручивающие его – это разница между “я увидел это” и “это было стоит сохранить”. Являются ли комментарии реальным разговором или просто еще одним шумом под еще одним постом? И, это то, что постоянно пропускается, звучит ли бренд все еще как один человек после трехсот постов, созданных с помощью ИИ, или начал ли голос ускользать пост за постом, без того, чтобы кто-то заметил?

Последнее – это хитрый момент. Доверие не разрушается сразу – оно тихо разрушается, и к тому времени, когда досягаемость или продажи покажут это, вы уже теряете его в течение месяцев.

Metricool обнаружил, что 66% респондентов вовлекают ИИ в не менее чем половине своего контента, в то время как шесть из десяти считают, что контент, созданный с помощью ИИ, соответствует или превышает контент, созданный человеком. Как бренды должны проектировать эксперименты, чтобы честно сравнить контент, созданный с помощью ИИ, и контент, созданный человеком, не путая корреляцию, платформенные алгоритмы и качество контента?

Сохраните все фиксированным, кроме одного, что вы тестируете – тот же бриф, та же платформа, тот же день и время, тот же человек, выполняющий окончательный редактирование – и только поменяйте, кто написал первый черновик. Вот и все. Большинство “ИИ против человека” сравнений, плавающих вокруг, не делают этого. Они сравнивают пост ИИ с вторника с постом человека с трех месяцев назад на совершенно другой теме, и затем делают вывод.

Запустите его в парах, запустите его на недели, а не на один пост – производительность одного поста в основном удача и настроение алгоритма в тот день, и вам нужно достаточно объема, чтобы увидеть за этим. И будьте честными в том, что “соответствует работе человека” на самом деле означает. Если контент ИИ получает аналогичные впечатления, но худшее качество комментариев или более низкие сохранения, это не ничья, это предупреждающий знак. Многое из этой “шести из десяти” уверенности, я подозреваю, люди смотрят на поверхность числа и останавливаются там.

Где автоматизация в настоящее время добавляет наибольшую ценность для команд социальных сетей, и какие обязанности, такие как установление голоса бренда, управление сообществами или реагирование в кризис, должны оставаться твердо под человеческим контролем?

Скучные, высокообъемные вещи – планирование, первые черновики, изменение размера видео для шести платформ, извлечение ежемесячного отчета – это то, где автоматизация практически бесплатное время, данное обратно команде. Никто не должен делать это вручную в 2026 году.

Линия для меня – суждение. Голос, сообщество и, особенно, любой кризис – все это нужно человеку. Не потому, что ИИ не может создать разумный черновик, он часто может, но потому, что стоимость одного неправильного тона в чувствительный момент является публичной и немедленной, и репутация бренда не является чем-то, что вы можете протестировать. Я вернусь к чему-то, что сказал раньше: быть полу-присутствующим или плохо присутствующим в социальных сетях – это как иметь сломанное витринное окно. ИИ, создающий черновик кризисного ответа для человека, чтобы просмотреть его за тридцать секунд, – это хорошо. ИИ, нажимающий кнопку публикации на этом ответе самостоятельно, – никогда.

Metricool Studio позволяет пользователям генерировать отчеты, сравнивать производительность, анализировать конкурентов и выявлять закономерности публикаций с помощью естественно-языковых подсказок. Как это изменит ежедневную роль социальных медиа-менеджеров и маркетинговых аналитиков?

Это толкает работу вверх. Огромный кусок недели социального медиа-менеджера все еще уходит на извлечение чисел в слайд и написание предложения, которое объясняет, что произошло. Если вы можете просто спросить “почему вовлеченность упала на прошлой неделе” и получить реальный ответ за секунды, то весь этот кусок недели практически исчезает.

Что остается, это фактически ценная часть: решить, что делать с ответом. Какой формат следует использовать, как объяснить это клиенту, который не заботится о механике, когда данные говорят вам что-то, с чем ваше чутье не согласно. Я не думаю, что роль уменьшается, она разделяется на две группы довольно быстро: те, кто выполнял реальный анализ, и те, кто в основном выполнял ввод данных с дополнительными шагами. Только первая группа растет отсюда.

Metricool принял протокол контекста модели, позволяющий ассистентам ИИ, платформам автоматизации и пользовательским агентам взаимодействовать с данными социальных сетей и рабочими процессами. Какие возможности это создает, и как компании могут предотвратить публикацию автономными системами неуместного контента, неправильное чтение аналитики или принятие действий, которые нанесут ущерб бренду?

Мы были одной из первых социальных медиа-платформ, построенных на основе протокола MCP, и причина проста. Это означает, что данные Metricool больше не живут только внутри нашего собственного интерфейса. Своего агента бренда, платформу автоматизации, что бы команда ни использовала, теперь могут извлечь данные о производительности или запустить рабочий процесс напрямую, без необходимости нам строить каждую интеграцию самостоятельно. Это открывает рабочие процессы, о которых мы еще не подумали, построенные людьми, наиболее близкими к данным.

Риск должен быть спроектирован с самого начала, а не исправлен позже. Практически публикация должна быть по умолчанию шагом утверждения человека, а не автономной публикацией, особенно все, что клиентоориентировано. Разрешения должны быть ограничены, например, агент, построенный для извлечения отчета, не должен быть в состоянии запустить пост, период. И каждое действие, которое агент выполняет, должно иметь след, который человек может проверить позже. Протокол дает вам соединение. Ограждения все еще являются решением, которое каждая компания должна принять намеренно.

Исследование Metricool показало, что традиционные публичные взаимодействия могут сокращаться, даже когда общее вовлечение увеличивается, под влиянием менее заметных действий, таких как клики, свайпы, просмотры и нажатия на ссылки. Как бренды должны адаптироваться, когда некоторые из наиболее значимых сигналов внимания становятся все более невидимыми для публики?

Лайки и комментарии никогда не были хорошим заменителем внимания, и они становятся все хуже. Большинство настоящего интереса сегодня происходит где-то, где никто другой не может увидеть. Кто-то прокручивает каждую слайд-карточку, смотрит видео до конца, делает скриншот, чтобы отправить его другу приватно. Ни один из этих моментов не появляется публично. Все это реальное внимание, возможно, более ценное, чем рефлекторное двойное нажатие.

Итак, бренды должны привыкнуть к тому, чтобы рассматривать коэффициент завершения, свайп-через и клик-через как основные числа, а не сноски,埋енные под лайками. Практический сдвиг заключается в том, чтобы задать другой вопрос вообще: не “сколько вовлечения мы получили”, а “сколько внимания мы фактически заработали”, зная, что большая часть этого второго числа никогда не будет видна никому вне вашего собственного панели.

Взглянув вперед, ожидаете ли вы, что ИИ останется коллекцией помощников, используемых профессионалами социальных сетей, или он будет развиваться в операционный слой, который непрерывно планирует кампании, распределяет ресурсы, интерпретирует производительность и рекомендует решения на каждой платформе?

Операционный слой, и раньше, чем большинство людей ожидают. Модель “спросите ИИ один вопрос за раз” – это фаза, а не пункт назначения. К чему мы на самом деле строим, это ИИ, сидящий под всей рабочей нагрузкой, например, наблюдение за производительностью на каждой платформе непрерывно, обнаружение того, что работает, прежде чем человек заметит это, и рекомендация следующего шага.

Рекомендация, а не решение. Я не думаю, что конечное состояние – это ИИ, запускающий кампании без наблюдения. Я считаю, что это ИИ, выполняющий неустанную мониторинг, который ни одна команда не имеет часов для, и передача человеку короткого, полезного списка вместо стены панелей. Профессионалы, которые будут хорошо работать в этом мире, не будут теми, кто борется с этим слоем, они будут теми, кто станет хорошим в указании на него.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Metricool.