ควน ปาโบล เตเฆลา ซีอีโอ และผู้ร่วมก่อตั้ง Metricool – ซีรีส์สัมภาษณ์

ควน ปาโบล เตเฆลา ซีอีโอและผู้ร่วมก่อตั้ง Metricool เป็นนักวิศวกรรมซอฟต์แวร์และนักธุรกิจด้านเทคโนโลยีที่มีประสบการณ์ในการนำทีมบริษัทตั้งแต่ปี 2014 ช่วยพัฒนา Metricool ให้เป็นแพลตฟอร์มที่ครอบคลุมสำหรับการจัดการและวัดผลเนื้อหาดิจิทัล ก่อนที่จะก่อตั้ง Metricool เขาใช้เวลาเกือบ 9 ปีที่ Optimyth Software โดยมีหน้าที่รับผิดชอบในการจัดการผลิตภัณฑ์ พัฒนาแอปพลิเคชัน ออกแบบอินเทอร์เฟซผู้ใช้ การขายล่วงหน้า การสนับสนุนลูกค้า และการตลาดออนไลน์สำหรับแพลตฟอร์มวิเคราะห์ Kiuwan ในช่วงแรกของอาชีพเขา曾ทำงานเป็นวิศวกรซอฟต์แวร์ที่ Swissrisk, Indra, EADS-CASA และ FEDETEC โดยทำงานเกี่ยวกับ Java, C++, ระบบฝังตัว เทคโนโลยีการสื่อสาร และการพัฒนาเคอร์เนล Linux

Metricool เป็นแพลตฟอร์มการจัดการโซเชียลมีเดียที่ตั้งอยู่ที่มาดริด ซึ่งช่วยให้ครีเอเตอร์ แบรนด์ และเอเจนซี่สามารถวางแผนเนื้อหา เผยแพร่โพสต์ จัดการการสนทนา วิเคราะห์ประสิทธิภาพ ติดตามคู่แข่ง และสร้างรายงานจากพื้นที่ทำงานที่รวมเป็นหนึ่งเดียว แพลตฟอร์มนี้รองรับเครือข่ายสังคมและช่องทางโฆษณาหลักๆ รวมถึง Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google และ Meta Ads นอกจากนี้ยังมีเครื่องมือสร้างและปรับปรุงเนื้อหาด้วย AI Metricool รายงานว่ามีผู้ใช้งานมากกว่า 2 ล้านคน รวมถึงองค์กร เช่น Forbes, Adidas, Volvo, H&M และ Warner Music (WMG ) Group

คุณเริ่มอาชีพในด้านวิศวกรรมซอฟต์แวร์ ระบบฝังตัว คุณภาพแอปพลิเคชัน และการพัฒนาผลิตภัณฑ์ ประสบการณ์เหล่านี้มีอิทธิพลต่อแนวทางของคุณอย่างไรเมื่อคุณก่อตั้ง Metricool และความต้องการที่ไม่ได้รับการตอบสนองอะไรที่ทำให้คุณเชื่อว่าผู้เชี่ยวชาญด้านโซเชียลมีเดียต้องการแพลตฟอร์มวิเคราะห์ประเภทใหม่?

Metricool เริ่มต้นจากขนาดที่เล็กกว่าที่คนคิด โดยภรรยาของผม Laura และผมสร้างมันขึ้นในปี 2015 เป็นโปรเจ็กต์เสริมงานหลักของเรา นักบล็อกเป็นกลุ่มหลักที่ใช้อินเทอร์เน็ตในขณะนั้น และเราเห็นว่าพวกเขาไม่มีวิธีที่ดีในการดูตัวเลขในหนึ่งที่เดียว – ทุกอย่างกระจายอยู่ทั่ว 5 เครื่องมือที่แตกต่างกัน ไม่มีเครื่องมือใดที่ออกแบบมาสำหรับคนไม่ใช่เทคนิค ประสบการณ์ในการทำงานด้านระบบฝังตัวและ QA สอนให้ผมมีแนวปฏิบัติหนึ่ง – คุณไม่เชื่อใจสิ่งที่คุณไม่ได้วัดด้วยตัวเอง ดังนั้นเราจึงสร้างเวอร์ชันที่เราต้องการให้มีอยู่

สิ่งที่ทำให้ความคิดนี้มีผลจริงไม่ใช่นักบล็อก แต่เป็นมืออาชีพด้านโซเชียลมีเดียที่เริ่มลงทะเบียนหลังจากพวกเขา พวกเขาต้องการรายงานสำหรับลูกค้าที่ดูเป็นมืออาชีพ และสิ่งนี้คือส่วนที่สำคัญสำหรับโปรเจ็กต์เสริม – พวกเขายินดีจ่ายเงิน นักบล็อกส่วนใหญ่ไม่จ่ายเงิน นั่นคือช่วงเวลาที่ผมรู้ว่าเราไม่ได้สร้างเครื่องมือสำหรับงานอดิเรก แต่เรากำลังสร้างสำหรับอาชีพที่ไม่ได้รับการสนับสนุน เราเก็บงานหลักของเราไว้จนกว่ามันจะไม่สามารถจัดการได้ และเริ่มหาคนเข้าทำงานอย่างจริงจังในเดือนมกราคม 2017 ทุกสิ่งที่เกิดขึ้นตั้งแต่นั้นเป็นเพียงการขยายแนวคิดแรก – ลบสิ่งที่ไม่จำเป็นออก ให้การวิเคราะห์เป็นไปอย่างโปร่งใส และสร้างสิ่งสำหรับบุคคลที่ทำงาน ไม่ใช่สำหรับบุคคลที่ซื้อซอฟต์แวร์ให้คนอื่น

Metricool พัฒนาไปจากผลิตภัณฑ์วิเคราะห์เฉพาะเจาะจงมาเป็นแพลตฟอร์มการจัดการโซเชียลมีเดียที่มีผู้ใช้งานมากกว่า 4 ล้านคน รวมทั้งผู้เชี่ยวชาญ เอเจนซี่ ครีเอเตอร์ และแบรนด์ การตัดสินใจเกี่ยวกับผลิตภัณฑ์ที่สำคัญที่สุดคืออะไรที่อยู่เบื้องหลังการเติบโตนี้ และมีครั้งไหนที่คุณต้องคิดใหม่เกี่ยวกับวิสัยทัศน์ของบริษัทหรือไม่?

การตัดสินใจบางอย่างมีผลกระทบมากกว่าคนอื่น การที่เราเลือกที่จะเน้นไปที่การวิเคราะห์เมื่อทุกคนอื่นรวมทั้ง Hootsuite และ Buffer กำลังเน้นไปที่การวางแผนการโพสต์เป็นการตัดสินใจแรก และยังคงเป็นจุดเด่นของเราในปัจจุบัน การตัดสินใจที่สองคือการไม่ยอมให้ Metricool เป็น “เครื่องมืออเมริกัน” ที่มองว่าภาษาสเปนและภาษาอื่นๆ เป็นเรื่องรอง ซึ่งทำให้เราได้เปรียบจริงๆ ในยุโรปและอเมริกาใต้ตั้งแต่เนิ่นๆ การตัดสินใจที่สามและล่าสุดคือการตัดสินใจที่จะไม่ให้โฆษณาโซเชียลมีเดียอยู่ในเครื่องมือที่แยกจากเนื้อหาที่ไม่ใช่โฆษณา เพราะไม่มีผู้จัดการโซเชียลมีเดียที่คิดว่าพวกมันแยกจากกัน

วิสัยทัศน์เปลี่ยนไปหรือไม่? เปลี่ยนอยู่เสมอ และผมไม่คิดว่ามันจะเป็นเรื่องไม่ดี เราไม่ได้ตั้งใจจะสร้าง Metricool สำหรับเอเจนซี่ แต่เราสร้างสำหรับผู้เชี่ยวชาญและนักบล็อก เอเจนซี่มาเองและบอกเราว่าพวกเขา cầnอะไร (รายงานที่มีตราบริษัท แดชบอร์ดสำหรับลูกค้าหลายราย ที่นั่งสำหรับทีม) และเราฟังและดำเนินการ ในทำนองเดียวกันกับแบรนด์ต่อมา หากผมยึดติดกับ “วิสัยทัศน์ดั้งเดิม” ของ Metricool มากเกินไป เราก็คงจะสร้างผลิตภัณฑ์ที่เล็กกว่าสำหรกลุ่มเป้าหมายที่แคบกว่านี้ แผนไม่เคยเป็นสิ่งที่ศักดิ์สิทธิ์ ผู้ใช้เป็นคนวางแผนเส้นทางให้กับเราเอง

การวิจัยของ Metricool พบว่า 96% ของผู้เชี่ยวชาญด้านโซเชียลมีเดียใช้ AI แต่ 36% ไม่รู้หรือไม่ได้วัดว่าเนื้อหาที่สร้างโดย AI มีประสิทธิภาพดีกว่าหรือไม่ ทำไมการนำ AI มาใช้จึงเร็วกว่าการประเมินผลกระทบทางธุรกิจจริงของ AI?

เพราะการใช้ AI นั้นง่าย และการวัดผลที่ถูกต้องนั้นเป็นงาน การเปิดเครื่องมือและรับคำบรรยายและโพสต์ – ไม่มีการต่อต้านใดๆ การรู้ว่าคำบรรยายนั้นได้ผลหรือไม่นั้นหมายถึงการตั้งค่าการเปรียบเทียบ การอดทน และการ抵制ความปรารถนาที่จะประกาศชัยชนะหลังจากโพสต์ที่ดีเพียงครั้งเดียว ทีมส่วนใหญ่ยังไม่ได้สร้างระเบียบวินัยนี้ และถ้าถามว่าทำไมพวกเขาถึงไม่ทำ ผมว่าไม่มีเหตุผลที่จะทำ เพราะจนถึง 18 เดือนที่แล้ว ไม่มีใครต้องถามว่า “เนื้อหาที่สร้างโดย AI นั้นเหนือกว่าเนื้อหาที่มนุษย์สร้างหรือไม่” – มนุษย์เป็นคนเขียน และคุณตัดสินจากคุณสมบัติของโพสต์เอง

36% นั้นไม่ทำให้ผมกังวลอย่างที่อาจดูเหมือน คุณไม่ดูเหมือนจะไม่สนใจ มันคือเพราะการวัดผลมักจะตามหลังการนำไปใช้ – มันเกิดขึ้นกับการโฆษณาแบบชำระเงิน มันเกิดขึ้นกับการตลาดอินฟลูเอ็นเซอร์ และกำลังเกิดขึ้นอีกครั้ง เครื่องมือสำหรับการใช้ AI ได้รับการปรับปรุงอย่างรวดเร็ว แต่พฤติกรรมในการตัดสินยังไม่ตามมา

AI ที่สร้างเนื้อหาให้แบรนด์สามารถผลิตเนื้อหามากขึ้นในต้นทุนที่ต่ำกว่า แต่การเข้าถึงหรือการเผยแพร่เนื้อหาที่มากขึ้นอาจทำให้เกิดความรู้สึกผิดๆ ว่าประสบความสำเร็จ ควรจัดลำดับความสำคัญของเมตริกใดเพื่อกำหนดว่าเนื้อหาที่ได้รับการช่วยเหลือจาก AI นั้นช่วยเสริมสร้างความไว้วางใจ สุขภาพของแบรนด์ และความสัมพันธ์กับลูกค้าหรือไม่?

การเข้าถึงเป็นเมตริกที่ AI ดีในการพองตัว แต่แย่ที่สุดในการอธิบาย หากคุณดูที่ตัวเลขนั้นเพียงอย่างเดียว คุณจะรู้สึกดีเป็นเวลาหลายเดือนจนกว่าคุณจะไม่รู้สึกดี สิ่งที่ผมจะตรวจสอบแทนที่จะเป็นคนอ่านหรือแบ่งปันเนื้อหานั้น – นั่นคือความแตกต่างระหว่าง “ฉันเห็นมัน” และ “สิ่งนี้มีค่า” คือคนอ่านแสดงความคิดเห็นจริงๆ หรือแค่เสียงรบกวนใต้โพสต์มากขึ้น? และสิ่งนี้ถูกข้ามบ่อย – แบรนด์ยังคงดูเหมือนคนหนึ่งหลังจากโพสต์ที่ได้รับการช่วยเหลือจาก AI 300 โพสต์หรือไม่ หรือเสียงของแบรนด์เริ่มเปลี่ยนแปลงไปโดยไม่มีใครสังเกต?

สิ่งหลังนั้นเป็นสิ่งที่ซ่อนอยู่ ความไว้วางใจไม่ล่มสลายในครั้งเดียว – มันเสื่อมลงอย่างเงียบๆ และเมื่อการเข้าถึงหรือยอดขายแสดงให้เห็น มันคือการเสียไปแล้วเป็นเวลาหลายเดือน

Metricool พบว่า 66% ของผู้ตอบแบบสอบถามเกี่ยวข้องกับ AI ในการสร้างเนื้อหาส่วนใหญ่ ในขณะที่ 6 ใน 10 คนเชื่อว่าเนื้อหาที่สร้างโดย AI เทียบเท่ากับหรือเหนือกว่าเนื้อหาที่มนุษย์สร้าง ควรออกแบบการทดลองอย่างไรเพื่อเปรียบเทียบเนื้อหาที่ได้รับการช่วยเหลือจาก AI และเนื้อหาที่มนุษย์สร้างโดยไม่สับสนกับผลสัมพันธ์ อัลกอริธึมแพลตฟอร์ม และคุณภาพเนื้อหา?

ให้ทุกอย่างคงที่ยกเว้นสิ่งเดียวที่คุณกำลังทดสอบ – เบรฟเดียวกัน แพลตฟอร์มเดียวกัน วันและเวลีเดียวกัน คนเดียวกันที่ทำการแก้ไขสุดท้าย – และเปลี่ยนเฉพาะผู้เขียนร่างแรกเท่านั้น นั่นคือทั้งหมด การเปรียบเทียบ “AI กับมนุษย์” ที่ลอยอยู่ไม่ได้ทำเช่นนี้

ให้ทำเป็นคู่ ให้ทำเป็นเวลาหลายสัปดาห์ ไม่ใช่แค่โพสต์เดียว – การแสดงผลของโพสต์เดียวส่วนใหญ่เป็นเรื่องของโชคและอารมณ์ของอัลกอริธึมในวันนั้น และคุณต้องการปริมาณที่เพียงพอเพื่อดูผลลัพธ์ที่แท้จริง และต้องซื่อสัตย์เกี่ยวกับสิ่งที่ “เทียบเท่ากับงานของมนุษย์” จริงๆ หมายถึง หากเนื้อหาที่สร้างโดย AI ได้รับการแสดงผลที่คล้ายกัน แต่มีคุณภาพการแสดงความคิดเห็นที่แย่กว่าหรือการออมที่ต่ำกว่า นั่นไม่ใช่การเสมอกัน นั่นคือสัญญาณเตือน ลำดับ “6 ใน 10” ของความมั่นใจที่ผมคาดว่าคนส่วนใหญ่ดูที่ตัวเลขผิวเผินและหยุดอยู่แค่นั้น

ที่ไหนที่อัตโนมัติเพิ่มคุณค่ามากที่สุดสำหรับทีมโซเชียลมีเดียในปัจจุบัน และความรับผิดชอบใดๆ เช่น การกำหนดเสียงแบรนด์ การจัดการชุมชน หรือการตอบสนองในช่วงวิกฤติควรอยู่ภายใต้การควบคุมของมนุษย์อย่างแน่นอน?

สิ่งที่น่าเบื่อและปริมาณมาก – การวางแผนการโพสต์ ร่างแรก การปรับขนาดวิดีโอสำหรับ 6 แพลตฟอร์ม การดึงรายงานรายเดือน – นั่นคือที่ที่อัตโนมัติเป็นเวลาให้ฟรีแก่ทีม ไม่มีใครควรทำสิ่งเหล่านี้ด้วยมือในปี 2026

เส้นแบ่งสำหรับผมคือการวินิจฉัย เสียง ชุมชน และโดยเฉพาะอย่างยิ่งสิ่งที่เกี่ยวข้องกับวิกฤต – สิ่งเหล่านี้ต้องการมนุษย์ ไม่ใช่เพราะ AI ไม่สามารถเขียนได้ดี แต่เพราะต้นทุนของโทนเสียงที่ไม่ถูกต้องในขณะที่มีความอ่อนไหวคือสาธารณะและทันที และชื่อเสียงของแบรนด์ไม่ใช่สิ่งที่คุณสามารถทดสอบ A/B ได้ ผมจะกลับไปที่สิ่งที่ผมพูดมาก่อน – การมีอยู่ครึ่งหนึ่งหรือการมีอยู่ที่ไม่ดีบนโซเชียลมีเดียนั้นเหมือนกับมีหน้าต่างร้านที่แตก AI ที่เขียนคำตอบวิกฤติให้คนอ่านใน 30 วินาที นั้นยอดเยี่ยม AI ที่กดโพสต์คำตอบนั้นด้วยตัวเอง ไม่เคย

Metricool Studio ช่วยให้ผู้ใช้สามารถสร้างรายงาน เปรียบเทียบประสิทธิภาพ วิเคราะห์คู่แข่ง และระบุรูปแบบการโพสต์ผ่านคำสั่งภาษาธรรมชาติ เมื่อ AI เปลี่ยนจากการสร้างเนื้อหามาเป็นการวิเคราะห์ประสิทธิภาพ จะเปลี่ยนแปลงบทบาทประจำวันของผู้จัดการโซเชียลมีเดียและนักวิเคราะห์การตลาดอย่างไร?

มันผลักดันงานให้ไปข้างหน้า ส่วนสำคัญของสัปดาห์ผู้จัดการโซเชียลมีเดียยังคงไปสู่การดึงตัวเลขเข้าไปใน幻灯片และเขียนประโยคที่อธิบายว่าเกิดอะไรขึ้น หากคุณสามารถถาม “ทำไมการมีส่วนร่วมลดลงเมื่อสัปดาห์ที่แล้ว” และได้รับคำตอบที่แท้จริงกลับมาในเวลาไม่กี่วินาที ส่วนสำคัญนั้นของสัปดาห์จะหายไป

สิ่งที่เหลือคือส่วนที่มีคุณค่าจริงๆ – การตัดสินใจว่าจะทำอะไรกับคำตอบนั้น รูปแบบใดที่จะเพิ่มมากขึ้น วิธีการอธิบายให้กับลูกค้าที่ไม่สนใจเรื่องกลไก เมื่อข้อมูลบอกคุณบางสิ่งที่ความเชื่อของคุณไม่เห็นด้วย ผมไม่คิดว่าบทบาทจะเล็กลง มันแบ่งคนออกเป็นสองกลุ่มอย่างรวดเร็ว – คนที่ทำการวิเคราะห์จริงๆ และคนที่ทำการป้อนข้อมูลโดยมีขั้นตอนเพิ่มเติม ผู้เชี่ยวชาญกลุ่มแรกคือคนที่เติบโตจากที่นี่

Metricool ได้รับโปรโตคอล Model Context ทำให้ AI และแพลตฟอร์มอัตโนมัติสามารถโต้ตอบกับข้อมูลโซเชียลมีเดียและเวิร์กโฟลว์ได้ โอกาสใหม่ๆ ที่นี้สร้างขึ้นมาเป็นอย่างไร และบริษัทสามารถป้องกันระบบอัตโนมัติไม่ให้เผยแพร่เนื้อหาที่ไม่เหมาะสม อ่านข้อมูลการวิเคราะห์ผิด หรือดำเนินการใดๆ ที่ทำลายแบรนด์?

เราเป็นหนึ่งในแพลตฟอร์มโซเชียลมีเดียแรกที่สร้างบนโปรโตคอล MCP ของ Claude เหตุผลนั้นง่ายๆ – มันหมายความว่าข้อมูลของ Metricool ไม่ได้แคงอยู่ในอินเทอร์เฟซของเราเท่านั้น เอเจนต์ของแบรนด์ แพลตฟอร์มอัตโนมัติ หรือสิ่งที่ทีมใช้สามารถดึงข้อมูลประสิทธิภาพหรือกระตุ้นเวิร์กโฟลว์ได้โดยตรง โดยไม่ต้องให้เราสร้างการรวมทุกอย่างด้วยตัวเอง นี่เปิดโอกาสให้เกิดเวิร์กโฟลว์ที่เรายังไม่คิดมาก่อน ซึ่งสร้างโดยคนที่ใกล้ชิดกับข้อมูลมากที่สุด

ความเสี่ยงต้องถูกออกแบบมาจากวันแรก ไม่ใช่การแก้ไขภายหลัง การเผยแพร่ควรต้องมีการอนุมัติจากมนุษย์เป็นขั้นตอนแรก ไม่ใช่การโพสต์อัตโนมัติ โดยเฉพาะอย่างยิ่งสิ่งที่เผยแพร่สู่ลูกค้า สิทธิ์การเข้าถึงต้องถูกจำกัดอย่างเข้มงวด เช่น เอเจนต์ที่สร้างขึ้นเพื่อดึงรายงานไม่ควรสามารถกระตุ้นการโพสต์ สิ่งใดๆ ที่เอเจนต์ทำต้องมีหลักฐานที่มนุษย์สามารถตรวจสอบได้ โพรโทคอลให้การเชื่อมต่อแก่คุณ รั้วรักษาความปลอดภัยยังคงเป็นตัวเลือกที่บริษัทแต่ละแห่งต้องตัดสินใจด้วยตัวเอง

การวิจัยของ Metricool ชี้ให้เห็นว่าปฏิสัมพันธ์แบบดั้งเดิมสามารถลดลงแม้ว่าการมีส่วนร่วมโดยรวมจะเพิ่มขึ้น ซึ่งได้รับแรงผลักดันจากการกระทำที่มองไม่เห็น เช่น คลิก สไลด์ มองเห็น และการกดลิงก์ แบรนด์ควรปรับตัวเมื่อเสียงสัญญาณที่มีความหมายที่สุดของความสนใจมองไม่เห็นแก่สาธารณะ?

การกดไลค์และแสดงความคิดเห็นไม่เคยเป็นตัวแทนของความสนใจที่ดี และพวกมันกำลังแย่ลง ส่วนใหญ่ของความสนใจที่แท้จริงเกิดขึ้นที่ที่ที่คนอื่นไม่สามารถเห็นได้ บางคนสไลด์ผ่านทุกๆ สไลด์ของคารูเซล มองวิดีโอจนจบ สกรีนช็อตบางสิ่งเพื่อส่งให้เพื่อนอย่างเป็นส่วนตัว ไม่มีสิ่งเหล่านี้ที่ปรากฏต่อสาธารณะ ทั้งหมดนี้คือความสนใจที่แท้จริง และอาจมีค่ามากกว่าการกดไลค์ที่ไม่ได้ตั้งใจ

ดังนั้นแบรนด์ต้องเริ่มรู้สึกสบายใจกับการรักษาอัตราการเติมเต็ม อัตราการสไลด์ และอัตราการคลิกเป็นตัวเลขหลัก ไม่ใช่แค่การดูที่จำนวนไลค์ การเปลี่ยนแปลงในทางปฏิบัติคือการถามคำถามที่แตกต่าง – ไม่ใช่ “เราได้รับการมีส่วนร่วมมากแค่ไหน” แต่ “เราได้รับความสนใจจริงๆ มากแค่ไหน” โดยรู้ว่าส่วนใหญ่ของตัวเลขที่สองจะไม่ปรากฏแก่คนอื่น

เมื่อมองไปข้างหน้า คุณคาดหวังว่า AI จะยังคงเป็นชุดของเครื่องมือที่ผู้เชี่ยวชาญด้านโซเชียลมีเดียใช้ หรือจะพัฒนาเป็นชั้นการทำงานที่วางแผนแคมเปญ จัดสรรทรัพยากร วิเคราะห์ประสิทธิภาพ และแนะนำการตัดสินใจทั่วทุกแพลตฟอร์ม?

เป็นชั้นการทำงาน และเร็วกว่าที่คนส่วนใหญ่คิด โมเดล “ถาม AI สิ่งหนึ่งแล้วสิ่งหนึ่ง” เป็นเพียงขั้นตอน ไม่ใช่จุดหมายสุดท้าย สิ่งที่เรากำลังสร้างคือ AI ที่อยู่ใต้เวิร์กโฟลว์ทั้งหมด เช่น ดูประสิทธิภาพทั่วทุกแพลตฟอร์มอย่างต่อเนื่อง จับผลลัพธ์ที่ดีได้ก่อนที่มนุษย์จะสังเกต และแนะนำขั้นตอนต่อไป

การแนะนำ ไม่ใช่การตัดสินใจ ผมไม่คิดว่าจุดสิ้นสุดคือ AI ที่ควบคุมแคมเปญโดยไม่มีใครดูแล ผมเชื่อว่ามันคือ AI ที่ทำการตรวจสอบอย่างไม่หยุดยั้งซึ่งทีมไม่มีเวลา และมอบรายการย่อที่มีประโยชน์ให้กับคนแทนการมอบกำแพงดัชบอร์ดให้ ผู้เชี่ยวชาญที่ทำได้ดีในโลกนั้นจะไม่ใช่คนที่ต่อสู้กับชั้นนั้น แต่จะเป็นคนที่เก่งขึ้นในการชี้ให้เห็น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Metricool เพื่อเรียนรู้เพิ่มเติม