Juan Pablo Tejela, CEO und Mitgründer von Metricool – Interview-Serie

Juan Pablo Tejela, CEO und Mitgründer von Metricool, ist ein Software-Ingenieur und Technologie-Unternehmer, der das Unternehmen seit 2014 geleitet hat und half, es zu einer umfassenden Plattform für die Verwaltung und Messung von digitalen Inhalten zu entwickeln. Bevor er Metricool gründete, verbrachte er fast neun Jahre bei Optimyth Software, wo seine Aufgaben unter anderem Produktmanagement, Anwendungsentwicklung, Benutzeroberflächen-Design, Vorverkauf, Kundensupport und Online-Marketing für die Kiuwan-Software-Analytics-Plattform umfassten. Früher in seiner Karriere hatte Tejela Software-Entwicklungsrollen bei Swissrisk, Indra, EADS-CASA und FEDETEC inne, wo er an Java, C++, eingebetteten Systemen, Kommunikationstechnologie und Linux-Kernel-Entwicklung arbeitete.

Metricool ist eine in Madrid ansässige Social-Media-Management-Plattform, die es Erstellern, Marken und Agenturen ermöglicht, Inhalte zu planen, Beiträge zu veröffentlichen, Konversationen zu verwalten, Leistungen zu analysieren, Wettbewerber zu überwachen und Berichte aus einem zentralen Arbeitsbereich zu generieren. Die Plattform unterstützt große soziale Netzwerke und Werbekanäle, darunter Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google und Meta Ads, und bietet auch AI-gestützte Inhalts-Erstellung- und Optimierungstools. Metricool berichtet, dass es mehr als zwei Millionen Nutzer bedient, darunter Organisationen wie Forbes, Adidas, Volvo, H&M und Warner Music (WMG ) Group.

Ihre Karriere begann in der Software-Entwicklung, den eingebetteten Systemen, der Anwendungskualität und der Produktentwicklung. Wie haben diese Erfahrungen Ihre Herangehensweise geprägt, als Sie Metricool gründeten, und welche unerfüllte Bedürfnisse überzeugten Sie davon, dass Social-Media-Profis eine neue Art von Analytics-Plattform benötigen?

Ehrlich gesagt, begann Metricool kleiner, als die Leute denken. Meine Frau Laura und ich bauten es 2015 als Nebenprojekt auf, neben unseren regulären Jobs. Blogger waren das größte Ding im Internet zu dieser Zeit, und wir bemerkten, dass sie keine anständige Möglichkeit hatten, ihre Zahlen an einem Ort zu sehen – alles war über fünf verschiedene Tools verstreut, none davon für jemanden, der nicht technisch war. Mein Hintergrund in eingebetteten Systemen und QA hatte mir eine Gewohnheit eingeprägt. Man vertraut nichts, was man nicht selbst gemessen hat. Also bauten wir die einfache Version, die wir uns wünschten.

Was die Idee tatsächlich validierte, waren nicht die Blogger, sondern die Social-Media-Profis, die direkt nach ihnen anmeldeten. Sie wollten Kundenberichte, die professionell aussahen, und dies war der Teil, der für ein Nebenprojekt zählte – sie waren bereit, zu zahlen. Blogger waren es meistens nicht. Das war der Moment, in dem ich erkannte, dass wir kein Hobby-Tool bauten, sondern für einen unterversorgten Beruf. Wir behielten unsere Jobs, bis es unverwaltbar wurde, und begannen im Januar 2017 ordentlich einzustellen. Alles seitdem war eigentlich nur eine Fortsetzung dieses ersten Instinkts: den Lärm weglassen, die Analytik transparent halten und etwas für die Person bauen, die die Arbeit leistet, nicht für die Person, die Software für andere Leute kauft.

Metricool hat sich von einem auf Analytics ausgerichteten Produkt zu einer Social-Media-Management-Plattform entwickelt, die von mehr als vier Millionen Profis, Agenturen, Erstellern und Marken verwendet wird. Welche waren die folgenreichsten Produktentscheidungen hinter diesem Wachstum, und gab es Momente, in denen Sie die ursprüngliche Vision des Unternehmens neu überdenken mussten?

Einige Entscheidungen waren wichtiger als der Rest. Voll auf Analytics zu setzen, während alle anderen – Hootsuite, Buffer – auf Planung konzentriert waren, war die erste, und das ist immer noch unser Unterscheidungsmerkmal heute. Die zweite war, sich weigern, ein “amerikanisches” Tool zu sein, das Spanisch und andere Sprachen als Nachgedanken behandelt; das gab uns einen echten Vorteil in Europa und Lateinamerika. Die dritte, jüngere, war die Entscheidung, dass Social-Werbeinhalte nicht in einem separaten Tool von organischen Inhalten leben können, weil kein Social-Media-Manager tatsächlich darüber nachdenkt, sie getrennt zu betrachten.

Hat sich die Vision geändert? Ständig, und ich denke, das ist nicht schlecht. Wir haben nicht vor, für Agenturen zu bauen, stattdessen bauten wir für einzelne Profis und Blogger. Agenturen zeigten sich auf eigene Faust, sagten uns, was sie brauchten (weißes Etikett-Berichte, Multi-Kunden-Dashboards, Team-Sitze), und wir hörten zu und handelten. Gleiches gilt für Marken später. Wenn ich die “ursprüngliche Vision” für Metricool zu sehr beibehalten hätte, hätten wir ein viel kleineres Produkt für eine Nische-Publikum gebaut. Der Plan war nie heilig. Die Nutzer legten größtenteils die Straßenkarte für uns fest.

Metricools Forschung ergab, dass 96% der Social-Media-Profis künstliche Intelligenz verwenden, aber 36% nicht wissen oder messen, ob AI-generierter Inhalt besser abschneidet. Warum hat die AI-Adoption so viel schneller Fortschritte gemacht als die Fähigkeit von Organisationen, den tatsächlichen Geschäftsnutzen zu bewerten?

Weil der Einsatz von AI einfach ist und das Messen richtig Arbeit ist. Man öffnet ein Tool, man erhält eine Überschrift, man veröffentlicht – kein Reibung überhaupt. Tatsächlich zu wissen, ob diese Überschrift etwas für Sie getan hat, bedeutet, einen Vergleich aufzubauen, geduldig zu sein, dem Drang zu widerstehen, nach einem guten Beitrag den Sieg zu erklären. Die meisten Teams haben diese Disziplin noch nicht aufgebaut, und ehrlich gesagt, warum sollten sie? Bis vor achtzehn Monaten musste niemand fragen “hat die AI-Version besser abgeschnitten als die menschliche Version” – eine Person schrieb es, man beurteilte den Beitrag aufgrund seiner eigenen Meriten.

Diese 36% beunruhigen mich nicht so sehr, wie es sich anhören mag. Es ist nicht, dass die Leute nachlässig sind. Es ist, dass Messung immer hinter der Adoption zurückbleibt – es geschah mit bezahlter Social-Media-Werbung, es geschah mit Influencer-Marketing, es passiert wieder hier. Die Tools zum Einsatz von AI verbesserten sich schnell. Die Gewohnheiten, es zu beurteilen, haben noch nicht aufgeholt. Sie werden.

Generative AI ermöglicht es Marken, mehr Inhalte zu produzieren, aber eine größere Reichweite oder Veröffentlichungsvolumen kann ein falsches Gefühl von Erfolg erzeugen. Welche Kennzahlen sollten Teams priorisieren, um zu bestimmen, ob AI-gestützter Inhalt das Vertrauen, die Markengesundheit und die Kundenbeziehungen stärkt?

Reichweite ist die Kennzahl, bei der AI am besten aufbläht und am schlechtesten erklärt. Wenn Sie nur diese Zahl beobachten, werden Sie sich großartig fühlen, bis Sie es nicht mehr tun. Was ich tatsächlich überwachen würde, sind Menschen, die den Inhalt speichern oder teilen, nicht nur daran vorbeiscrollen – das ist der Unterschied zwischen “Ich habe es gesehen” und “das war es wert, es zu behalten.” Sind die Kommentare tatsächliche Konversationen oder nur mehr Lärm unter mehr Beiträgen? Und, das wird ständig übersehen, klingt die Marke immer noch wie eine Person nach drei hundert AI-gestützten Beiträgen, oder hat die Stimme begonnen, sich post für post ohne dass jemand es bemerkt zu verändern?

Letzteres ist der heimliche Teil. Vertrauen bricht nicht plötzlich zusammen – es erodiert leise, und bis Reichweite oder Verkäufe es zeigen, haben Sie es bereits monatelang verloren.

Metricool fand heraus, dass 66% der Befragten AI bei mindestens der Hälfte ihrer Inhalte einsetzen, während sechs von zehn glauben, dass AI-generierter Inhalt menschlich erstellten Inhalten entspricht oder übertrifft. Wie sollten Marken Experimente entwerfen, die AI-gestützten und menschlich erstellten Inhalten fair vergleichen, ohne Korrelation, Plattform-Algorithmen und Inhaltsqualität zu verwirren?

Halten Sie alles fest, außer der einen Sache, die Sie testen – gleiche Aufgabe, gleiche Plattform, gleicher Tag und gleiche Uhrzeit, gleiche Person, die die endgültige Bearbeitung durchführt – und ersetzen Sie nur, wer den ersten Entwurf geschrieben hat. Das ist alles. Die meisten “AI vs. menschlich” Vergleiche, die herumgeschwirrt werden, tun dies nicht. Sie vergleichen einen AI-Beitrag von Dienstag mit einem menschlichen Beitrag von vor drei Monaten zu einem völlig anderen Thema und ziehen dann eine Schlussfolgerung.

Führen Sie es in Paaren durch, führen Sie es über Wochen durch, nicht für einen Beitrag – die Leistung eines einzelnen Beitrags ist hauptsächlich Glück und Algorithmus-Laune an diesem Tag, und Sie benötigen genug Volumen, um daran vorbeizusehen. Und seien Sie ehrlich darüber, was “menschliche Arbeit entspricht” tatsächlich bedeutet. Wenn AI-Inhalte ähnliche Impressionen erhalten, aber schlechtere Kommentarqualität oder weniger Speicher haben, ist das kein Unentschieden, das ist ein Warnsignal. Ein großer Teil dieser “sechs von zehn” Vertrauens, vermute ich, sind Leute, die auf die Oberflächenzahl schauen und dort aufhören.

Wo fügt Automation derzeit den meisten Wert für Social-Media-Teams hinzu, und welche Verantwortlichkeiten, wie z.B. die Festlegung der Markenstimme, die Verwaltung von Communities oder die Reaktion in einer Krise, sollten fest unter menschlicher Kontrolle bleiben?

Die langweiligen, hochvolumigen Dinge – Planung, erste Entwürfe, Video-Größenanpassung für sechs Plattformen, Abrufen eines monatlichen Berichts – das ist, wo Automation praktisch kostenlose Zeit für ein Team zurückgibt. Niemand sollte das von Hand tun in 2026.

Die Grenze für mich ist das Urteil. Stimme, Community und insbesondere alles, was eine Krise ist – das benötigt einen Menschen. Nicht, weil AI nicht etwas Vernünftiges entwerfen kann, es kann oft, aber weil die Kosten für einen falschen Ton in einem sensiblen Moment öffentlich und sofort sind, und ein Ruf einer Marke ist nicht etwas, das man A/B-Testen kann. Ich gehe zurück zu etwas, das ich vorher gesagt habe: halbpräsent oder schlecht präsent auf Social-Media zu sein, ist wie ein kaputter Ladenfenster. AI entwirft eine Krisenreaktion für einen Menschen, um sie in dreißig Sekunden zu überprüfen, großartig. AI veröffentlicht diese Reaktion selbst, nie.

Metricool Studio ermöglicht es Benutzern, Berichte zu generieren, Leistungen zu vergleichen, Wettbewerber zu analysieren und Veröffentlichungsmuster durch natürliche Sprachanfragen zu identifizieren. Wie wird sich dies auf die tägliche Rolle von Social-Media-Managern und Marketing-Analysten ändern, wenn AI von der Erstellung von Inhalten zu der Interpretation von Leistungen wechselt?

Es drängt die Arbeit nach oben. Ein großer Teil der Woche eines Social-Media-Managers geht immer noch in das Abrufen von Zahlen in eine Folie und das Schreiben des Satzes, der erklärt, was passiert ist. Wenn Sie einfach “Warum ist die Bindung letzte Woche gesunken” fragen und eine echte Antwort in Sekunden erhalten können, verschwindet dieser Teil der Woche praktisch.

Was bleibt, ist der tatsächlich wertvolle Teil: zu entscheiden, was mit der Antwort zu tun ist. Welches Format zu verdoppeln, wie es einem Kunden zu erklären, der sich nicht um die Mechanik kümmert, und wenn die Daten etwas sagen, mit dem Ihr Bauch nicht einverstanden ist. Ich denke nicht, dass die Rolle schrumpft, sie teilt die Leute in zwei Gruppen sehr schnell: die, die tatsächliche Analyse durchführen, und die, die hauptsächlich Daten-Eingabe mit zusätzlichen Schritten durchführen. Nur die erste Gruppe wächst von hier aus.

Metricool hat das Model Context Protocol übernommen, das es AI-Assistenten, Automatisierungsplattformen und benutzerdefinierten Agenten ermöglicht, mit Social-Media-Daten und Workflows zu interagieren. Welche Chancen bietet dies, und wie können Unternehmen verhindern, dass autonome Systeme unangemessene Inhalte veröffentlichen, Analysen falsch interpretieren oder Handlungen ausführen, die der Marke schaden?

Wir waren eines der ersten Social-Media-Unternehmen, das auf Claudes MCP aufbaute, und der Grund ist einfach. Es bedeutet, dass Metricools Daten nicht mehr nur innerhalb unserer eigenen Oberfläche leben. Ein Agent einer Marke, eine Automatisierungsplattform, was auch immer ein Team bereits verwendet, kann jetzt Leistungsdaten abrufen oder einen Workflow direkt auslösen, ohne dass wir jede einzelne Integration selbst aufbauen müssen. Das öffnet Workflows, die wir noch nicht gedacht haben, die von den Menschen gebaut werden, die dem Daten am nächsten sind.

Das Risiko muss von Tag eins an entworfen werden, nicht nachträglich aufgepfropft. Praktisch sollte die Veröffentlichung standardmäßig auf einen menschlichen Genehmigungsschritt angewiesen sein, nicht auf stille autonome Veröffentlichung, insbesondere bei clientseitigen Inhalten. Berechtigungen müssen eng umschrieben werden, wie z.B. ein Agent, der gebaut wurde, um einen Bericht abzurufen, sollte nicht in der Lage sein, einen Beitrag zu veröffentlichen, Punkt. Und jede Aktion, die ein Agent ausführt, benötigt eine Spur, die ein Mensch überprüfen kann. Das Protokoll gibt Ihnen die Verbindung. Die Schutzräder sind immer noch eine Entscheidung, die jedes Unternehmen mit Absicht treffen muss.

Metricools Forschung legt nahe, dass traditionelle öffentliche Interaktionen sinken können, auch wenn die Gesamtbindung zunimmt, getrieben durch weniger sichtbare Aktionen wie Klicks, Swipes, Ansichten und Link-Tipps. Wie sollten Marken sich anpassen, wenn einige der bedeutendsten Signale der Aufmerksamkeit immer unsichtbarer für die Öffentlichkeit werden?

Likes und Kommentare waren nie ein guter Proxy für Aufmerksamkeit, und sie werden immer schlechter. Der größte Teil des echten Interesses heute passiert irgendwo, wo niemand anders hinsieht. Jemand blättert durch jede Folie eines Karussells, schaut ein Video bis zum Ende, macht ein Screenshot, um es einem Freund privat zu senden. Keines davon erscheint öffentlich. All dies ist reale Aufmerksamkeit, möglicherweise wertvoller als ein reflexiver Doppelklick.

Also müssen Marken sich daran gewöhnen, die Abschlussrate, die Swipe-Through-Rate und die Klick-Through-Rate als Kernzahlen zu behandeln, nicht als Fußnoten, die unter Likes begraben sind. Der praktische Wechsel ist, eine andere Frage zu stellen: nicht “wie viel Bindung haben wir bekommen”, sondern “wie viel Aufmerksamkeit haben wir tatsächlich verdient”, wissend, dass die meisten dieser zweiten Zahl nie für jemanden außerhalb Ihres eigenen Dashboards sichtbar sein werden.

Blickt man nach vorne, erwarten Sie, dass AI eine Sammlung von Assistenten bleibt, die von Social-Media-Profis verwendet werden, oder wird sie sich zu einer Betriebsschicht entwickeln, die kontinuierlich Kampagnen plant, Ressourcen zuweist, Leistungen interpretiert und Entscheidungen über alle Plattformen hinweg empfiehlt?

Eine Betriebsschicht, und früher, als die meisten Leute erwarten. Das “AI um etwas bitten” Modell ist eine Phase, kein Ziel. Was wir tatsächlich aufbauen, ist AI, das unter der gesamten Arbeitsabfolge sitzt, wie z.B. die Leistung über alle Plattformen hinweg kontinuierlich beobachtet, erkennt, was funktioniert, bevor ein Mensch es bemerken würde, und den nächsten Schritt empfiehlt.

Empfehlen, nicht entscheiden. Ich denke nicht, dass der Endzustand darin besteht, dass AI Kampagnen ohne Aufsicht führt. Ich glaube, es ist AI, das die unermüdliche Überwachung durchführt, die kein Team hat, und einem Menschen eine kurze, nützliche Liste anstelle einer Wand von Dashboards anbietet. Die Profis, die in dieser Welt gut abschneiden, werden nicht diejenigen sein, die gegen die Schicht kämpfen, sondern diejenigen, die gut darin werden, sie zu zeigen.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten Metricool besuchen.