Juan Pablo Tejela, CEO en co-oprichter van Metricool – Interviewreeks

Juan Pablo Tejela, CEO en co-oprichter van Metricool, is een software-ingenieur en technologie-ondernemer die het bedrijf sinds 2014 leidt, waardoor het een uitgebreid platform is geworden voor het beheren en meten van digitale inhoud. Voordat hij Metricool oprichtte, werkte hij bijna negen jaar bij Optimyth Software, waar zijn verantwoordelijkheden onder andere productbeheer, applicatie-ontwikkeling, gebruikersinterface-ontwerp, voorverkoop, klantenservice en online marketing voor het Kiuwan software-analyseplatform omvatten. Eerder in zijn carrière had Tejela software-ingenieursfuncties bij Swissrisk, Indra, EADS-CASA en FEDETEC, waar hij werkte met Java, C++, embedded systems, communicatietechnologie en Linux-kernontwikkeling.

Metricool is een in Madrid gevestigd sociaal mediabeheerplatform dat creators, merken en agentschappen in staat stelt om inhoud te plannen, berichten te publiceren, gesprekken te beheren, prestaties te analyseren, concurrenten te volgen en rapporten te genereren vanuit een centraal werkruimte. Het platform ondersteunt grote sociale netwerken en advertentiekanaal, waaronder Instagram, Facebook, TikTok, LinkedIn, YouTube, X, Bluesky, Pinterest, Google en Meta Ads, en biedt ook AI-geassisteerde inhoudscreatie- en optimalisatiehulpmiddelen. Metricool meldt dat het meer dan twee miljoen gebruikers bedient, waaronder organisaties als Forbes, Adidas, Volvo, H&M en Warner Music (WMG ) Group.

Uw carrière begon in software-engineering, embedded systems, applicatiekwaliteit en productontwikkeling. Hoe hebben die ervaringen uw aanpak gevormd toen u Metricool oprichtte, en welke onvervulde behoefte overtuigde u ervan dat socialemediaprofessionals een nieuw type analytisch platform nodig hadden?

Eerlijk gezegd, Metricool is kleiner begonnen dan mensen denken. Mijn vrouw Laura en ik hebben het in 2015 als een zijproject gebouwd, naast onze reguliere banen. Bloggers waren op dat moment het grootste op internet, en we zagen dat ze geen fatsoenlijke manier hadden om hun cijfers op één plek te zien – alles was verspreid over vijf verschillende tools, waarvan geen enkele was ontworpen voor iemand die niet technisch was. Mijn achtergrond in embedded systems en QA had één gewoonte in me aangekweekt. Je vertrouwt niets dat je zelf niet hebt gemeten. Dus we bouwden de eenvoudige versie die we wilden dat er bestond.

Wat de idee eigenlijk valideerde, waren niet de bloggers, maar de socialemediaprofessionals die zich direct na hen aanmeldden. Zij wilden klantrapporten die er professioneel uitzagen, en dit is het deel dat ertoe deed voor een zijproject – zij waren bereid om te betalen. Bloggers waren dat meestal niet. Dat was het moment waarop ik besefte dat we geen hobbytool aan het bouwen waren, maar iets voor een onbediende beroepsgroep. We hielden onze banen totdat het onbeheersbaar werd, en begonnen in januari 2017 echt te werven. Alles daarna is eigenlijk alleen maar een uitbreiding van die eerste impuls: de ruis wegfilteren, de analyse transparant houden en iets bouwen voor de persoon die het werk doet, niet voor de persoon die software voor anderen koopt.

Metricool is geëvolueerd van een gefocust analytisch product naar een sociaal mediabeheerplatform dat door meer dan vier miljoen professionals, agentschappen, creators en merken wordt gebruikt. Wat waren de meest gevolghebbende productbeslissingen achter die groei, en waren er momenten waarop u het oorspronkelijke visie van het bedrijf moest heroverwegen?

Een paar beslissingen waren belangrijker dan de rest. Volledig inzetten op analyse terwijl iedereen anders – Hootsuite, Buffer – zich op plannen richtte, was de eerste, en dat is nog steeds onze differentiator vandaag. De tweede was weigeren om een “Amerikaanse” tool te zijn die Spaans en andere talen als een bijzaak behandelt; dat gaf ons een echte voorsprong in Europa en Latijns-Amerika in het begin. De derde, meer recent, was besluiten dat sociale advertenties niet in een aparte tool van organische inhoud kunnen bestaan, omdat geen enkele socialemediamanager ze echt apart denkt.

Is de visie veranderd? Constant, en ik denk dat dat niet erg is. We wilden niet voor agentschappen bouwen, we bouwden voor individuele professionals en bloggers. Agentschappen meldden zichzelf aan, vertelden ons wat ze nodig hadden (witte-etiketr-rapporten, multi-clientdashboards, teamstoelen), en we luisterden en namen actie. Hetzelfde gold voor merken later. Als ik het “oorspronkelijke visie” van Metricool te veel had vastgehouden, hadden we een veel kleiner product voor een niche-publiek gebouwd. Het plan was nooit heilig. De gebruikers hebben grotendeels de roadmap voor ons uitgestippeld.

Metricools onderzoek toonde aan dat 96% van de socialemediaprofessionals kunstmatige intelligentie gebruiken, maar 36% weten niet of meten of AI-gegenereerde inhoud beter presteert. Waarom is AI-adoptie sneller gegaan dan de mogelijkheid van organisaties om de daadwerkelijke zakelijke impact te evalueren?

Omdat het gebruik van AI gemakkelijk is en het meten ervan juist werk is. Je opent een tool, je krijgt een onderschrift, je plaatst het – geen enkele wrijving. Echt weten of dat onderschrift iets voor je heeft gedaan, betekent het opzetten van een vergelijking, geduld hebben, weerstand bieden aan de neiging om de overwinning te claimen na één goede post. De meeste teams hebben die discipline nog niet opgebouwd, en eerlijk gezegd, waarom zouden ze dat hebben gedaan? Tot achttien maanden geleden hoefde niemand te vragen “heeft de AI-versie de menselijke versie overtroffen” – een persoon schreef het, je beoordeelde de post op zijn eigen merites.

Die 36% maakt me niet zo bezorgd als het misschien klinkt. Het is niet dat mensen zorgeloos zijn. Het is dat meting altijd achter adoptie aan loopt – het gebeurde met betaalde sociale media, het gebeurde met influencer marketing, het gebeurt nu weer hier. De tools voor het gebruik van AI zijn snel verbeterd. De gewoonten voor het beoordelen ervan zijn nog niet bijgehouden. Dat zullen ze wel doen.

Generatieve AI stelt merken in staat om meer inhoud te produceren tegen een lagere kosten, maar een grotere bereik of publicatievolume kan een vals gevoel van succes creëren. Welke metrics moeten teams prioriteren om te bepalen of AI-geassisteerde inhoud het vertrouwen, de merkgezondheid en de klantrelaties versterkt?

Bereik is de metric waar AI het beste in is om op te blazen en het slechtst in om uit te leggen. Als je alleen naar dat nummer kijkt, zal je je geweldig voelen voor maanden, totdat je dat niet meer doet. Wat ik zou monitoren, zijn mensen die de inhoud opslaan of delen, niet alleen maar scrollen – dat is het verschil tussen “ik zag het” en “dit was het waard om te bewaren.” Zijn de opmerkingen echte conversatie, of alleen maar meer lawaai onder meer berichten? En, dit wordt constant overgeslagen, klinkt het merk nog steeds als één persoon na driehonderd AI-geassisteerde berichten, of is de stem begonnen te zweven van bericht tot bericht zonder dat iemand het heeft gemerkt?

Dat laatste is het sluwe. Vertrouwen implodeert niet in één keer – het erodeert stil, en tegen de tijd dat bereik of verkoop het laten zien, ben je het al maanden aan het verliezen.

Metricool vond dat 66% van de respondenten AI betrekken bij ten minste de helft van hun inhoud, terwijl zes van de tien geloven dat AI-gegenereerde inhoud overeenkomt met of de door mensen gemaakte inhoud overtreft. Hoe moeten merken experimenten ontwerpen die AI-geassisteerde en door mensen gemaakte inhoud eerlijk vergelijken zonder correlatie, platformalgoritmes en inhoudskwaliteit te verwarren?

Houd alles vast behalve het ene ding dat je test – dezelfde brief, hetzelfde platform, dezelfde dag en tijd, dezelfde persoon die de laatste bewerking doet – en wissel alleen wie de eerste versie schreef. Dat is het. De meeste “AI vs. mens” vergelijkingen die er zijn, doen dit niet. Ze vergelijken een AI-bericht van dinsdag met een menselijk bericht van drie maanden geleden over een compleet ander onderwerp, en trekken dan een conclusie.

Voer het uit in paren, voer het uit voor weken, niet voor één bericht – de prestaties van één bericht zijn meestal geluk en algoritme-mood die dag, en je hebt genoeg volume nodig om daar voorbij te kijken. En wees eerlijk over wat “overeenkomt met menselijk werk” eigenlijk betekent. Als AI-inhoud soortgelijke indrukken krijgt maar slechtere opmerkingkwaliteit of lagere opslag, is dat geen gelijkspel, dat is een waarschuwingssignaal. Een groot deel van die “zes van de tien” vertrouwen, vermoed ik, zijn mensen die naar het oppervlakkige nummer kijken en daar stoppen.

Waar voegt automatisering momenteel de meeste waarde toe voor socialemediateams, en welke verantwoordelijkheden, zoals het vaststellen van de merkstem, het beheren van gemeenschappen of het reageren tijdens een crisis, moeten stevig onder menselijke controle blijven?

De saaie, hoge-volumehulp – plannen, eerste concepten, video’s voor zes platforms herschalen, een maandelijkse rapport opstellen – dat is waar automatisering vrijwel gratis tijd teruggeeft aan een team. Niemand zou dat met de hand moeten doen in 2026.

De grens voor mij is oordeel. Stem, gemeenschap en vooral alles wat een crisis is – die hebben een mens nodig. Niet omdat AI geen redelijk concept kan schrijven, het kan dat vaak, maar omdat de kosten van één verkeerde toon in een gevoelige situatie openbaar en onmiddellijk zijn, en een merk reputatie is niet iets waar je A/B-testen op kunt doen. Ik zal terugkeren naar iets wat ik eerder heb gezegd: half-aanwezig of slecht aanwezig zijn op sociale media is als een gebroken winkelruit. AI die een crisissituatie voor een mens beoordeelt in dertig seconden, geweldig. AI die zelf publiceert zonder menselijke tussenkomst, nooit.

Metricool Studio stelt gebruikers in staat om rapporten te genereren, prestaties te vergelijken, concurrenten te analyseren en publicatiepatronen te identificeren via natuurlijke taalprompt. Hoe zal deze verandering de dagelijkse rol van socialemediamanager en marketinganalisten beïnvloeden?

Het duwt de baan omhoog. Een enorm deel van de week van een socialemediamanager gaat nog steeds op in het trekken van nummers in een dia en het schrijven van de zin die uitlegt wat er gebeurde. Als je gewoon kunt vragen “waarom daalde de betrokkenheid vorige week” en een echt antwoord krijgt in seconden, dan verdwijnt dat hele deel van de week eigenlijk.

Wat overblijft, is het echte waardevolle deel: beslissen wat je met het antwoord moet doen. Welk formaat je moet verdubbelen, hoe je het aan een klant moet uitleggen die zich niet om de mechanica’s bekommert, wanneer de gegevens iets zeggen wat je gevoel niet met je eens is. Ik denk niet dat de rol krimpt, het splitst mensen in twee groepen vrij snel: degenen die echte analyse deden, en degenen die voornamelijk gegevensinvoer deden met extra stappen. Alleen de eerste groep groeit van hieruit.

Metricool heeft het Model Context Protocol geadopteerd, waardoor AI-assistenten, automatiseringsplatforms en aangepaste agentschappen kunnen communiceren met socialemediagegevens en -workflows. Wat zijn de kansen die dit creëert, en hoe kunnen bedrijven voorkomen dat autonome systemen ongepaste inhoud publiceren, analytics verkeerd interpreteren of acties ondernemen die een merk schaden?

We waren een van de eerste socialemediaplatforms die op Claude’s MCP bouwden, en de reden is eenvoudig. Het betekent dat Metricools gegevens niet langer alleen binnen onze eigen interface leven. Een merk eigen agent, een automatiseringsplatform, wat een team ook maar gebruikt, kan nu prestatiegegevens ophalen of een workflow activeren, zonder dat wij elke enkele integratie zelf moeten bouwen. Dat opent workflows die we nog niet hebben bedacht, gebouwd door de mensen die het dichtst bij de gegevens zitten.

Het risico moet vanaf het begin worden ontworpen, niet later worden aangepast. Praktisch gezien moet publiceren standaard een menselijke goedkeuringsstap hebben, niet stil autonomatisch publiceren, vooral niet voor alles wat klantgericht is. Machtigingen moeten strikt worden afgebakend, zoals een agent die is gebouwd om een rapport op te halen, mag geen bericht activeren, punt. En elke actie die een agent uitvoert, moet een spoor hebben dat een mens kan controleren. Het protocol geeft je de verbinding. De beschermingsmaatregelen zijn nog steeds een beslissing die elk bedrijf met opzet moet nemen.

Metricools onderzoek suggereert dat traditionele openbare interacties kunnen afnemen, zelfs als de totale betrokkenheid toeneemt, aangedreven door minder zichtbare acties zoals kliks, swipes, weergaven en link-tikken. Hoe moeten merken zich aanpassen wanneer enkele van de meest betekenisvolle signalen van aandacht steeds meer onzichtbaar zijn voor het publiek?

Vind-ik-leuks en opmerkingen waren nooit een goede proxy voor aandacht, en ze worden steeds slechter. De meeste echte interesse gebeurt vandaag op een plek waar niemand anders kan zien. Iemand swipet door elke slide van een carousel, kijkt een video tot het einde, maakt een screenshot om naar een vriend te sturen via privéberichten. Niets van dat wordt openbaar getoond. Alles is echte aandacht, mogelijk meer waard dan een reflexieve dubbele tik.

Dus merken moeten comfortabel worden met het behandelen van voltooiingspercentages, swipethrough en doorklikpercentages als core-nummers, niet als voetnoten begraven onder vind-ik-leuks. De praktische verschuiving is een andere vraag stellen: niet “hoeveel betrokkenheid kregen we” maar “hoeveel aandacht verdienden we echt”, wetend dat de meeste van dat tweede nummer nooit zichtbaar zal zijn voor iemand buiten je eigen dashboard.

Kijkend naar de toekomst, verwacht u dat AI een verzameling assistenten zal blijven die door socialemediaprofessionals worden gebruikt, of zal het evolueren naar een operationele laag die campagnes continu plannen, middelen toewijst, prestaties interpreteert en beslissingen aanbeveelt over elk platform?

Een operationele laag, en eerder dan de meeste mensen verwachten. Het “AI één ding per keer vragen” model is een fase, niet de bestemming. Wat we eigenlijk naar toe bouwen, is AI die onder de hele workflow zit, zoals het continu monitoren van prestaties op elk platform, het vangen van wat werkt voordat een mens het zou merken, en het aanbevelen van de volgende stap.

Aanbevelen, niet beslissen. Ik denk niet dat de eindtoestand is dat AI campagnes zonder toezicht uitvoert. Ik geloof dat het AI is die het onophoudelijke monitoren doet waar geen enkel team de uren voor heeft, en die een persoon een korte, nuttige lijst geeft in plaats van een muur van dashboards. De professionals die het goed doen in die wereld, zullen niet degenen zijn die tegen de laag vechten, maar degenen die er goed in worden om het aan te wijzen.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Metricool bezoeken.