Juan Pablo Tejela，Metricool 的 CEO 和联合创始人 – 采访系列

Juan Pablo Tejela，Metricool 的 CEO 和联合创始人，是一位软件工程师和技术企业家，他自 2014 年以来一直领导着该公司，帮助其发展成为一个用于管理和衡量数字内容的综合平台。在启动 Metricool 之前，他在 Optimyth Software 工作了近九年，负责产品管理、应用开发、用户界面设计、预售、客户支持和在线营销等工作。早期，他曾在 Swissrisk、Indra、EADS-CASA 和 FEDETEC 等公司担任软件工程师，涉及 Java、C++、嵌入式系统、通信技术和 Linux 内核开发等领域。

Metricool 是一家位于马德里的社交媒体管理平台，允许创作者、品牌和代理商计划内容、发布帖子、管理对话、分析性能、监测竞争对手和生成报告。该平台支持主要的社交网络和广告渠道，包括 Instagram、Facebook、TikTok、LinkedIn、YouTube、X、Bluesky、Pinterest、Google 和 Meta Ads，同时还提供 AI 辅助内容创作和优化工具。Metricool 报告称，其服务用户超过 200 万，包括福布斯、阿迪达斯、沃尔沃、H&M 和华纳音乐集团等组织。

您的职业生涯始于软件工程、嵌入式系统、应用质量和产品开发。这些经历如何塑造您在创立 Metricool 时的方法，您又如何意识到社交媒体专业人士需要一种新的分析平台？

老实说，Metricool 一开始比人们想象的要小。我的妻子 Laura 和我在 2015 年作为一个副项目创建了它，当时我们都有正职工作。博客作者是当时互联网上最重要的事情，我们注意到他们没有一个好方法来查看他们的数字——所有东西都分散在五个不同的工具中，没有一个是为非技术人员设计的。我的背景在嵌入式系统和 QA 中让我养成了一个习惯：你不能相信你没有自己测量过的事情。所以我们构建了一个简单的版本，我们希望它存在。

实际上验证了这个想法的并不是博客作者，而是之后开始注册的社交媒体专业人士。他们想要看起来专业的客户报告，而这就是重要的部分——他们愿意为此付费。博客作者大多不愿意付费。这就是我意识到我们不是在构建一个爱好工具，而是在为一个被低估的职业构建东西的时候。我们一直保留着我们的工作，直到它变得难以管理，我们才开始在 2017 年 1 月正式招聘。从那时起，一切都只是对最初的直觉的延伸：去掉噪音，保持分析的透明度，并为做实际工作的人构建东西，而不是为购买软件给别人的人构建东西。

Metricool 已经从一个专注的分析产品演变成一个由超过 400 万专业人士、代理商、创作者和品牌使用的社交媒体管理平台。是什么最关键的产品决策促成了这种增长？是否有过需要重新思考公司原始愿景的时刻？

有一些决定比其他的更重要。全力以赴地专注于分析，而其他公司（如 Hootsuite 和 Buffer）专注于调度，这是第一个决定，也是我们今天仍然存在的区别。第二个决定是拒绝成为一个“美国”工具，将西班牙语和其他语言视为附加项；这让我们在欧洲和拉丁美洲早期获得了真正的优势。第三个决定，是最近的决定，社交广告不能与有机内容分开，因为没有社交媒体经理会将它们分开考虑。

愿景是否改变了？是的，而且我不认为这是坏事。我们最初并没有打算为代理商构建 Metricool，而是为个人专业人士和博客作者构建的。代理商自己出现了，告诉我们他们需要什么（白标签报告、多客户仪表盘、团队席位），我们倾听并采取行动。同样，对于后来的品牌来说也是如此。如果我过于坚持最初的 Metricool 视野，我们就会为一个小众受众构建一个更小的产品。计划从来都不是神圣不可侵犯的。用户基本上为我们制定了路线图。

Metricool 的研究发现，96% 的社交媒体专业人士使用人工智能，但 36% 的人不知道或无法衡量 AI 生成内容是否表现更好。为什么 AI 的采用速度比组织评估其实际业务影响的能力快得多？

因为使用 AI 很容易，而正确衡量它则需要工作。你打开一个工具，得到一个标题，发布它——完全没有摩擦。实际上知道那个标题是否对你有任何作用意味着设置一个比较，耐心等待，并抵制在一篇好帖子后宣布胜利的冲动。大多数团队还没有建立这种纪律，我认为这并不是他们应该有的责任。直到十八个月前，没人需要问“AI 版本是否优于人类版本”——一个人写了它，你根据帖子的自身价值判断它。

那 36% 的数字并不像听起来那样让我担心。这不是人们粗心大意的原因，而是衡量总是落后于采用——这在付费社交和影响者营销中也发生过，现在又发生在这里。使用 AI 的工具改进得很快，但判断它们的习惯还没有跟上。它们最终会跟上的。

生成式 AI 允许品牌以较低的成本生产更多内容，但更大的覆盖范围或发布量可能会制造出虚假的成功感。团队应该优先哪些指标来确定 AI 辅助内容是否加强了信任、品牌健康和客户关系？

覆盖范围是 AI 最擅长膨胀但最难解释的指标。如果你只关注这个数字，你会感到良好几个月，直到你突然不再感到良好。实际上，我会监测人们保存或分享内容的数量，而不是只是滚动过去——这就是“我看到了它”和“这值得保存”的区别。评论是真正的对话，还是只是在更多帖子下面的噪音？还有，这一点经常被跳过，品牌在发布了三百个 AI 辅助帖子后是否仍然听起来像一个人，还是声音已经悄悄地变化了，没有人注意到。

最后一点是最隐蔽的。信任不会一下子崩溃——它会悄悄地侵蚀，到你注意到的时候，你已经失去了它几个月了。

Metricool 发现，66% 的受访者在至少一半的内容中使用 AI，而六成人认为 AI 生成的内容与人类创作的内容一样好，甚至更好。品牌应该如何设计实验，以公平地比较 AI 辅助和人类创作的内容，而不混淆相关性、平台算法和内容质量？

保持一切固定，除了你正在测试的那一件事——相同的简介、相同的平台、相同的日期和时间、相同的人进行最终编辑——只交换谁写了第一稿。这就是全部。目前流传的“AI 对比人类”的比较大多没有做到这一点。他们将周二的 AI 帖子与三个月前完全不同主题的人类帖子进行比较，然后得出结论。

成对运行，运行数周，而不是只运行一篇帖子——单篇帖子的性能主要是运气和当天算法的情绪，你需要足够的体积来看穿这一点。并且要诚实地对待“与人类作品相匹配”到底是什么意思。如果 AI 内容获得类似的印象，但评论质量更差或保存率更低，那就不是平局，那是一个警告信号。我怀疑那“六成”中的很多信心来自于人们只看表面数字就停止了。

自动化目前为社交媒体团队添加了最多的价值，哪些职责，如建立品牌声音、管理社区或在危机时刻响应，应该仍然牢固地掌握在人类手中？

枯燥、体积大的工作——调度、初稿、为六个平台调整视频大小、拉取月度报告——这是自动化基本上可以让团队获得的空闲时间。2026 年不应该有人手动做这些事情。

我的底线是判断。语音、社区，尤其是危机时刻——这些都需要人类。不是因为 AI 不能草拟出合理的东西，它通常可以，但因为在敏感时刻错误的语气可能带来公开和立即的代价，品牌的声誉不是你可以 A/B 测试的东西。我会重复之前说过的一件事：在社交媒体上半心半意或表现糟糕就像有一个破碎的店面窗户。AI 草拟危机响应供人类在三十秒内审查，很好。AI 自己发布那个响应，永远不行。

Metricool Studio 允许用户通过自然语言提示生成报告、比较性能、分析竞争对手和识别发布模式。随着 AI 从生成内容转向解释性能，社交媒体经理和营销分析师的日常角色将如何变化？

这推动了工作的提升。社交媒体经理的一周中很大一部分仍然花在拉取数字到幻灯片并撰写解释发生了什么的句子上。如果你可以问“为什么上周的参与度下降了”并在几秒钟内得到真正的答案，那么这一周中很大一部分基本上就会消失。

剩下的就是真正有价值的部分：决定如何处理答案。哪种格式需要加倍努力，如何向不关心机制的客户解释，以及当数据告诉你某些事情而你的直觉不同意时该怎么办。我不认为这个角色会缩小，我认为它会把人们分成两组：那些真正做分析的人和那些主要做数据录入加额外步骤的人。只有前一组会从这里成长起来。

Metricool 采用了模型上下文协议，允许 AI 辅助、自动化平台和自定义代理与社交媒体数据和工作流进行交互。这种协议带来了哪些机会，公司如何防止自主系统发布不适当内容、误读分析或采取损害品牌的行动？

我们是最早在 Claude 的 MCP 上构建的社交媒体平台之一，原因很简单。这意味着 Metricool 的数据不再仅仅局限于我们的界面内。一个品牌自己的代理、自动化平台或他们已经在使用的任何东西现在都可以直接从我们的平台中拉取性能数据或触发工作流，而不需要我们自己构建每个集成。这为我们开启了我们还没想到的工作流，所有这些都是由最接近数据的人构建的。

风险必须从一开始就被设计进去，而不是事后补上。实际发布应该默认为需要人工审批，而不是默默地自动发布，尤其是面向客户的内容。权限需要被严格限定，例如为拉取报告而构建的代理不应该能够触发发布，任何代理采取的行动都需要人类可以检查的痕迹。协议提供了连接，防护栏是每家公司必须有意为之的决定。

Metricool 的研究表明，传统的公开互动可能会下降，即使总体参与度增加，这是由点击、滑动、查看和链接点击等不太明显的行为驱动的。品牌应该如何适应，当一些最有意义的关注信号变得对公众不可见时？

点赞和评论从来都不是关注的好代理，随着时间的推移，它们变得越来越糟糕。大多数真实的兴趣今天发生在别人看不到的地方。有人滑过每张幻灯片，观看视频直到结束，截屏某些内容以私下发送给朋友。这些都不会公开显示出来。所有这些都是真正的关注，可能比一个反射性的双击更有价值。

所以品牌需要习惯于将完成率、滑动率和点击率作为核心数字，而不是埋在点赞下面的脚注。实际的转变是问一个完全不同的问题：不是“我们得到了多少参与度”，而是“我们实际上获得了多少关注”，知道大部分这个数字永远不会对任何人可见，只有你自己的仪表盘。

展望未来，您是否预计 AI 会继续成为社交媒体专业人士使用的一系列助手，还是会发展成为一个运营层，持续规划活动、分配资源、解释性能并在每个平台上推荐决策？

是一个运营层，而且比大多数人预期的要快。一次性询问 AI 的模式只是一个阶段，而不是目的地。我们实际上正在构建的是 AI 位于整个工作流程下层，持续监测每个平台的性能，在人类注意到之前捕捉到正在起作用的内容，并推荐下一步行动。

推荐，而不是决定。我不认为最终状态是 AI 在没有人监督的情况下运行活动。我相信最终状态是 AI 进行无休止的监控，没有哪个团队有时间做到这一点，并且将一个简短、有用的列表交给一个人，而不是一面墙的仪表盘。那些在这个世界中表现良好的专业人士将不是那些与层次作斗争的人，而是那些擅长指出它的人。谢谢您这次精彩的采访，希望您能通过访问 Metricool 来了解更多信息。