غريفين باري، الرئيس التنفيذي لشركة m3ter – سلسلة المقابلات

غريفين باري هو الرئيس التنفيذي والمؤسس المشارك لشركة m3ter. هذه هي المرة الثانية التي يؤسس فيها شركة ناشئة، حيث كان قد أسس وأدار من قبل شركة GameSparks، وهي شركة خدمات سحابية تم الاستحواذ عليها من قبل أمازون في عام 2017، وبعد ذلك قضى 3 سنوات يعمل في مناصب منتظمة في المنتج والميدان في شركة أمازون ويب سيرفس. بدأ مسيرته المهنية في قطاع الإعلام (سكاي، نيوز إنترناشونال) مع التركيز على الاستراتيجية الرقمية وتطوير المنتجات الرقمية، بما في ذلك إطلاق وتحديد مسار حافظة التلفزيون عبر الإنترنت لشركة سكاي.

m3ter هي منصة سحابية مصممة لمساعدة الشركات على تنفيذ وتحديد أسعار استهلاك复잡ة من خلال العمل كطبقة بنية تحتية لقياس وتفويتر تتواجد إلى جانب الأنظمة الحالية مثل أنظمة إدارة علاقات العملاء وأنظمة التخطيط للموارد. إنها تستهلك بيانات استهلاك المنتج الخام، وتطبق منطق تسعير مرن، وتت 자동ية عملية الاقتباس إلى النقد، مما يتيح للشركات إصدار فواتير دقيقة في الوقت الفعلي مع تقليل تسرب الإيرادات والعمليات التشغيلية. من خلال فصل عملية الفوترة عن الأنظمة الأساسية، تتيح m3ter للشركات تجربة نماذج تسعير، وإطلاق منتجات جديدة بشكل أسرع، واكتساب رؤية أعمق لاستخدام العملاء وحركة الإيرادات، مما يجعلها قيمة بشكل خاص للشركات البرمجية الحديثة التي تتجه نحو نماذج أعمال استهلاكية.

لقد أسست وأعدت تشكيل شركة GameSparks من خلال عملية الاستحواذ، ثم اخترت أن تبدأ m3ter مع التركيز بشكل خاص على بنية الفوترة والتحديث الحديث. ما الذي جذبك إلى هذا الفضاء الخاص بالمشكلة لمشروعك الثاني، وكيف أثرت خبرتك السابقة كمسند على هذا القرار؟

نحن حالة كلاسيكية لمؤسسين يحلون مشكلة واجهوها بشكل مباشر. في GameSparks، لدينا استراتيجية تحديث حديثة – تسعير استهلاكي – لأن ذلك يعمل للنوع من الأعمال التي كنا فيها (بنية تحتية سحابية). كان ذلك مفتاح نجاحنا، ولكنه أيضًا تسبب في الكثير من الألم التشغيلي والتسويقي. ثم في أمازون ويب سيرفس، أيضًا شركة بنية تحتية سحابية، على الرغم من أنها كانت أكبر بكثير، رأينا أن لديهم نفس المشاكل. رأينا أيضًا كم من الجهد وضعوه لحلها لأنها كانت حرجة لأعمالهم. أدركنا أن في عالم استهلاكي، بنية الفوترة هي قدرة استراتيجية لا يمكن للشركات تطويرها، لذلك أسسنا m3ter لتغيير ذلك.

يمكن أن يكون للمنتجات الأصلية بالذكاء الاصطناعي تكاليف بنية تحتية غير متوقعة مرتبطة بالاستدلال أو استخدام الرموز أو إعادة تدريب النموذج. كيف يجب على المؤسسين التفكير في محاذاة التسعير مع القيمة مع حماية هامش الربح؟

المنتجات السحابية التقليدية لديها تكاليف هامشية قريبة من الصفر. بمعنى آخر، لم يكن استخدام العملاء للمنتج يؤثر على تكلفة خدمتك. هذا ليس صحيحًا للمنتجات الذكية لأن استهلاكهم يؤدي إلى تكاليف مثل استهلاك الرموز. إذا كانت أسعارك ثابتة، ذلك يعني أن هامش ربحك يمكن أن يختلف بشكل كبير لكل عميل اعتمادًا على استهلاكهم. هذا بدوره يجعل استراتيجيات التسعير القائمة على الاستهلاك أمرًا لا مفر منه: يتوافق الإيرادات مع التكاليف ويستقر هامش الربح.

مع دمج الذكاء الاصطناعي في فئات البرمجيات الحالية، هل تتوقع أن تضع معظم الشركات مكونات استهلاك على الاشتراكات، أو هل ترى نماذج تسعير جديدة بالكامل تظهر؟

لا أتوقع أي شيء جديد بالكامل – فقط إعادة اختراع نماذج التسعير التي رأيناها من قبل. سترى الطيف الكامل، من الاشتراكات النقية إلى نماذج قائمة على النتائج. ولكن أكبر تجمع سيكون هجينًا: عناصر متكررة ثابتة من أجل التنبؤ، مع متر قابل للعمل لكل من العملاء (يربطونه بالنجاح) والبائعين (يتماشى مع تكاليفهم đủ لحماية هامش ربحهم).

هناك مناقشة متزايدة حول تسعير قائم على النتائج في عصر الذكاء الاصطناعي. أين ترى ظهور زخم حقيقي، وأين تعتقد أن النموذج يصبح معقدًا جدًا لتنفيذه بشكل فعال؟

التحدي في تسعير قائم على النتائج هو الإسناد – من أجل أن يعمل، يجب أن يكون الناتج القابل للقياس مدفوعًا بشكل واضح من قبل منتج البائع. أحيانًا يكون ذلك ممكنًا – المدفوعات هي مثال، حيث يأخذ المزودون حصة من المعاملة، ويبدو ذلك عادلًا. لكن في تجربتي، هذه الحالات نادرة، وتعود الشركات إلى أسعار مترية تعمل كوكلاء للقيمة – على سبيل المثال، لموظف دعم العملاء الذكي، المكالمات المحلولة بدون تدخل بشري. مرة أخرى، سيكون هناك الكثير من الحلول على طول الطيف من الاستهلاك إلى وكلاء القيمة إلى تسعير قائم على النتائج – يعتمد على حالة الاستخدام. ما يشاركونه جميعًا هو أن شيئًا ما يجب أن يتم احتسابه وتطبيق التسعير عليه، وهو ما تقوم به m3ter.

عند تحديد القيمة في المنتجات القائمة على الذكاء الاصطناعي، ما هي المقاييس العملية التي يجب على الشركات التركيز عليها كوكلاء واقعيين للنتائج؟

هذا سؤال صعب الإجابة، لأنه يعتمد على حالة الاستخدام. هناك بعض الاعتبارات “دائمًا” – هل المقياس بسيط، قابل للتنبؤ، مرتبط بالقيمة، ومتوافق بشكل كافٍ مع التكاليف لتسليمها؟ لكن المقياس نفسه يعتمد على ما يفعله المنتج. “الرموز المستخدمة” تعمل لنموذج LLM. “الوثائق المعالجة” تعمل لتحليل العقود. “الاستفسارات المنفذة” تعمل للبحث المؤسسي. “المكالمات المعالجة (بدون تدخل بشري) تعمل لدعم العملاء.

ما هي التحديات التشغيلية والفنية الأكثر شيوعًا التي تواجه الشركات عند التحول من نماذج الاشتراك فقط إلى نماذج هجينة أو قائمة على الاستهلاك؟

نقاط الألم الرئيسية هي حول تسرب الإيرادات، وتجارب العملاء السيئة، وعدم مرونة التسعير التي تعطل المنتج والمبيعات. الأسباب جذرية في الأسس التشغيلية الخاطئة. القدرات الرئيسية (الجديدة) المطلوبة عند التحول من الاشتراك فقط إلى تسعير هجين أو قائم على الاستهلاك هي معالجة بيانات الاستهلاك، وحساب الفواتير المتقدم (والدائم)، والاتصالات الآلية بين أنظمة إدارة علاقات العملاء والفوترة والأنظمة الإلكترونية.

كثير من المؤسسات ملتزمة بعمق بنظم مثل Salesforce (CRM ) وNetSuite. كيف تحديث m3ter بنية تسعير حديثة دون إجبار الشركات على إعادة بناء حزمها الحالية؟

أدوات الاقتباس إلى النقد المثبتة مثل Salesforce وNetSuite تفترض عالم الاشتراكات. هذا لا يعني أنها لا تعمل جيدًا لمناهج تسعير حديثة – فقط تحتاج إلى ملء الفجوات الحيوية، وهو ما تفعله m3ter. نحن نركز بدقة على ما يفتقد إليه: معالجة بيانات الاستهلاك، والتسعير المتقدم، وتأتمة تدفقات البيانات بين أنظمة الاقتباس إلى النقد.

غالبًا ما يتم تحديد تسرب الإيرادات بأنه مشكلة كبيرة. ما مدى خطورة هذه المشكلة في أعمال البرمجيات الحديثة، وما هي الأسباب التي تسببها عادةً؟

تسرب الإيرادات هو القيمة التي تم كسبها (لقد باعتها وقدمتها) ولكنها لم تُجمَع بسبب أخطاء الفوترة – فواتيرك لا تحسب تمامًا استخدام العملاء، أو لا تطبق الشروط التجارية الصحيحة. إنه مشكلة كبيرة – فريق صحة الإيرادات في PwC يقدّره بنسبة 4-7٪، وأكثر تعقيدًا للتسعير، وأكثر احتمالية لحدوث ذلك. السبب الجذري يعود إلى الأنظمة والضوابط: عدم 捕获 بيانات الاستهلاك بشكل فعال؛ عدم وجود اتصالات آلية بين مصادر الحقيقة للتسعير وآلية حساب الفاتورة؛ وآلية حساب الفاتورة ليست متقدمة بما يكفي لمعالجة التعقيد (على سبيل المثال، الاعتماد على جداول البيانات).

كيف يؤثر تسعير أكثر مرونة على الابتكار في المنتج والاستراتيجية البيعية داخل الشركات البرمجية؟

ببساطة – كلما كانت مرونة التسعير أكبر، زادت سرعة شحن المنتجات الجديدة، وسهولة تعديل التسعير لاحتياجات وطلبات العملاء، بما في ذلك في الصفقات السرية التي تساعد المبيعات على الفوز. إنه قدرة استراتيجية للأعمال. لكن لا يمكنك الحصول على المرونة بدون أتمتة وسيطرة. خلاف ذلك، ستحصل على أخطاء في الفوترة، وتسرب إيرادات، وتنطات على مشاكل الامتثال.

فيما يخص المستقبل، هل ترى الذكاء الاصطناعي يلعب دورًا في تحسين تسعير النماذج بشكل ديناميكي في الوقت الفعلي، وماذا يجب أن يكون موجودًا لجعل ذلك يعمل بشكل موثوق به على نطاق واسع؟

أنا متحمس جدًا لممكنات الذكاء الاصطناعي في تحسين التسعير. لكنني أقل اقتناعًا بجانب الوقت الفعلي، على الأقل لأعمال البرمجيات كخدمة أو حلول كخدمة. إذا كنت تبيع غرف فندقية أو تذاكر طيران، فإن التسعير الديناميكي يعمل لأنها معاملة واحدة. لكن بائعو البرمجيات يريدون علاقات عملاء تدوم، ولا يريد العملاء أن يتغير التسعير بشكل غير متوقع يوميًا. لذلك سيركز تحسين التسعير على إنشاء تسعير مخصص للصفقات طويلة الأمد – تسعير مصمم لتقديم أفضل النتائج لكلا الطرفين، البائع والعميل، على مدى علاقات متعددة السنوات.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا m3ter.