Griffin Parry, PDG de m3ter – Série d’entretiens

Griffin Parry est le PDG et co-fondateur de m3ter. Il s’agit de sa deuxième entreprise, après avoir co-fondé et dirigé GameSparks, une société de services cloud acquise par Amazon (AMZN ) en 2017, après quoi il a passé 3 ans à travailler dans des rôles de produit et de terrain seniors chez AWS. Il a commencé sa carrière dans le secteur des médias (Sky, News International) en se concentrant sur la stratégie numérique et le développement de produits numériques, y compris le lancement et la direction du portefeuille de télévision en ligne de Sky.

m3ter est une plateforme SaaS conçue pour aider les entreprises à mettre en œuvre et à gérer des tarifs basés sur l’utilisation complexes en agissant comme une couche d’infrastructure de facturation et de mesure qui s’intègre aux systèmes existants tels que les CRMs et les ERPs. Elle ingère des données brutes d’utilisation de produits, applique une logique de tarification flexible et automatise l’ensemble du processus de devis à paiement, permettant aux entreprises de générer des factures précises et en temps réel tout en réduisant les pertes de revenus et les coûts opérationnels. En déconnectant la facturation des systèmes principaux, m3ter permet aux entreprises d’expérimenter des modèles de tarification, de lancer de nouveaux produits plus rapidement et d’obtenir une visibilité plus approfondie sur l’utilisation des clients et les flux de revenus, ce qui en fait une solution particulièrement précieuse pour les sociétés de logiciels modernes qui passent à des modèles d’entreprise basés sur la consommation.

Vous avez fondé et développé GameSparks jusqu’à son acquisition, puis vous avez choisi de lancer m3ter en vous concentrant spécifiquement sur l’infrastructure de facturation et la monétisation moderne. Qu’est-ce qui vous a attiré dans cet espace de problème pour votre deuxième entreprise, et comment votre expérience précédente en tant que fondateur a-t-elle influencé cette décision ?

Nous sommes un cas classique de fondateurs qui résolvent un problème qu’ils ont rencontré personnellement. À GameSparks, nous avions une stratégie de monétisation moderne – des tarifs basés sur l’utilisation – car cela fonctionnait pour le type d’entreprise que nous étions (infrastructure cloud). C’était essentiel à notre succès, mais cela a également causé beaucoup de douleur opérationnelle et de douleur GTM. Ensuite, chez AWS, également une entreprise d’infrastructure cloud, mais beaucoup plus grande, nous avons vu qu’ils avaient les mêmes problèmes. Nous avons également vu combien d’efforts ils ont déployés pour les résoudre car cela était crucial pour leur entreprise. Nous sommes arrivés à la conclusion que dans un monde basé sur l’utilisation, l’infrastructure de facturation est une capacité stratégique que la plupart des entreprises ne peuvent pas développer, nous avons donc fondé m3ter pour changer cela.

Les produits natifs de l’IA peuvent avoir des coûts d’infrastructure imprévisibles liés à l’inférence, à l’utilisation de jetons ou à la rééducation de modèles. Comment les fondateurs devraient-ils réfléchir à l’alignement des prix sur la valeur tout en protégeant les marges brutes ?

Les produits SaaS traditionnels avaient généralement des coûts marginaux d’utilisation proches de zéro. En d’autres termes, l’utilisation du produit par le client n’avait pas d’impact sur votre coût de service. Ce n’est pas vrai des produits d’IA car leur utilisation entraîne des coûts tels que la consommation de jetons. Si vos prix sont fixes, cela signifie que vos marges brutes peuvent varier considérablement d’un client à l’autre en fonction de leur utilisation. Cela rend les stratégies de tarification basées sur l’utilisation presque inévitables : elles alignent les revenus sur les coûts et stabilisent les marges brutes.

À mesure que l’IA s’intègre dans les catégories de logiciels existantes, pensez-vous que la plupart des entreprises ajouteront des composants d’utilisation à leurs abonnements, ou voyez-vous de nouveaux cadres de monétisation émerger ?

Je ne m’attends à rien de complètement nouveau – juste une réinvention de modèles de tarification que nous avons vus auparavant. Vous verrez l’ensemble du spectre, des abonnements purs aux modèles basés sur les résultats. Mais le plus grand cluster sera hybride : des éléments récurrents fixes pour la prévisibilité, combinés avec une métrique variable qui fonctionne à la fois pour les clients (ils l’associent au succès) et les fournisseurs (elle est suffisamment alignée sur les coûts pour protéger leurs marges).

Il y a un débat croissant autour de la tarification basée sur les résultats à l’ère de l’IA. Où voyez-vous une traction réelle émerger, et où pensez-vous que le modèle devient trop complexe pour être mis en œuvre efficacement ?

Le défi de la tarification basée sur les résultats est l’attribution – pour qu’elle fonctionne, un résultat mesurable doit être clairement dérivé du produit du fournisseur. Parfois, c’est possible – les paiements sont un exemple, où les fournisseurs prennent une part de la transaction, et cela semble équitable. Mais dans mon expérience, ces situations sont relativement rares, et les entreprises ont tendance à recourir à des métriques de tarification qui sont plus comme des proxys de valeur – par exemple, pour un agent de support client basé sur l’IA, les appels résolus sans intervention humaine. À nouveau, il y aura de nombreuses solutions le long du spectre, de la tarification basée sur l’utilisation à la tarification basée sur les résultats – cela dépend de l’utilisation. Ce qu’ils partagent tous en commun est qu’il faut compter quelque chose et lui appliquer un prix, ce qui est où m3ter intervient.

Lors de la définition de la valeur dans les produits alimentés par l’IA, quels indicateurs pratiques les entreprises devraient-elles se concentrer sur comme proxys réalistes pour les résultats ?

C’est une question difficile à répondre, car elle est très spécifique à l’utilisation. Il y a des considérations « toujours » – la métrique est-elle simple, prévisible, associée à la valeur et suffisamment alignée sur les coûts pour servir ? Mais la métrique elle-même dépend de ce que fait le produit. « Jetons utilisés » fonctionne pour un modèle LLM. « Documents traités » fonctionne pour l’analyse de contrats. « Requêtes exécutées » fonctionne pour la recherche d’entreprise. « Conversations gérées (sans intervention humaine) fonctionne pour le support client.

Quels sont les défis opérationnels et techniques les plus courants que les entreprises rencontrent lorsqu’elles passent de modèles d’abonnement uniquement à des modèles hybrides ou basés sur l’utilisation ?

Les points de douleur clés sont liés aux pertes de revenus, aux mauvaises expériences client et au manque d’agilité de tarification qui paralyse le produit et les ventes. Les causes sont enracinées dans les fondements opérationnels incorrects. Les capacités clés (nouvelles) nécessaires lors du passage d’un abonnement uniquement à un tarif hybride ou basé sur l’utilisation sont le traitement des données d’utilisation, le calcul de facturation avancé (et continu) et les connexions automatisées entre les systèmes CRM, de facturation et ERP.

De nombreuses entreprises sont profondément engagées dans des systèmes tels que Salesforce (CRM ) et NetSuite. Comment m3ter modernise-t-il l’infrastructure de monétisation sans forcer les entreprises à réorganiser leur pile existante ?

Les outils de devis à paiement établis comme Salesforce et NetSuite supposent un monde d’abonnements. Cela ne signifie pas qu’ils ne peuvent pas fonctionner bien pour les approches modernes de monétisation – vous devez simplement combler les lacunes critiques, ce que fait m3ter. Nous nous concentrons précisément sur ce qui manque : le traitement des données d’utilisation, la tarification avancée et l’automatisation des flux de données entre les systèmes de devis à paiement.

Les pertes de revenus sont souvent sous-estimées. Quelle est l’importance de ce problème dans les entreprises de logiciels modernes, et qu’est-ce qui le cause généralement ?

Les pertes de revenus sont la valeur qui a été gagnée (vous l’avez vendue et livrée) mais qui n’a pas été collectée en raison d’erreurs de facturation – vos factures ne capturent pas toutes les données d’utilisation des clients ou n’appliquent pas les bons termes commerciaux. C’est un problème important – l’équipe d’intégrité des revenus de PwC l’estime à 4-7 %, et plus la tarification est complexe, plus il est probable. La cause profonde est liée aux systèmes et aux contrôles : ne pas capter efficacement les données d’utilisation ; ne pas avoir de connexions automatisées entre les sources de vérité pour la tarification et le mécanisme de calcul de facture ; et le mécanisme de calcul de facture n’est pas suffisamment sophistiqué pour gérer la complexité (par exemple, en s’appuyant sur des tableurs).

Comment une plus grande flexibilité de tarification influence-t-elle l’innovation de produit et la stratégie de vente au sein des organisations logicielles ?

C’est simple – plus vous avez d’agilité de tarification, plus vous pouvez expédier rapidement de nouveaux produits, et plus vous pouvez adapter facilement la tarification aux besoins et aux désirs de vos clients, y compris dans les accords de tarification privés qui aident les ventes à gagner. C’est une capacité stratégique pour l’entreprise. Mais vous ne pouvez pas avoir de flexibilité sans automation et contrôle. Sinon, vous obtenez des erreurs de facturation, des pertes de revenus et des défis de conformité.

En regardant vers l’avenir, pensez-vous que l’IA jouera un rôle dans l’optimisation dynamique des modèles de tarification en temps réel, et quels éléments devraient être en place pour que cela fonctionne de manière fiable à grande échelle ?

Je suis certainement très enthousiaste à l’égard du potentiel de l’IA dans l’optimisation des prix. Mais je suis moins convaincu par l’aspect en temps réel, du moins pour les entreprises de logiciels ou de solutions en tant que service. Si vous vendez des chambres d’hôtel ou des sièges d’avion, la tarification dynamique fonctionne car il s’agit d’une transaction unique. Mais les fournisseurs de logiciels B2B veulent des relations client qui durent, et les clients ne veulent pas que les prix changent de manière imprévisible jour après jour. La tarification optimisée se concentrera donc plutôt sur la création de tarifs sur mesure pour les accords à long terme – des tarifs conçus pour offrir les meilleurs résultats pour les fournisseurs et les clients sur des relations pluriannuelles.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter m3ter.