Griffin Parry, CEO di m3ter – Serie di interviste

Griffin Parry è il CEO e co-fondatore di m3ter. Questa è la sua seconda startup, dopo aver precedentemente co-fondato e guidato GameSparks, una società di servizi cloud acquisita da Amazon (AMZN ) nel 2017, dopo di che ha trascorso 3 anni lavorando in ruoli senior di prodotto e campo presso AWS. Ha iniziato la sua carriera nel settore dei media (Sky, News International) concentrandosi sulla strategia digitale e sullo sviluppo di prodotti digitali, tra cui il lancio e la gestione del portafoglio TV online di Sky.

m3ter è una piattaforma SaaS progettata per aiutare le aziende a implementare e gestire prezzi basati sull’uso complesso agendo come un livello di infrastruttura di misurazione e fatturazione che si trova accanto ai sistemi esistenti come CRMs e ERPs. Ingesta i dati grezzi sull’uso del prodotto, applica logica di prezzo flessibile e automatizza l’intero processo di preventivo a cassa, consentendo alle aziende di generare fatture accurate e in tempo reale, riducendo al contempo la perdita di entrate e gli oneri operativi. Decoupling la fatturazione dai sistemi principali, m3ter consente alle aziende di sperimentare con modelli di prezzo, lanciare nuovi prodotti più velocemente e acquisire una maggiore visibilità sull’uso dei clienti e sui flussi di entrate, rendendolo particolarmente prezioso per le moderne società di software che si stanno spostando verso modelli di business basati sul consumo.

Hai fondato e scalato GameSparks fino all’acquisizione, poi hai deciso di iniziare m3ter concentrandoti specificamente sull’infrastruttura di fatturazione e sulla monetizzazione moderna. Cosa ti ha portato a questo particolare spazio di problemi per la tua seconda azienda e come ha influenzato la tua esperienza precedente come fondatore?

Siamo un classico caso di fondatori che risolvono un problema che hanno sperimentato di persona. A GameSparks, avevamo una strategia di monetizzazione moderna – prezzi basati sull’uso – perché funzionava per il tipo di attività che eravamo (infrastruttura cloud). Era fondamentale per il nostro successo, ma ha anche causato molti dolori operativi e di GTM. Poi ad AWS, anch’essa un’azienda di infrastruttura cloud, anche se molto più grande, abbiamo visto che avevano gli stessi problemi. Abbiamo anche visto quanto impegno hanno profuso per risolverli perché era fondamentale per il loro business. Siamo giunti alla conclusione che in un mondo basato sull’uso, l’infrastruttura di fatturazione è una capacità strategica che la maggior parte delle aziende non può sviluppare, quindi abbiamo fondato m3ter per cambiare questo.

I prodotti nativi AI possono avere costi di infrastruttura imprevedibili legati all’inferenza, all’uso del token o alla riqualificazione del modello. Come dovrebbero pensare i fondatori all’allineamento dei prezzi con il valore mentre proteggono i margini lordi?

I prodotti SaaS tradizionali avevano generalmente costi marginali di uso quasi zero. In altre parole, l’uso del prodotto da parte del cliente non influenzava il nostro costo per servirlo. Ciò non è vero per i prodotti AI perché il loro uso genera costi come il consumo di token. Se i tuoi prezzi sono fissi, ciò significa che i tuoi margini lordi possono variare notevolmente per ogni cliente a seconda del loro uso. Ciò, a sua volta, rende le strategie di prezzo basate sull’uso quasi inevitabili: allineano le entrate con i costi e stabilizzano i margini lordi.

Man mano che l’AI si integra nelle categorie di software esistenti, ti aspetti che la maggior parte delle aziende aggiunga componenti di uso ai loro abbonamenti o si aspetta l’emergere di nuovi framework di monetizzazione?

Non mi aspetto nulla di completamente nuovo – solo una reinvenzione dei modelli di prezzo che abbiamo già visto. Vedrai l’intero spettro, dalle pure abbonamenti ai modelli basati sul risultato. Ma il cluster più grande sarà ibrido: elementi ricorrenti fissi per la prevedibilità, combinati con una metrica variabile che funziona sia per i clienti (li associano al successo) che per i venditori (è allineata abbastanza con i costi per proteggere i loro margini).

C’è una crescente discussione sull’importanza dei prezzi basati sul risultato nell’era dell’AI. Dove vedi una vera trazione emergere e dove credi che il modello diventi troppo complesso da implementare efficacemente?

La sfida con i prezzi basati sul risultato è l’attribuzione – affinché funzioni, un risultato misurabile deve essere inequivocabilmente guidato dal prodotto del fornitore. A volte ciò è possibile – i pagamenti sono un esempio, in cui i fornitori prendono una quota della transazione, e ciò sembra giusto. Ma nella mia esperienza, queste situazioni sono relativamente rare e le aziende tendono a ricorrere a metriche di prezzo che sono più come proxy per il valore – ad esempio, per un agente di supporto clienti AI, le chiamate risolte senza intervento umano. Ancora una volta, ci saranno molte soluzioni lungo lo spettro da basato sull’uso, attraverso proxy di valore, ai prezzi basati sul risultato – dipende dal caso d’uso. Ciò che condividono in comune è che qualcosa deve essere contato e avere un prezzo applicato, ed è qui che entra in gioco m3ter.

Quando si definisce il valore nei prodotti alimentati da AI, quali metriche pratiche dovrebbero concentrarsi le aziende come proxy realistici per i risultati?

Questa è una domanda difficile da rispondere, perché è molto specifica del caso d’uso. Ci sono alcune considerazioni “sempre” – la metrica è semplice, prevedibile, associata al valore e abbastanza allineata con i costi per servire? Ma la metrica stessa dipende da cosa fa il prodotto. “Token utilizzati” funziona per un modello LLM. “Documenti elaborati” funziona per l’analisi dei contratti. “Query eseguite” funziona per la ricerca aziendale. “Conversazioni gestite (senza intervento umano) funziona per il supporto clienti.

Quali sono le sfide operative e tecniche più comuni che le aziende affrontano quando passano da modelli di abbonamento esclusivo a modelli ibridi o basati sull’uso?

I punti chiave del dolore sono intorno alla perdita di entrate, alle scarse esperienze dei clienti e alla mancanza di flessibilità dei prezzi che ostacola il reparto prodotti e vendite. Le cause sono radicate nelle fondamenta operative sbagliate. Le nuove capacità chiave necessarie quando si passa da abbonamento esclusivo a prezzi ibridi o basati sull’uso sono l’elaborazione dei dati di uso, il calcolo della fattura avanzato (e continuo) e le connessioni automatizzate tra sistemi CRM, fatturazione ed ERP.

Molte aziende sono profondamente impegnate in sistemi come Salesforce (CRM ) e NetSuite. Come m3ter modernizza l’infrastruttura di monetizzazione senza costringere le aziende a rinnovare completamente il loro stack esistente?

Gli strumenti di preventivo-esatto stabiliti come Salesforce e NetSuite presuppongono un mondo di abbonamenti. Ciò non significa che non possano funzionare bene per approcci di monetizzazione moderni – devi solo colmare le lacune critiche, che è ciò che fa m3ter. Ci concentriamo precisamente su ciò che manca: elaborazione dei dati di uso, tariffazione avanzata e automazione dei flussi di dati tra sistemi di preventivo-esatto.

La perdita di entrate è spesso sottovalutata. Quanto è significativo questo problema nelle aziende SaaS moderne e cosa lo causa tipicamente?

La perdita di entrate è il valore che è stato guadagnato (l’hai venduto e consegnato) ma che non è stato raccolto a causa di inesattezze nella fatturazione – le tue fatture non catturano completamente l’uso del cliente o non applicano i termini commerciali corretti. È un grande problema – il team di integrità delle entrate di PwC lo stima al 4-7% e più è complesso il prezzo, più è probabile che si verifichi. La causa alla radice è legata ai sistemi e ai controlli: non catturare efficacemente i dati di uso; non avere connessioni automatizzate tra fonti di verità per la tariffazione e il meccanismo di calcolo della fattura; e il meccanismo di calcolo della fattura non è abbastanza sofisticato per gestire la complessità (ad esempio, affidandosi a fogli di calcolo).

Come influenza la maggiore flessibilità dei prezzi l’innovazione del prodotto e la strategia di vendita all’interno delle aziende di software?

Semplice – più flessibilità di prezzo hai, più velocemente puoi spedire nuovi prodotti e più facilmente puoi adattare i prezzi alle esigenze e ai desideri dei clienti, inclusi negli accordi di prezzo privati che aiutano le vendite a vincere. È una capacità strategica per l’azienda. Ma non puoi avere flessibilità senza automazione e controllo. Altrimenti, ottieni errori di fatturazione, perdita di entrate e sfide di conformità.

Guardando avanti, vedi l’AI giocare un ruolo nell’ottimizzazione dinamica dei modelli di prezzo in tempo reale e cosa dovrebbe essere in posto perché funzioni in modo affidabile su larga scala?

Sono sicuramente molto entusiasta del potenziale dell’AI nell’ottimizzazione dei prezzi. Ma sono meno convinto dell’aspetto in tempo reale, almeno per le aziende di software come servizio o soluzione come servizio. Se stai vendendo camere d’albergo o posti aerei, la tariffazione dinamica funziona perché è una transazione una tantum. Ma i venditori di software B2B vogliono relazioni con i clienti che durano e i clienti non vogliono che i prezzi cambino imprevedibilmente giorno per giorno. Quindi l’ottimizzazione dei prezzi si concentrerà invece sulla creazione di prezzi personalizzati per accordi a lungo termine – prezzi progettati per offrire i migliori risultati sia per il fornitore che per il cliente su relazioni pluriennali.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare m3ter.