그리핀 패리, m3ter의 CEO – 인터뷰 시리즈

그리핀 패리는 m3ter의 CEO이자 공동 창립자입니다. 이것은 그의 두 번째 스타트업으로, 이전에 GameSparks를 공동 창립하여 아마존에 인수된 후 AWS에서 3년간 시니어 제품 및 필드 역할을 수행했습니다. 그는 미디어 부문(Sky, News International)에서 디지털 전략 및 디지털 제품 개발에 초점을 맞추어 경력을 시작했으며, Sky의 온라인 TV 포트폴리오를 출시하고领导했습니다.

m3ter는 기업들이 사용량 기반 가격을 구현하고 관리하는 데 도움을 주는 SaaS 플랫폼으로, 기존 시스템과 함께 작동하는 측정 및 청구 인프라 계층입니다. 원시 제품 사용 데이터를 수집하고 유연한 가격 논리를 적용하며, 견적에서 현금까지의 전체 프로세스를 자동화하여 기업이 정확하고 실시간으로 청구서를 생성할 수 있도록 합니다. 이는 수익 누락과 운영 오버헤드를 줄이는 데 도움이 됩니다. 청구를 핵심 시스템에서 분리함으로써 m3ter는 기업이 가격 모델을 실험하고, 새로운 제품을 더 빠르게 출시하며, 고객 사용량 및 수익 흐름에 대한 더 깊은 통찰력을 얻을 수 있도록 합니다. 이는 현대의 소프트웨어 기업이 사용량 기반 비즈니스 모델로 전환하는 데 특히 유용합니다.

그리핀 패리, m3ter의 CEO와의 인터뷰

그리핀 패리는 GameSparks를 공동 창립하여 아마존에 인수된 후 m3ter를 공동 창립하여 청구 인프라와 현대적 мон티제이션에 초점을 맞추었습니다. 그는 이 문제 영역에 대해 어떤 경험이 있었는지, 그리고 그의 이전 경험이 어떻게 이 결정에 영향을 미쳤는지에 대해 이야기합니다.

AI 네이티브 제품은 추론, 토큰 사용, 모델 재학습과 관련된 예측할 수 없는 인프라 비용을 가질 수 있습니다. 기업은 어떻게 가격을 가치와 일치시키고 그로스 마진을 보호할 수 있을까요?

전통적인 SaaS 제품은 일반적으로 사용량의 마진 비용이 거의 없었습니다. 즉, 고객이 제품을 사용하는 양이 서비스 비용에 영향을 미치지 않았습니다. 그러나 AI 제품의 경우 사용량이 비용을 유발합니다. 따라서 가격을 고정하면 고객별로 그로스 마진이 크게 달라질 수 있습니다. 이는 사용량 기반 가격 전략을 거의 불가피하게 만듭니다. 이는 수익과 비용을 일치시키고 그로스 마진을 안정시키는 데 도움이 됩니다.

AI가 기존 소프트웨어 카테고리에 통합됨에 따라, 대부분의 기업이 구독 기반 모델에 사용량 구성 요소를 추가할 것으로 예상합니까, 아니면 완전히 새로운 мон티제이션 프레임워크가 등장할 것으로 예상합니까?

전혀 새로운 것은 예상하지 않습니다. 이전에 본 가격 모델의 재창조일 것입니다. 구독 기반 모델부터 결과 기반 모델까지 모든 것을 볼 수 있을 것입니다. 그러나 가장 큰 클러스터는 하이브리드 모델일 것입니다. 즉, 고객과 공급자 모두에게 성공을 연관시킬 수 있는 가변 메트릭과 예측 가능성을 위한 고정 반복 요소가 결합된 모델입니다.

결과 기반 가격 설정에 대한 논의가 증가하고 있습니다. 어디에서 실제 트랙션이 발생할 것으로 보이고, 모델이 너무 복잡해져 효과적으로 구현할 수 없는 지점은 어디일까요?

결과 기반 가격 설정의 도전은 귀속입니다. 즉, 측정 가능한 결과가 공급자의 제품에 의해 명확하게 유발되어야 합니다. 때때로 이것은 가능합니다. 예를 들어, 결제 제공업체는 거래의 일부를 취합니다. 그러나 이러한 상황은 상대적으로 드물며, 기업은 가치의 대리자와 같은 가격 메트릭에 의존하는 경향이 있습니다. 예를 들어, AI 고객 지원 에이전트의 경우, 인간 개입 없이 해결된 호출입니다. 다시 말하면, 사용량 기반, 가치 대리자, 결과 기반 가격 설정을 포함한 모든 것을 볼 수 있을 것입니다. 모두 공통점이 있습니다. 즉, 가격을 적용하기 위해 무언가를 세야 합니다. 이는 m3ter가 도움을 주는 부분입니다.

AI 기반 제품에서 가치를 정의할 때, 기업은 결과의 실제 프록시로 사용할 수 있는 어떤 실용적인 메트릭에 초점을 맞출 수 있을까요?

이것은 매우 어려운 질문입니다. 사용 사례에 따라 다르기 때문입니다. 항상 고려해야 할 사항이 있습니다. 즉, 메트릭이 단순하고, 예측 가능하며, 가치와 연관성이 있으며, 비용을 충당하기에 충분한지 확인해야 합니다. 그러나 메트릭 자체는 제품이 무엇을 하는지에 따라 다릅니다. 예를 들어, LLM 모델의 경우 “사용된 토큰”이 작동합니다. 계약 분석의 경우 “처리된 문서”가 작동합니다. 엔터프라이즈 검색의 경우 “실행된 쿼리”가 작동합니다. 고객 지원의 경우 “인간 개입 없이 처리된 대화”가 작동합니다.

기업이 구독 기반 모델에서 하이브리드 또는 사용량 기반 가격 모델로 전환할 때 직면하는 가장 일반적인 운영 및 기술적인 도전은 무엇입니까?

주요한 고통은 수익 누락, 고객 경험의 부족, 제품 및 판매를 방해하는 가격 유연성의 부족에 있습니다. 원인은 잘못된 운영 기반에 있습니다. 구독 기반 모델에서 하이브리드 또는 사용량 기반 가격 모델로 전환할 때 필요한 주요 새로운 기능은 사용량 데이터 처리, 고급(계속적인) 청구 계산 및 CRM, 청구, ERP 시스템 간의 자동 연결입니다.

많은 기업이 Salesforce (CRM ) 및 NetSuite와 같은 시스템에 깊이 투자하고 있습니다. m3ter는 이러한 기존 스택을 개선하지 않고 어떻게 현대적 몬티제이션 인프라를现代화할 수 있을까요?

Salesforce 및 NetSuite와 같은 기존의 견적에서 현금까지 도구는 구독 기반 세계를 가정합니다. 그러나 이것은 현대적인 몬티제이션 접근 방식에 잘 작동하지 않는다는 것을 의미하지 않습니다. 필요한 간격을 채우기만 하면 됩니다. m3ter는 정확히 무엇이 부족한지에 초점을 맞추고 있습니다. 즉, 사용량 데이터 처리, 고급 요금, 견적에서 현금까지 시스템 간의 데이터 흐름 자동화입니다.

수익 누락은 종종 과소평가됩니다. 현대적인 SaaS 비즈니스에서 이 문제는 얼마나 심각합니까? 그리고 무엇이 일반적으로 원인입니까?

수익 누락은 벌었지만 청구하지 못한 가치입니다. 즉, 청구서가 고객의 모든 사용량을 완전히 캡처하지 않거나 올바른 상업 조건을 적용하지 못하는 경우입니다. 이는 큰 문제입니다. PwC의 수익诚実성 팀은 4-7%로 추정합니다. 가격이 더 복잡할수록 더 많이 발생합니다. 근본 원인은 시스템 및 통제에 있습니다. 즉, 사용량 데이터를 효과적으로 캡처하지 못하거나, 가격 및 청구 계산 메커니즘 간의 자동 연결이 없거나, 청구 계산 메커니즘이 복잡성을 처리하기에 충분히 정교하지 않은 경우입니다.

가격 유연성이 소프트웨어 조직 내에서 제품 혁신 및 판매 전략에 어떻게 영향을 미칩니까?

간단합니다. 가격 유연성이 있을수록 더 빠르게 새로운 제품을 출시할 수 있고, 고객의 nhu cầu와 souhaits에 따라 가격을 더 쉽게 적응시킬 수 있습니다. 이는 비즈니스에 대한 전략적 능력입니다. 그러나 자동화와 통제 없이 유연성을 가질 수 없습니다. 그렇지 않으면 청구 오류, 수익 누락, 컴플라이언스 도전이 발생합니다.

향후 AI가 가격 모델을 실시간으로 동적으로 최적화하는 역할을 할 것으로 보입니까? 그리고 이것이 신뢰성 있게 작동하기 위해 무엇이 필요합니까?

가격 최적화에서 AI의 잠재력을 매우 흥미롭게 생각합니다. 그러나 실시간 측면에 대해서는 소프트웨어 또는 솔루션 비즈니스에서 그렇게 확신하지 않습니다. 호텔 객실이나 항공기 좌석을 판매하는 경우와 같이 일회성 거래의 경우 동적 가격이 작동합니다. 그러나 B2B 소프트웨어 공급자는 지속적인 고객 관계를 원하며, 고객은 일일이 가격이 변동하는 것을 원하지 않습니다. 따라서 가격 최적화는 대신 장기 거래를 위한 맞춤형 가격을 생성하는 데 중점을 둘 것입니다. 즉, 공급자와 고객 모두에게 최상의 결과를 제공하는 가격을 만드는 것입니다.

이번 인터뷰 감사합니다. 더 많은 정보를 원하는 독자는 m3ter를 방문하십시오.