Griffin Parry, CEO van m3ter – Interviewreeks

Griffin Parry is de CEO en mede-oprichter van m3ter. Dit is zijn tweede startup, eerder co-oprichter en leider van GameSparks, een cloudservicesbedrijf dat in 2017 door Amazon (AMZN ) is overgenomen, waarna hij drie jaar werkte in senior product- en fieldrollen bij AWS. Hij begon zijn carrière in de mediasector (Sky, News International) met een focus op digitale strategie en digitale productontwikkeling, waaronder het lanceren en leiden van Sky’s online tv-portefeuille.

m3ter is een SaaS-platform ontworpen om bedrijven te helpen bij het implementeren en beheren van complexe gebruiksgestuurde prijzen door te fungeren als een meter- en facturatie-infrastructuurlaag die naast bestaande systemen zoals CRMs en ERPs staat. Het verwerkt ruwe productgebruiksgegevens, past flexibele prijslogica toe en automatiseert het hele offerte-tot-cashproces, waardoor bedrijven nauwkeurige, real-time facturen kunnen genereren en omzetlekkage en operationele overhead kunnen verminderen. Door facturatie los te koppelen van kernsystemen, stelt m3ter bedrijven in staat om te experimenteren met prijsmodellen, sneller nieuwe producten te lanceren en diepere inzichten te krijgen in klantgebruik en omzetstromen, waardoor het vooral waardevol is voor moderne softwarebedrijven die overschakelen naar consumptiegebaseerde bedrijfsmodellen.

U hebt GameSparks opgericht en geschaald tot overname, en vervolgens m3ter opgericht met een focus op facturatie-infrastructuur en moderne monetaire waarde. Wat trok u aan naar deze specifieke probleemruimte voor uw tweede bedrijf, en hoe heeft uw eerdere founderservaring deze beslissing beïnvloed?

We zijn een klassiek geval van founders die een probleem oplossen dat ze zelf hebben meegemaakt. Bij GameSparks hadden we een moderne monetaire strategie – gebruiksgestuurde prijzen – omdat dat werkte voor het soort bedrijf dat we waren (cloud-infrastructuur). Het was cruciaal voor ons succes, maar het zorgde ook voor veel operationele en GTM-pijn. Vervolgens zagen we bij AWS, ook een cloud-infrastructuurbedrijf, maar een veel grotere, dat ze dezelfde problemen hadden. We zagen ook hoeveel moeite ze deden om ze op te lossen, omdat het essentieel was voor hun bedrijf. We kwamen tot de conclusie dat in een gebruiksgestuurde wereld, facturatie-infrastructuur een strategische capaciteit is die de meeste bedrijven niet kunnen ontwikkelen, dus hebben we m3ter opgericht om dat te veranderen.

AI-native producten kunnen onvoorspelbare infrastructuurkosten hebben die samenhangen met inferentie, tokengebruik of modelhertraining. Hoe moeten founders denken over het afstemmen van prijzen op waarde en het beschermen van brutomarges?

Traditionele SaaS-producten hadden meestal nagenoeg geen marginale kosten van gebruik. Met andere woorden, het gebruik van uw product door de klant had geen invloed op uw kosten om te dienen. Dat is niet waar voor AI-producten, omdat hun gebruik kosten zoals tokenconsumptie met zich meebrengt. Als uw prijzen vast zijn, betekent dat dat uw brutomarges aanzienlijk kunnen variëren per klant, afhankelijk van hun gebruik. Dat maakt op zijn beurt gebruiksgestuurde prijsstrategieën bijna onvermijdelijk: het brengt inkomsten in overeenstemming met kosten en stabiliseert brutomarges.

Naarmate AI wordt geïntegreerd in bestaande softwarecategorieën, verwacht u dat de meeste bedrijven gebruiksgestuurde componenten toevoegen aan abonnementen, of ziet u geheel nieuwe monetaire kaders ontstaan?

Ik verwacht niets geheel nieuw – alleen een heruitvinding van prijsmodellen die we eerder hebben gezien. U zult het volledige spectrum zien, van pure abonnementen tot resultaatgebaseerde modellen. Maar de grootste cluster zal hybride zijn: vaste, terugkerende elementen voor voorspelbaarheid, in combinatie met een variabele maatstaf die werkt voor zowel klanten (ze associëren het met succes) als leveranciers (het is voldoende afgestemd op kosten om hun marges te beschermen).

Er is een groeiend debat over resultaatgebaseerde prijzen in de AI-tijdperk. Waar ziet u echte tractie ontstaan, en waar gelooft u dat het model te complex wordt om effectief te implementeren?

De uitdaging met resultaatgebaseerde prijzen is toewijzing – om het te laten werken, moet een meetbaar resultaat ondubbelzinnig worden veroorzaakt door het product van de leverancier. Soms is dat mogelijk – betalingen zijn een voorbeeld, waarbij aanbieders een deel van de transactie innen, en dat lijkt redelijk. Maar in mijn ervaring zijn deze situaties relatief zeldzaam, en bedrijven hebben de neiging om terug te vallen op prijsmetrieken die meer op waardegebonden proxys lijken – bijvoorbeeld, voor een AI-klantenservicemedewerker, gesprekken die zonder menselijke tussenkomst zijn opgelost. Weer zien we veel oplossingen langs het spectrum van gebruiksgestuurde, via waardeproxys, tot resultaatgebaseerde prijzen – het hangt af van het gebruiksscenario. Wat ze allemaal gemeen hebben, is dat er iets moet worden geteld en geprijsd, en dat is waar m3ter binnenkomt.

Wanneer u de waarde in AI-geactiveerde producten definieert, welke praktische metrieken moeten bedrijven zich richten op als realistische proxys voor resultaten?

Dit is een moeilijke vraag om te beantwoorden, omdat het erg gebruiksscenario-afhankelijk is. Er zijn enkele “altijd” overwegingen – is de metriek eenvoudig, voorspelbaar, geassocieerd met waarde en voldoende afgestemd op kosten om te dienen? Maar de metriek zelf hangt af van wat het product doet. “Tokens gebruikt” werkt voor een LLM-model. “Documenten verwerkt” werkt voor contractanalyse. “Query’s uitgevoerd” werkt voor ondernemingszoek. “Gesprekken afgehandeld (zonder menselijke tussenkomst) werkt voor klantenservice.

Wat zijn de meest voorkomende operationele en technische uitdagingen die bedrijven tegenkomen bij het overschakelen van abonnementsmodellen naar hybride of gebruiksgestuurde prijzen?

De belangrijkste pijnpunten zijn omzetlekkage, slechte klantervaringen en een gebrek aan prijsflexibiliteit dat Product en Sales belemmert. De oorzaken zijn geworteld in de verkeerde operationele fundamenten. De belangrijkste (nieuwe) capaciteiten die nodig zijn bij het overschakelen van abonnementen naar hybride of gebruiksgestuurde prijzen zijn gebruiksgestuurde gegevensverwerking, geavanceerde (en continue) factuurcalculatie en geautomatiseerde verbindingen tussen CRM-, facturatie- en ERPsysteem.

Veel ondernemingen zijn diep geworteld in systemen zoals Salesforce (CRM ) en NetSuite. Hoe moderniseert m3ter de monetaire infrastructuur zonder bedrijven te dwingen hun bestaande stack te vervangen?

Gevestigde offerte-tot-cash-tooling zoals Salesforce en NetSuite gaat uit van een wereld van abonnementen. Dat betekent niet dat ze niet goed kunnen werken voor moderne monetaire benaderingen – u moet alleen kritieke lacunes opvullen, en dat doet m3ter. We richten ons precies op wat ontbreekt: gebruiksgestuurde gegevensverwerking, geavanceerde tarieven en automatisering van gegevensstromen tussen offerte-tot-cash-systemen.

Omzetlekkage wordt vaak onderschat. Hoe significant is dit probleem in moderne SaaS-bedrijven, en wat zijn de typische oorzaken?

Omzetlekkage is waarde die is verdiend (u hebt het verkocht en geleverd), maar die niet is verzameld vanwege factuurinaccuraatheid – uw facturen vangen niet alle klantgebruik volledig, of passen de juiste commerciële voorwaarden niet toe. Het is een groot probleem – PwC’s Revenue Integrity-team schat het op 4-7%, en hoe complexer de prijzen, hoe waarschijnlijker het is. De worteloorzaak komt neer op systemen en controles: niet effectief gebruiksgestuurde gegevens verzamelen; geen geautomatiseerde verbindingen tussen bronnen van waarheid voor prijzen en de factuurcalculatiemechanismen; en de factuurcalculatiemechanismen zijn niet voldoende geavanceerd om complexiteit aan te kunnen (bijvoorbeeld, afhankelijk van spreadsheets).

Hoe beïnvloedt grotere prijsflexibiliteit productinnovatie en verkoopstrategie binnen software-organisaties?

Simpel – hoe meer prijsflexibiliteit u heeft, hoe sneller u nieuwe producten kunt lanceren en hoe gemakkelijker u prijzen kunt aanpassen aan de behoeften en wensen van uw klanten, inclusief in privé-prijsovereenkomsten die helpen om Sales te winnen. Het is een strategische capaciteit voor het bedrijf. Maar u kunt geen flexibiliteit hebben zonder automatisering en controle. Anders krijgt u factuurfouten, omzetlekkage en compliance-uitdagingen.

Kijkt u vooruit, ziet u AI een rol spelen in het dynamisch optimaliseren van prijsmodellen in real-time, en wat moet er in plaats zijn om dat betrouwbaar te laten werken op grote schaal?

Ik ben zeker erg enthousiast over het potentieel van AI in prijs optimalisatie. Maar ik ben minder overtuigd van het real-time-aspect, tenminste voor software-as-a-service- of oplossing-as-a-service-bedrijven. Als u hotelkamers of vliegtuigtickets verkoopt, werkt dynamische prijzen omdat het een eenmalige transactie is. Maar B2B-softwareleveranciers willen klantrelaties die standhouden, en klanten willen geen prijzen die onvoorspelbaar dag-na-dag veranderen. Dus zal prijs optimalisatie zich in plaats daarvan richten op het creëren van maatwerk-prijzen voor langetermijnovereenkomsten – prijzen die zijn ontworpen om de beste resultaten te leveren voor zowel de leverancier als de klant over meerdere jaren.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten m3ter bezoeken m3ter.