Griffin Parry, CEO van m3ter – Interviewreeks

Griffin Parry is de CEO en mede-oprichter van m3ter. Dit is zijn tweede startup, nadat hij eerder GameSparks had opgericht en geleid, een cloudservicesbedrijf dat in 2017 door Amazon is overgenomen, waarna hij drie jaar lang senior product- en field-rollen bij AWS heeft vervuld. 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-aanbod.

m3ter is een SaaS-platform dat bedrijven helpt om complexe, op gebruik gebaseerde prijzen te implementeren en te beheren door als een meet- en factureringsinfrastructuurlaag naast bestaande systemen zoals CRMs en ERPs te fungeren. Het verwerkt ruwe productgebruiksgegevens, past flexibele prijslogica toe en automatiseert het volledige offerte-tot-cash-proces, waardoor bedrijven nauwkeurige, real-time facturen kunnen genereren, terwijl ze revenulekage en operationele overhead verminderen. Door facturering los te koppelen van de core-systemen, stelt m3ter bedrijven in staat om te experimenteren met prijsmodellen, nieuwe producten sneller te lanceren en diepere inzichten te krijgen in klantgebruik en inkomstenstromen, waardoor het vooral waardevol is voor moderne softwarebedrijven die overschakelen naar consumptiegebaseerde bedrijfsmodellen.

U heeft GameSparks opgericht en geschaald tot overname, en daarna heeft u ervoor gekozen om m3ter te starten, met een specifieke focus op factureringsinfrastructuur en moderne monitisering. Wat trok u aan naar dit specifieke probleemgebied voor uw tweede bedrijf, en hoe heeft uw eerdere ervaring als oprichter die beslissing beïnvloed?

We zijn een klassiek geval van oprichters die een probleem oplossen dat ze zelf hebben meegemaakt. Bij GameSparks hadden we een moderne monitiseringstrategie – op gebruik gebaseerde 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. Toen bij AWS, ook een cloud-infrastructuurbedrijf, zij het een veel grotere, zagen we dat ze dezelfde problemen hadden. We zagen ook hoeveel moeite ze deden om ze op te lossen, omdat het cruciaal was voor hun bedrijf. We kwamen tot de conclusie dat in een op gebruik gebaseerde wereld, factureringsinfrastructuur 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 zijn gekoppeld aan inferentie, tokengebruik of modelhertraining. Hoe moeten oprichters denken over het afstemmen van prijzen op waarde, terwijl ze de brutowinst beschermen?

Traditionele SaaS-producten hadden meestal nagenoeg geen marginale kosten van gebruik. Met andere woorden, het gebruik van 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 brutowinst per klant aanzienlijk kan variëren, afhankelijk van hun gebruik. Dat maakt op gebruik gebaseerde prijsstrategieën bijna onvermijdelijk: het stemt inkomsten af op kosten en stabiliseert brutowinsten.

Naarmate AI wordt geïntegreerd in bestaande softwarecategorieën, verwacht u dat de meeste bedrijven gebruikskomponenten toevoegen aan abonnementen, of ziet u helemaal nieuwe monitisatiekaders ontstaan?

Ik verwacht niets helemaal 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 toerekening – om het te laten werken, moet een meetbaar resultaat ondubbelzinnig worden gedreven 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 uit mijn ervaring zijn deze situaties relatief zeldzaam, en bedrijven hebben de neiging om terug te vallen op prijsmetrieken die meer zijn als proxies voor waarde – bijvoorbeeld, voor een AI-klantenservicemedewerker, gesprekken die zonder menselijke interventie zijn opgelost. Weer zijn er veel oplossingen langs het spectrum van op gebruik gebaseerde, via waardeproxies, tot resultaatgebaseerde prijzen – het hangt af van het gebruiksscenario. Wat ze allemaal gemeen hebben, is dat er iets moet worden geteld en dat er een prijs aan moet worden toegekend, en dat is waar m3ter bij komt kijken.

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

Dit is een moeilijke vraag om te beantwoorden, omdat het zeer use-case-specifiek 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 enterprise-zoekopdrachten. “Gesprekken afgehandeld (zonder menselijke interventie)” werkt voor klantenservice.

Wat zijn de meest voorkomende operationele en technische uitdagingen die bedrijven tegenkomen wanneer ze overschakelen van abonnementsmodellen naar hybride of op gebruik gebaseerde prijzen?

De belangrijkste pijnpunten zijn gerelateerd aan revenulekage, slechte klantervaringen en een gebrek aan prijsflexibiliteit die Product en Sales belemmert. De oorzaken zijn geworteld in de verkeerde operationele fundamenten. De belangrijkste (nieuwe) capaciteiten die nodig zijn wanneer u overschakelt van abonnementsmodellen naar hybride of op gebruik gebaseerde prijzen, zijn gebruikgegevensverwerking, geavanceerde (en continue) factuurcalculatie en geautomatiseerde verbindingen tussen CRM-, facturerings- en ERP-systemen.

Veel ondernemingen zijn diep geworteld in systemen zoals Salesforce en NetSuite. Hoe moderniseert m3ter de monitisatie-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 monitisatiebenaderingen – u moet alleen kritieke lacunes opvullen, en dat doet m3ter. We richten ons precies op wat ontbreekt: gebruikgegevensverwerking, geavanceerde tariefbepaling en automatisering van gegevensstromen tussen offerte-tot-cash-systemen.

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

Revenulekage is waarde die is verdiend (u hebt het verkocht en geleverd) maar die niet is verzameld vanwege factureringsinaccuraties – 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 groter de kans. De worteloorzaak komt neer op systemen en controles: niet effectief gebruikgegevens verzamelen; geen geautomatiseerde verbindingen hebben tussen bronnen van waarheid voor prijzen en de factuurcalculatiemechanisme; en het factuurcalculatiemechanisme niet voldoende geavanceerd is om complexiteit aan te kunnen (bijvoorbeeld, afhankelijk zijn van spreadsheets).

Hoe beïnvloedt grotere prijsflexibiliteit productinnovatie en verkoopstrategie binnen softwareorganisaties?

Simpel – hoe meer prijsflexibiliteit u heeft, hoe sneller u nieuwe producten kunt uitbrengen, en hoe gemakkelijker u prijzen kunt aanpassen aan de behoeften en wensen van uw klanten, inclusief in private prijsafspraken 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 factureringsfouten, revenulekage en compliance-uitdagingen.

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

Ik ben zeker erg enthousiast over het potentieel van AI in prijsoptimalisatie. Maar ik ben minder overtuigd van het real-time-aspect, tenminste voor software-as-a-service- of solution-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 onvoorspelbare prijswijzigingen per dag. Dus zal prijsoptimalisatie zich richten op het creëren van op maat gemaakte prijzen voor langetermijndeals – 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 bezoeken m3ter.