Griffin Parry, CEO av m3ter – Intervju-serie

Griffin Parry er administrerende direktør og medgrunnlegger av m3ter. Dette er hans andre startup, etter å ha tidligere co-grunnlagt og ledet GameSparks, en skytjeneste-selskap som ble kjøpt av Amazon i 2017, etterfulgt av 3 år med arbeid i senior produkt- og feltroller i AWS. Han startet sin karriere i mediesektoren (Sky, News International) med fokus på digital strategi og digitalt produktutvikling, inkludert lansering og ledelse av Skys online-TV-tilbud.

m3ter er en SaaS-plattform designet for å hjelpe selskaper med å implementere og håndtere komplekse prisstrategier basert på bruksbasert prising, ved å fungere som en måling- og fakturering-infrastruktur som sitter sammen med eksisterende systemer som CRMs og ERPs. Den tar inn rå produktbrukdata, anvender fleksible priseringslogikker og automatiserer hele prosessen fra sitat til betaling, noe som gjør det mulig for bedrifter å generere nøyaktige, sanntidsfakturaer samtidig som de reduserer inntektslekkasjer og operasjonelle kostnader. Ved å kopple fra fakturering fra kjerne-systemer, gjør m3ter det mulig for selskaper å eksperimentere med prismodeller, lansere nye produkter raskere og få dyptere innsikt i kundebruk og inntektsstrømmer, noe som gjør det spesielt verdifullt for moderne programvareselskaper som går mot forbruk-baserte forretningsmodeller.

Du grunnla og skalaet GameSparks gjennom til oppkjøp, og valgte deretter å starte m3ter med fokus på fakturering-infrastruktur og moderne monetering. Hva trakk deg til dette spesifikke problemområdet for ditt andre selskap, og hvordan påvirkte din tidligere grunderfaring denne beslutningen?

Vi er et klassisk eksempel på grunnleggere som løser et problem de selv har opplevd. På GameSparks hadde vi en moderne moneteringsstrategi — bruksbasert prising — fordi det fungerte for den type bedrift vi var i (sky-infrastruktur). Det var nøkkel til vår suksess, men det forårsaket også mye operasjonell og GTM-smerter. Deretter, på AWS, også en sky-infrastruktur-bedrift, om enn en mye større en, så vi at de hadde de samme problemene. Vi så også hvor mye innsats de la i å løse dem, fordi det var kritisk for deres bedrift. Vi kom til å innse at i en bruksbasert verden er fakturering-infrastruktur en strategisk evne som de fleste selskaper ikke kunne utvikle, så vi grunnla m3ter for å endre på det.

AI-naturlige produkter kan ha uforutsigbare infrastrukturkostnader knyttet til inferens, token-bruk eller modell-gjenoppreting. Hvordan bør grunnleggere tenke når det gjelder å tilpasse prising til verdi samtidig som de beskytter brutto-margene?

Tradisjonelle SaaS-produkter hadde generelt nær null marginale kostnader ved bruk. Med andre ord, påvirkede kundens bruk av produktet ikke kostnadene ved å betjene dem. Dette er ikke sant for AI-produkter, fordi deres bruk driver kostnader som token-forbruk. Hvis dine priser er faste, betyr det at dine brutto-margener kan variere betydelig per kunde avhengig av deres bruk. Det gjør bruksbasert priser nærmest uunngåelige: det tilpasser inntekter til kostnader og stabiliserer brutto-margener.

Når AI blir integrert i eksisterende programvare-kategorier, forventer du at de fleste selskaper vil legge til brukskomponenter på abonnementer, eller ser du helt nye moneterings-rammeverk som oppstår?

Jeg forventer ingenting helt nytt – bare en gjenskaping av prismodeller vi har sett før. Du vil se hele spekteret, fra rene abonnementer til resultatsbytte-modeller. Men den største klusteren vil være hybrid: faste, gjentakende elementer for forutsigbarhet, kombinert med en variabel måling som fungerer for både kunder (de assosierer det med suksess) og leverandører (det er tilstrekkelig tilpasset kostnader til å beskytte deres margener).

Det er en økende diskusjon omkring resultatsbytte-prising i AI-æraen. Hvor ser du virkelig grep på å oppstå, og hvor tror du modellen blir for kompleks til å implementere effektivt?

Ufordringen med resultatsbytte-prising er tilskrivning – for at det skal fungere, må et målbart resultat være uavhengig drevet av leverandørens produkt. Noen ganger er det mulig – betalinger er et eksempel, hvor leverandører tar en andel av transaksjonen, og det ser rettferdig ut. Men i min erfaring er slike situasjoner relativt sjeldne, og selskaper tenderer til å falle tilbake på pris-målinger som er mer som proxyer for verdi – for eksempel, for en AI-kundesupport-agent, samtaler løst uten menneskelig innblanding. Igjen, det vil være mange løsninger langs spekteret fra bruksbasert, gjennom verdi-proxyer, til resultatsbytte-prising – det avhenger av brukstilfelle. Det de alle deler er at noe må telles og ha prising anvendt på det, som er der m3ter kommer inn.

Når man definerer verdi i AI-drevne produkter, hvilke praktiske målinger bør selskaper fokusere på som realistiske proxyer for resultater?

Dette er et vanskelig spørsmål å svare på, fordi det er svært brukstilfelle-spesifikt. Det er noen “alltid” overveielser – er målingen enkel, forutsigbar, assosiert med verdi, og tilstrekkelig tilpasset kostnader til å betjene? Men målingen i seg selv avhenger av hva produktet gjør. “Token brukt” fungerer for en LLM-modell. “Dokumenter prosessert” fungerer for kontrakt-analyse. “Spørringer utført” fungerer for bedrifts-søk. “Samtaler håndtert (uten menneskelig innblanding)” fungerer for kundesupport.

Hva er de mest vanlige operasjonelle og tekniske utfordringene selskaper møter når de går over fra abonnement-kun-modeller til hybrid eller bruksbasert prising?

Nøkkel-punktene er rundt inntektslekkasjer, dårlige kunde-erfaringer og en mangel på pris-fleksibilitet som hemmer Produkt og Salg. Årsakene er rotfestet i feil operasjonelle grunnleggende strukturer. Nøkkel-(nye) evner nødvendige når man går over fra abonnement-kun til hybrid eller bruks-prising er bruksdata-prosesserings-, avansert (og kontinuerlig) regnings-beregning og automatiserte forbindelser mellom CRM-, fakturering- og ERP-systemer.

Mange bedrifter er dypt engasjert i systemer som Salesforce og NetSuite. Hvordan moderniserer m3ter moneterings-infrastruktur uten å tvinge selskaper til å omgjøre sine eksisterende stakker?

Etablerte sitat-til-betaling-verktøy som Salesforce og NetSuite antar en verden av abonnementer. Det betyr ikke at de ikke kan fungere godt for moderne moneterings-tilnærminger – du må bare fylle kritiske hull, som er hva m3ter gjør. Vi fokuserer nøyaktig på hva som mangler: bruksdata-prosesserings-, avansert priseringslogikk og automatisering av datastrømmer mellom sitat-til-betaling-systemer.

Inntektslekkasje blir ofte undervurdert. Hvor stor er dette problemet i moderne SaaS-bedrifter, og hva forårsaker det vanligvis?

Inntektslekkasje er verdi som er tjent (du har solgt det og levert det) men som ikke er innkrevd på grunn av fakturings-ugjennomtenkeligheter – dine fakturaer fanger ikke fullt ut all kunde-bruk, eller anvender ikke riktige kommersielle vilkår. Det er et stort problem – PwC’s Inntekts-integritets-team estimerer det til 4-7%, og jo mer kompleks prisingen er, jo mer sannsynlig er det. Årsaken kommer ned til systemer og kontroller: ikke å fange bruksdata effektivt; ikke å ha automatiserte forbindelser mellom kilder for sannhet for prising og regnings-beregning-mekanismen; og regnings-beregning-mekanismen ikke er sofistikert nok til å håndtere kompleksitet (for eksempel, avhengig av regneark).

Hvordan påvirker større pris-fleksibilitet produkt-innovasjon og salgs-strategi innen programvare-organisasjoner?

Enkelt – jo mer pris-fleksibilitet du har, jo raskere kan du levere nye produkter, og jo enklere kan du tilpasse prising til kundenes behov og ønsker, inkludert i private priser-avtaler som hjelper Salg å vinne. Det er en strategisk evne for bedriften. Men du kan ikke ha fleksibilitet uten automatisering og kontroll. Ellers får du fakturings-feil, inntektslekkasjer og samarbeids-utfordringer.

Ser du fremover, ser du AI spille en rolle i å dynamisk optimere pris-modeller i sanntid, og hva må være på plass for at det skal fungere pålitelig i stor skala?

Jeg er absolutt veldig begeistret for potensialet for AI i pris-optimering. Men jeg er mindre overbevist om sanntids-aspektet, i alle fall for programvare-til-tjeneste eller løsning-til-tjeneste-bedrifter. Hvis du selger hotell-rom eller fly-billetter, fungerer dynamisk prising fordi det er en engangs-transaksjon. Men B2B-programvare-leverandører ønsker kunde-relasjoner som varer, og kunder ønsker ikke at prising skal endre seg uforutsigbart dag-for-dag. Så pris-optimering vil fokusere i stedet på å skape skreddersydd prising for langtids-avtaler – prising designet for å levere de beste resultater for både leverandør og kunde over multi-årige relasjoner.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke m3ter.