กริฟฟิน แปร์รี่ ซีอีโอของ m3ter – สัมภาษณ์รายการ

กริฟฟิน แปร์รี่ เป็นซีอีโอและผู้ร่วมก่อตั้ง m3ter นี่คือสตาร์ทอัพครั้งที่สองของเขา หลังจากที่เคยร่วมก่อตั้งและนำทีม GameSparks ซึ่งเป็นบริษัทบริการคลาวด์ที่ถูก Amazon (AMZN ) เข้าซื้อกิจการในปี 2017 หลังจากนั้นเขาทำงานในตำแหน่งอาวุโสของผลิตภัณฑ์และภาคสนามที่ AWS เป็นเวลา 3 ปี เขาเริ่มอาชีพของเขาในภาคสื่อ (Sky, News International) โดยมุ่งเน้นไปที่กลยุทธ์ดิจิทัลและการพัฒนาผลิตภัณฑ์ดิจิทัล รวมถึงการเปิดตัวและนำทีมพอร์ตโฟลิโอโทรทัศน์ออนไลน์ของ Sky

m3ter เป็นแพลตฟอร์ม SaaS ที่ออกแบบมาเพื่อช่วยให้บริษัทต่างๆ สามารถใช้และจัดการราคาโดยพิจารณาจากการใช้งานที่ซับซ้อน โดยทำหน้าที่เป็นชั้นโครงสร้างการเรียกเก็บเงินและใบเรียกเก็บเงินที่อยู่ข้างๆ ระบบที่มีอยู่ เช่น CRM และ ERP มันจะดึงข้อมูลการใช้งานผลิตภัณฑ์แบบดิบ ใช้ตรรกะการกำหนดราคาแบบยืดหยุ่น และทำให้กระบวนการ quote-to-cash อัตโนมัติ ทำให้ธุรกิจสามารถสร้างใบเรียกเก็บเงินที่ถูกต้องและเป็นปัจจุบัน ในขณะเดียวกันก็ลดความสูญเสียของรายได้และค่าใช้จ่ายในการดำเนินงาน โดยการแยกการเรียกเก็บเงินออกจากระบบหลัก m3ter ช่วยให้บริษัทสามารถทดลองกับรูปแบบการกำหนดราคาใหม่ๆ ได้เร็วขึ้น และมีความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับการใช้งานของลูกค้าและกระแสรายได้ ทำให้มีคุณค่ามากสำหรับบริษัทซอฟต์แวร์สมัยใหม่ที่กำลังเปลี่ยนไปสู่โมเดลธุรกิจที่อิงจากการบริโภค

คุณก่อตั้งและขยาย GameSparks จนถึงการเข้าซื้อกิจการ จากนั้นคุณเลือกที่จะเริ่มต้น m3ter โดยมุ่งเน้นไปที่โครงสร้างพื้นฐานการเรียกเก็บเงินและรูปแบบการสร้างรายได้สมัยใหม่ สิ่งใดที่ดึงดูดคุณให้เข้าสู่พื้นที่ปัญหานี้สำหรับบริษัทครั้งที่สองของคุณ และประสบการณ์ของคุณในฐานะผู้ก่อตั้งครั้งก่อนมีอิทธิพลต่อการตัดสินใจนั้นอย่างไร

เราคือกรณีคลาสสิกของผู้ก่อตั้งที่แก้ปัญหาที่พวกเขาเคยประสบมาเอง ที่ GameSparks เรามีการกำหนดราคาโดยพิจารณาจากการใช้งาน — เนื่องจากรูปแบบธุรกิจของเราคือโครงสร้างพื้นฐานคลาวด์ — ซึ่งเป็นกุญแจสำคัญในการประสบความสำเร็จของเรา แต่ก็ทำให้เกิดความเจ็บปวดในการดำเนินงานและกระบวนการนำสินค้าเข้าตลาดด้วย จากนั้นที่ AWS ซึ่งเป็นธุรกิจโครงสร้างพื้นฐานคลาวด์ที่ใหญ่กว่า เราเห็นว่าพวกเขามีปัญหาเดียวกัน และเราเห็นว่าพวกเขาต้องใช้ความพยายามมากเพื่อแก้ปัญหาเหล่านั้นเพราะมันสำคัญมากสำหรับธุรกิจของพวกเขา เราได้ทำความเข้าใจว่าในโลกที่อิงจากการใช้งาน โครงสร้างพื้นฐานการเรียกเก็บเงินเป็นความสามารถเชิงกลยุทธ์ที่บริษัทส่วนใหญ่ไม่สามารถพัฒนาได้ ดังนั้นเราจึงก่อตั้ง m3ter เพื่อเปลี่ยนแปลงสิ่งนั้น

ผลิตภัณฑ์ที่เป็นเจ้าของ AI สามารถมีค่าใช้จ่ายโครงสร้างพื้นฐานที่ไม่คาดคิดที่เกี่ยวข้องกับการอนุมาน การใช้โทเค็น หรือการฝึกอบรมแบบจำลองใหม่ ผู้ก่อตั้งควรคิดอย่างไรเกี่ยวกับการจัดตำแหน่งราคาให้สอดคล้องกับคุณค่าในขณะเดียวกันก็ปกป้องอัตรากำไรขั้นต้น

ผลิตภัณฑ์ SaaS แบบดั้งเดิมมีค่าใช้จ่ายในการใช้งานที่ใกล้เคียงกับศูนย์ ในอีกคำหนึ่ง คือ ปริมาณที่ลูกค้าใช้ผลิตภัณฑ์ของคุณไม่ส่งผลกระทบต่อค่าใช้จ่ายในการให้บริการของคุณ สิ่งนี้ไม่ถือเป็นจริงสำหรับผลิตภัณฑ์ AI เนื่องจากการใช้งานของพวกเขาขับเคลื่อนค่าใช้จ่าย เช่น การบริโภคโทเค็น หากราคาของคุณถูกกำหนดไว้แล้ว สิ่งนี้หมายความว่าอัตรากำไรขั้นต้นของคุณสามารถแตกต่างกันอย่างมากต่อลูกค้าขึ้นอยู่กับการใช้งานของพวกเขา ซึ่งทำให้กลยุทธ์การกำหนดราคาโดยพิจารณาจากการใช้งานเกือบจะเป็นไปไม่ได้: มันจัดตำแหน่งรายได้ให้สอดคล้องกับค่าใช้จ่ายและทำให้อัตรากำไรขั้นต้นมีความเสถียร

เมื่อ AI ถูกฝังอยู่ในหมวดซอฟต์แวร์ที่มีอยู่ คุณคาดหวังว่าบริษัทส่วนใหญ่จะวางส่วนประกอบการใช้งานบนการสมัครสมาชิกหรือคุณเห็นว่าโครงสร้างการสร้างรายได้ใหม่ทั้งหมดเกิดขึ้น

ฉันไม่คาดหวังอะไรที่ใหม่มาก — เพียงแค่การคิดค้นใหม่ของโมเดลการกำหนดราคา คุณจะเห็นช่วงต่างๆ ตั้งแต่การสมัครสมาชิกแบบบริสุทธิ์ไปจนถึงโมเดลที่อิงจากผลลัพธ์ แต่กลุ่มที่ใหญ่ที่สุดจะเป็นแบบไฮบริด: ส่วนเรียกเก็บเงินแบบซ้ำกันสำหรับการคาดการณ์ คู่กับเมตริกที่แปรผันซึ่งทำงานสำหรับทั้งลูกค้า (พวกเขาเชื่อมโยงมันกับความสำเร็จ) และผู้ขาย (มันสอดคล้องกับค่าใช้จ่ายเพียงพอในการปกป้องอัตรากำไร)

มีการอภิปรายที่เพิ่มขึ้นเกี่ยวกับการกำหนดราคาโดยอิงจากผลลัพธ์ในยุค AI คุณเห็นแรงฉุดขึ้นจริงที่ไหน และที่ไหนคุณเชื่อว่าโมเดลนี้ซับซ้อนเกินไปที่จะนำไปใช้อย่างมีประสิทธิภาพ

ความท้าทายของการกำหนดราคาโดยอิงจากผลลัพธ์คือการกำหนดผลลัพธ์ — เพื่อให้ทำงานได้ ผลลัพธ์ที่วัดได้ต้องถูกขับเคลื่อนโดยผลิตภัณฑ์ของผู้ขายอย่างไม่มีข้อสงสัย บางครั้งอาจเป็นไปได้ — การชำระเงินเป็นตัวอย่างที่ผู้ให้บริการรับรายได้ส่วนหนึ่งของธุรกรรม และดูเหมือนจะยุติธรรม แต่จากประสบการณ์ของฉัน สถานการณ์เหล่านี้ค่อนข้างหายาก และบริษัทมักจะย้อนกลับไปสู่เมตริกการกำหนดราคาแบบพร็อกซี่สำหรับคุณค่า — ตัวอย่างเช่น สำหรับตัวแทนการสนับสนุนลูกค้า AI ที่แก้ปัญหาโดยไม่ต้องมีการแทรกแซงจากมนุษย์ อีกครั้ง จะมีวิธีแก้ปัญหาหลายอย่างตามสเปกตรัมตั้งแต่การกำหนดราคาโดยพิจารณาจากการใช้งาน ไปจนถึงการกำหนดราคาโดยอิงจากคุณค่าและผลลัพธ์ — ขึ้นอยู่กับกรณีการใช้งาน สิ่งที่พวกมันทั้งหมดมีร่วมกันคือต้องมีการนับและใช้ตรรกะการกำหนดราคา ซึ่งเป็นที่ที่ m3ter เข้ามา

เมื่อกำหนดคุณค่าในผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI บริษัทควรเน้นไปที่เมตริกเชิงปฏิบัติใดบ้างในฐานะตัวแทนของคุณค่าที่แท้จริง

สิ่งนี้ยากที่จะตอบเพราะเป็นกรณีการใช้งานที่เฉพาะเจาะจง มีความพิจารณา “เสมอ” — คือ เมตริกง่าย คาดการณ์ได้ เชื่อมโยงกับคุณค่า และสอดคล้องกับค่าใช้จ่ายในการให้บริการเพียงพอในการจัดตำแหน่งราคา แต่เมตริกโดยรวมขึ้นอยู่กับสิ่งที่ผลิตภัณฑ์ทำ “โทเค็นที่ใช้” ทำงานสำหรับโมเดล LLM “เอกสารที่ประมวลผล” ทำงานสำหรับการวิเคราะห์สัญญา “คิวรี่ที่ดำเนินการ” ทำงานสำหรับการค้นหาทางธุรกิจ “การสนทนาที่จัดการ (โดยไม่ต้องมีการแทรกแซงจากมนุษย์)” ทำงานสำหรับการสนับสนุนลูกค้า

ความท้าทายในการดำเนินงานและเทคนิคที่พบบ่อยที่สุดคืออะไรที่บริษัทต่างๆ ต้องเผชิญเมื่อเปลี่ยนจากโมเดลการสมัครสมาชิกเท่านั้นไปสู่การกำหนดราคาแบบไฮบริดหรือโดยพิจารณาจากการใช้งาน

จุดเจ็บปวดหลักคือการรั่วไหลของรายได้ ประสบการณ์ของลูกค้าที่ไม่ดี และการขาดความยืดหยุ่นในการกำหนดราคา ซึ่งทำให้ฝ่ายผลิตภัณฑ์และฝ่ายขายต้องติดค้าง สาเหตุมาจากพื้นฐานการดำเนินงานที่ไม่ถูกต้อง ความสามารถหลัก (ใหม่) ที่จำเป็นเมื่อเปลี่ยนจากโมเดลการสมัครสมาชิกไปสู่การกำหนดราคาแบบไฮบริดหรือโดยพิจารณาจากการใช้งานคือ การประมวลผลข้อมูลการใช้งาน การคำนวณใบเรียกเก็บเงินขั้นสูง (และต่อเนื่อง) และการเชื่อมต่ออัตโนมัติระหว่างระบบ CRM ระบบการเรียกเก็บเงิน และระบบ ERP

หลายองค์กรมีความมุ่งมั่นอย่างลึกซึ้งกับระบบ เช่น Salesforce (CRM ) และ NetSuite ม3ter ปรับปรุงโครงสร้างพื้นฐานการสร้างรายได้โดยไม่บังคับให้บริษัทต่างๆ ต้องเปลี่ยนระบบที่มีอยู่ทั้งหมดได้อย่างไร

เครื่องมือ quote-to-cash ที่มีอยู่ เช่น Salesforce และ NetSuite สมมติว่าเป็นโลกของการสมัครสมาชิก ซึ่งไม่ได้หมายความว่าไม่สามารถทำงานได้ดีกับแนวทางการสร้างรายได้สมัยใหม่ — คุณเพียงแต่ต้องเติมช่องว่างที่สำคัญ ซึ่งเป็นสิ่งที่ m3ter ทำ เราเน้นไปที่สิ่งที่หายไป: การประมวลผลข้อมูลการใช้งาน การกำหนดราคาแบบขั้นสูง และการทำให้การไหลของข้อมูลอัตโนมัติระหว่างระบบ quote-to-cash

การรั่วไหลของรายได้มักถูกมองข้าม มันคือปัญหาใหญ่ในธุรกิจ SaaS สมัยใหม่ และสิ่งใดที่ทำให้เกิดปัญหา

การรั่วไหลของรายได้คือค่าที่ได้รับ (คุณขายและจัดส่งแล้ว) แต่ไม่ได้รวบรวมเพราะข้อผิดพลาดในการเรียกเก็บเงิน — ใบเรียกเก็บเงินของคุณไม่ได้จับข้อมูลการใช้งานของลูกค้าอย่างสมบูรณ์ หรือไม่ได้ใช้เงื่อนไขการค้าที่ถูกต้อง มันเป็นเรื่องใหญ่ — ทีมความสมบูรณ์ของรายได้ของ PwC ประมาณการไว้ที่ 4-7% และยิ่งการกำหนดราคาเป็นไปอย่างซับซ้อนเท่าไหร่ ก็ยิ่งมีแนวโน้มมากขึ้นเท่านั้น สาเหตุหลักมาจากระบบและเครื่องมือ: ไม่สามารถจับข้อมูลการใช้งานได้อย่างมีประสิทธิภาพ ไม่มีการเชื่อมต่ออัตโนมัติระหว่างแหล่งที่มาของความจริงสำหรับการกำหนดราคาและกลไกการคำนวณใบเรียกเก็บเงิน และกลไกการคำนวณใบเรียกเก็บเงินไม่ซับซ้อนพอที่จะจัดการความซับซ้อน (เช่น การพึ่งพาสเปรดชีต)

ความยืดหยุ่นในการกำหนดราคามีอิทธิพลต่อการสร้างสรรค์ผลิตภัณฑ์และกลยุทธ์การขายภายในองค์กรซอฟต์แวร์อย่างไร

ง่าย — ความยืดหยุ่นในการกำหนดราคาที่คุณมี คือความเร็วที่คุณสามารถส่งผลิตภัณฑ์ใหม่ๆ และปรับราคาให้เหมาะสมกับความต้องการและความปรารถนาของลูกค้า รวมถึงในข้อตกลงราคาเอกสิทธิ์เฉพาะที่ช่วยให้ฝ่ายขายชนะ มันเป็นความสามารถเชิงกลยุทธ์สำหรับธุรกิจ แต่คุณไม่สามารถมีความยืดหยุ่นได้หากไม่มีการอัตโนมัติและควบคุม ไม่เช่นนั้นคุณจะได้รับข้อผิดพลาดในการเรียกเก็บเงิน การรั่วไหลของรายได้ และความท้าทายด้านการปฏิบัติตามกฎระเบียบ

เมื่อมองไปข้างหน้า คุณเห็น AI มีบทบาทในการปรับเปลี่ยนรูปแบบการกำหนดราคาอย่างมีประสิทธิภาพในเวลาจริง และอะไรที่ต้องมีให้พร้อมสำหรับสิ่งนั้นเพื่อให้ทำงานได้อย่างน่าเชื่อถือในระดับใหญ่

ฉันรู้สึกตื่นเต้นอย่างมากเกี่ยวกับศักยภาพของ AI ในการปรับเปลี่ยนราคา แต่ฉันไม่เชื่อมั่นในแง่ของการทำงานในเวลาจริงอย่างน้อยสำหรับธุรกิจ SaaS หรือการให้บริการแบบโซลูชัน ผู้ขายซอฟต์แวร์ B2B ต้องการความสัมพันธ์กับลูกค้าที่ยั่งยืน และลูกค้าไม่ต้องการให้ราคาของพวกเขาเปลี่ยนแปลงอย่างไม่คาดคิดทุกวัน ดังนั้นการปรับเปลี่ยนราคา sẽมุ่งเน้นไปที่การสร้างราคาแบบส่วนบุคคลสำหรับข้อตกลงระยะยาว — ราคาแบบที่ออกแบบมาเพื่อให้ผลลัพธ์ที่ดีที่สุดสำหรับทั้งผู้ขายและลูกค้าในความสัมพันธ์หลายปี

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ m3ter