m3ter CEO’sü Griffin Parry – Röportaj Serisi

Griffin Parry m3ter’in CEO’su ve kurucu ortağıdır. Bu, daha önce GameSparks’ı kurmuş ve yönetmiş olduğu ikinci startup’ıdır. GameSparks, 2017 yılında Amazon (AMZN ) tarafından satın alınmıştır. Bunun ardından 3 yıl boyunca AWS’de üst düzey ürün ve alan rollerinde çalışmıştır. Kariyerine medya sektöründe (Sky, News International) dijital strateji ve dijital ürün geliştirme üzerine odaklanarak başlamıştır. Sky’ın online TV portföyünü başlatmış ve yönetmiştir.

m3ter şirketlere karmaşık kullanım tabanlı fiyatlandırma uygulamalarını ve yönetmelerini yardımcı olmak için tasarlanmış bir SaaS platformudur. Mevcut sistemlerin yanında çalışan bir ölçüm ve faturalama altyapısı katmanı olarak çalışır. Ham ürün kullanım verilerini alır, esnek fiyatlandırma mantığını uygular ve teklif’den tahsilata kadar tüm süreci otomatikleştirir. Bu sayede şirketler doğru ve gerçek zamanlı faturalar oluşturabilir, gelir sızıntısını ve operasyonel giderlerini azaltabilir. Faturalandırmayı temel sistemlerden ayırarak m3ter, şirketlerin fiyatlandırma modellerini denemelerine, yeni ürünleri daha hızlı piyasaya sürmelerine ve müşteri kullanımını ve gelir akışlarını daha derinlemesine görmelerine olanak tanır. Bu özellikle modern yazılım şirketleri için tüketim tabanlı iş modellerine doğru kayarken değerlidir.

GameSparks’ı kurduktan ve ölçekledikten sonra, faturalama altyapısı ve modern gelir elde etme üzerine odaklanan m3ter’i kurmaya karar verdiniz. Bu sorun alanına sizi ne çekti ve önceki kurucu deneyiminiz bu kararı nasıl etkiledi?

Bizim durumumuz, kurucuların kendi yaşadıkları bir problemi çözmeleri ile alakalıdır. GameSparks’ta modern bir gelir elde etme stratejimiz vardı – kullanım tabanlı fiyatlandırma – çünkü bizim işimiz için (bulut altyapısı) bu gerekliydi. Bu bizim başarımız için çok önemliydi, ancak aynı zamanda operasyonel ve GTM ağrısı da yarattı. AWS’de de, bir bulut altyapısı işinin daha büyük bir versiyonunda, aynı sorunları gördük. Ayrıca bu sorunları çözme konusunda ne kadar çaba harcadıklarını gördük, çünkü bu onların işleri için çok önemliydi. Kullanım tabanlı bir dünyada, faturalama altyapısının çoğu şirketin geliştiremeyeceği bir stratejik yetenek olduğunu fark ettik, bu nedenle m3ter’i bu durumu değiştirmek için kurduk.

AI yerli ürünlerin altyapı maliyetleri, çıkarım, token kullanımı veya model yeniden eğitimi ile bağlantılı olabilir. Kurucular, marjları korumaya çalışırken fiyatlandırmanın değeri ile nasıl uyumlaştırılacağını düşünmelidir?

Geleneksel SaaS ürünleri genellikle sıfır marjinal kullanım maliyetlerine sahipti. Diğer bir deyişle, müşteri ürününüzü ne kadar kullandıysa, sizin hizmet verme maliyetiniz değişmedi. AI ürünlerinde bu doğru değildir, çünkü onların kullanımı maliyetleri such as token tüketimi gibi maliyetleri doğurur. Fiyatlarınız sabitse, bu sizin marjlarınızın müşteri kullanımına bağlı olarak önemli ölçüde değişebileceği anlamına gelir. Bu da kullanım tabanlı fiyatlandırma stratejilerini neredeyse kaçınılmaz hale getirir: gelirleri maliyetlerle uyumlu hale getirir ve marjları stabilize eder.

AI, mevcut yazılım kategorilerine entegre olurken, şirketlerin majority usage bileşenlerini aboneliklere eklemesini bekliyor musunuz, yoksa tamamen yeni gelir elde etme çerçevelerinin ortaya çıkmasını mı bekliyorsunuz?

Tamamen yeni bir şey beklemiyorum – sadece daha önce gördüğümüz fiyatlandırma modellerinin yeniden keşfedilmesi. Tüm spektrumu göreceksiniz, sabit aboneliklerden sonuç tabanlı modellere kadar. Ancak en büyük grup, melez olacaktır: öngörülebilirlik için sabit tekrarlayan unsurlar, müşteriler (başarı ile ilişkilendirirler) ve satıcılar (marjlarını korumak için yeterli ölçüde maliyetlerle uyumlu) için değişken bir metric.

AI döneminde sonuç tabanlı fiyatlandırma konusunda artan bir tartışma var. Gerçek bir ivme nerede ortaya çıkıyor ve modelin fazla karmaşık hale gelerek etkili bir şekilde uygulanamayacağına inandığınız noktalar nelerdir?

Sonuç tabanlı fiyatlandırmanın zorluğu, bir ölçülebilir sonucun satıcının ürününden açıkça kaynaklanıyor olması gerektiğidir. Bazen bu mümkün olabilir – örneğin, ödeme sağlayıcıları işlemin bir payını alır ve bu adil görünür. Ancak benim deneyimime göre, bu durumlar nispeten nadirdir ve şirketler genellikle değer için vekilleri gibi fiyatlandırma metriklerine başvurur – örneğin, bir AI müşteri destek ajanı için, insan müdahalesi olmadan çözülen çağrılar. Yine, kullanım tabanlı, değer vekilleri ve sonuç tabanlı fiyatlandırma dahil tüm çözümler olacaktır – tüm bunlar ortak bir şeyi paylaşırlar: bir şeyler sayılması ve fiyatlandırılması gerekir, bu da m3ter’in devreye girdiği yerdir.

AI güçlendirilmiş ürünlerde değeri tanımlarken, şirketlerin gerçekçi sonuç vekilleri olarak odaklanmaları gereken pratik metriklar nelerdir?

Bu, çok konkrét bir kullanım durumuna bağlı bir soru. Bazı “her zaman” dikkate almamız gerekenler var – metric basit, öngörülebilir, değerle ilişkili ve maliyetleri hizmet etmek için yeterli ölçüde uyumlu mu? Ancak metric itself ürünün ne yaptığına bağlı. “Token’lar kullanıldı” bir LLM modeli için çalışır. “İşlenen belgeler” sözleşme analizi için çalışır. “Çalıştırılan sorgular” kurumsal arama için çalışır. “İnsan müdahalesi olmadan ele alınan sohbetler” müşteri desteği için çalışır.

Şirketler, yalnızca abonelikten melez veya kullanım tabanlı fiyatlandırmaya geçiş yaparken karşılaştıkları en yaygın operasyonel ve teknik zorluklar nelerdir?

Ana ağrı noktaları, gelir sızıntısı, kötü müşteri deneyimi ve Ürün ve Satış’ı engelleyen fiyat esnekliği eksikliğidir. Nedenleri, yanlış operasyonel temellerdedir. Abonelikten melez veya kullanım tabanlı fiyatlandırmaya geçişte gerekli yeni yetenekler, kullanım verisi işleme, gelişmiş (ve sürekli) fatura hesaplama ve CRM, faturalama ve ERP sistemleri arasındaki otomatik bağlantılar arasındaki bağlantıları içerir.

Çok sayıda şirket, Salesforce (CRM ) ve NetSuite gibi sistemlere derinlemesine bağlıdır. m3ter, mevcut yığınlarını değiştirmeye zorlamadan gelir elde etme altyapısını nasıl modernize ediyor?

Kuruluş quote-to-cash araçları gibi Salesforce ve NetSuite, aboneliklerin dünyasını varsayar. Bu, modern gelir elde etme yaklaşımları için iyi çalışamayacakları anlamına gelmez – sadece kritik boşlukları doldurmanız gerekir, ki bu da m3ter’in yaptığı şeydir. Biz özellikle eksik olan şeylere odaklanıyoruz: kullanım verileri işleme, gelişmiş ücretlendirme ve quote-to-cash sistemleri arasındaki veri akışlarının otomasyonu.

Gelir sızıntısı genellikle küçümseniyor. Modern SaaS işletmelerinde bu sorun ne kadar büyük ve tipik olarak neler tarafından gâyılıyor?

Gelir sızıntısı, kazanılmış ancak faturalama hataları nedeniyle toplanmamış değeri ifade eder – faturalarınız tüm müşteri kullanımını tam olarak yakalamaz veya doğru ticari koşulları uygulamaz. Bu önemli bir sorun – PwC’nin Gelir Bütünlüğü ekibi, bunun %4-7 civarında olduğunu tahmin ediyor ve fiyatlandırma ne kadar karmaşıksa, o kadar olası. Kökeni sistemlere ve kontrollere dayanır: kullanım verilerini etkili bir şekilde yakalamamak, fiyatlandırma ve fatura hesaplama mekanizması arasındaki kaynakların truths arasında otomatik bağlantılar olmaması ve fatura hesaplama mekanizmasının karmaşıklığı ele alabilecek kadar gelişmiş olmaması (örneğin, elektronik tablolara güvenmek).

Fiyatlandırma esnekliğinin, yazılım organizasyonları içindeki ürün inovasyonu ve satış stratejisi üzerinde nasıl bir etkisi vardır?

Basit – ne kadar fazla fiyatlandırma esnekliğine sahipseniz, yeni ürünleri o kadar hızlı gönderebilir ve fiyatlandırmanızı müşterilerin ihtiyaçlarına ve arzularına, özellikle de özel fiyat anlaşmalarında, daha kolay uyarlayabilirsiniz. Bu, iş için bir stratejik yetenektir. Ancak esneklik için otomatikleştirme ve kontrol olmadan bunu elde edemezsiniz. Aksi takdirde, faturalama hataları, gelir sızıntısı ve uyumluluk zorlukları ile karşılaşabilirsiniz.

Gelecekte, AI’nin fiyatlandırma modellerini dinamik olarak optimize etmede bir rol oynayacağını düşünüyor musunuz ve bunun güvenilir bir şekilde ölçekte çalışması için ne olması gerekir?

Fiyat optimizasyonunda AI’nin potansiyelinden çok heyecan duyuyorum. Ancak, özellikle yazılım veya çözüm olarak hizmet sunan işler için gerçek zamanlı аспектine ilişkin olarak daha az ikna oldum. Otel odaları veya uçak koltukları satıyorsanız, dinamik fiyatlandırma çalışır, çünkü bu bir defaya mahsus bir işlemdir. Ancak B2B yazılım satıcıları, müşterileriyle dayanıklı ilişkiler kurmak ister ve müşteriler, fiyatlandırmanın günbegün öngörülemez şekilde değişmesini istemez. Bu nedenle fiyat optimizasyonu, gerçek zamanlı değil, uzun vadeli anlaşmalar için özel fiyatlandırma oluşturmaya odaklanacaktır – tarafların her ikisi için de en iyi sonuçları sağlayan, çok yıllı ilişkiler için tasarlanmış fiyatlandırma.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular m3ter’i ziyaret edebilir.