Ґріффін Паррі, генеральний директор m3ter – Серія інтерв’ю

Ґріффін Паррі є генеральним директором та співзасновником m3ter. Це його другий стартап після того, як він раніше співзаснував і очолював GameSparks, компанію з хмарних послуг, яку Amazon (AMZN ) придбала у 2017 році, після чого він провів 3 роки, працюючи на старших посадах у сфері продукції та продажів у AWS. Він розпочав свою кар’єру у сфері ЗМІ (Sky, News International), зосереджуючись на цифровій стратегії та розробці цифрових продуктів, включаючи запуск та керівництво онлайн-телевізійним портфелем Sky.

m3ter – це платформа SaaS, розроблена для допомоги компаніям у впровадженні та управлінні складними моделями оплати на основі використання шляхом дії як шару інфраструктури вимірювання та оплати, який розміщується поряд з існуючими системами, такими як CRM та ERP. Вона приймає сирі дані про використання продукту, застосовує гнучку логіку ціноутворення та автоматизує весь процес формування рахунків, дозволяючи підприємствам генерувати точні, реальні рахунки, одночасно зменшуючи витоки доходів та операційні витрати. Від’єднавши оплату від основних систем, m3ter дозволяє компаніям експериментувати з моделями ціноутворення, швидше запускати нові продукти та глибше розуміти використання клієнтів та потоки доходів, що робить його особливо цінним для сучасних програмних компаній, які переходять до моделей бізнесу на основі споживання.

Ви заснували та розширили GameSparks до його придбання, а потім вирішили створити m3ter, зосередившись конкретно на інфраструктурі оплати та сучасній монетизації. Що привабило вас до цієї конкретної проблемної сфери для вашої другої компанії, і як ваш попередній досвід засновника вплинув на це рішення?

Ми є класичним випадком засновників, які розв’язують проблему, з якою вони особисто зіштовхнулися. У GameSparks у нас була сучасна стратегія монетизації – оплата на основі використання – оскільки це працювало для нашого типу бізнесу (хмарна інфраструктура). Це було ключем до нашого успіху, але це також спричинило багато операційних та GTM-болю. Потім у AWS, також у хмарній інфраструктурі, хоча й більший, ми побачили, що у них були ті ж самі проблеми. Ми також побачили, скільки зусиль вони доклали для розв’язання цих проблем, оскільки це було критично важливо для їхнього бізнесу. Ми прийшли до висновку, що у світі, заснованому на використанні, інфраструктура оплати є стратегічною можливістю, яку більшість компаній не можуть розвинути, тому ми заснували m3ter, щоб змінити це.

Продукти, рідні для штучного інтелекту, можуть мати непередбачувані витрати на інфраструктуру, пов’язані з висновком, використанням токенів або повторною навчанням моделей. Як засновникам слід думати про узгодження ціноутворення з цінністю, одночасно захищаючи валові маржі?

Традиційні продукти SaaS зазвичай мали майже нульові маргінальні витрати на використання. Інакше кажучи, кількість використання клієнтом вашого продукту не впливала на ваші витрати на обслуговування. Це не правда для продуктів штучного інтелекту, оскільки їхнє використання спричиняє витрати, такі як споживання токенів. Якщо ваші ціни фіксовані, це означає, що ваші валові маржі можуть суттєво варіюватися для кожного клієнта залежно від його використання. Це, своєю чергою, робить стратегії ціноутворення на основі використання майже неминучими: вони узгоджують доходи з витратами та стабілізують валові маржі.

Як штучний інтелект стає частиною існуючих програмних категорій, чи очікуєте ви, що більшість компаній будуть додавати компоненти використання до підписок, або ви бачите появу цілком нових моделей монетизації?

Я не очікую нічого цілком нового – просто переосмислення моделей ціноутворення, яких ми бачили раніше. Ви побачите весь спектр, від чистих підписок до моделей, заснованих на результатах. Але найбільша група буде гібридною: фіксовані періодичні елементи для передбачуваності, поєднані з змінною мірою, яка працює як для клієнтів (вони асоціюють її з успіхом), так і для постачальників (вона достатньо узгоджена з витратами, щоб захистити їхні маржі).

Є зростаюча дискусія щодо ціноутворення, заснованого на результатах, у епоху штучного інтелекту. Де ви бачите реальну трекцію, і де ви вважаєте, що модель стає занадто складною для ефективної реалізації?

Виклик ціноутворення, заснованого на результатах, полягає в атрибуції – для того, щоб воно працювало, результат потрібно чітко пов’язати з продуктом постачальника. Іноді це можливо – платежі є прикладом, коли постачальники беруть частку транзакції, і це здається справедливим. Але на мою думку, такі ситуації відносно рідкісні, і компанії схильні повертатися до метрик ціноутворення, які більше нагадують проксі для цінності – наприклад, для агента штучного інтелекту з підтримкою клієнтів кількість дзвінків, вирішених без втручання людини. Знову ж таки, буде багато рішень по всьому спектру від ціноутворення на основі використання до цінності-проксі та ціноутворення, заснованого на результатах – все залежить від випадку. Що вони мають спільного, так це те, що щось потрібно порахувати та застосувати ціноутворення, і саме тут вступає в дію m3ter.

При визначенні цінності у продуктах, заснованих на штучному інтелекті, на які практичні метрики компанії повинні зосередитися як реалістичні проксі для результатів?

Це складне питання для відповіді, оскільки воно дуже залежить від випадку використання. Є деякі “завжди” фактори, які потрібно враховувати – чи є метрика простою, передбачуваною, пов’язаною з цінністю та достатньо узгодженою з витратами на обслуговування, щоб захистити маржі? Але сама метрика залежить від того, що робить продукт. “Токени, використані” працюють для моделі LLM. “Документи, оброблені” працюють для аналізу контрактів. “Запити, виконані” працюють для корпоративного пошуку. “Розмови, оброблені (без втручання людини)” працюють для підтримки клієнтів.

Які найпоширеніші операційні та технічні виклики, з якими компанії стикаються при переході від моделей підписки до гібридних або моделей оплати на основі використання?

Ключові болі полягають у витоках доходів, поганому досвіді клієнтів та відсутності гнучкості ціноутворення, яка паралізує Продукцію та Продажі. Причини кореняться у неправильних операційних основах. Ключові (нові) можливості, необхідні при переході від підписки до гібридної або оплати на основі використання, полягають у обробці даних про використання, просунутому (та безперервному) розрахунку рахунків та автоматизованому підключенні між системами CRM, оплати та ERP.

Багато підприємств глибоко прив’язані до систем, таких як Salesforce (CRM ) та NetSuite. Як m3ter модернізує інфраструктуру монетизації без примусу компаній змінювати свій існуючий стек?

Засновані інструменти формування рахунків, такі як Salesforce та NetSuite, припускають світ підписок. Це не означає, що вони не можуть працювати добре для сучасних підходів до монетизації – вам просто потрібно заповнити критичні прогалини, що саме робить m3ter. Ми зосереджуємося саме на тому, що відсутнє: обробка даних про використання, просунуте ціноутворення та автоматизація потоків даних між системами формування рахунків.

Витік доходів часто недооцінюється. Наскільки серйозною є ця проблема у сучасному програмному бізнесі, і що зазвичай спричиняє її?

Витік доходів – це вартість, яка була зароблена (ви її продали та доставили), але яка не була зібрана через неточності оплати – ваші рахунки не повністю відображають використання клієнта, або не застосовують правильні комерційні умови. Це велика проблема – команда Revenue Integrity компанії PwC оцінює її у 4-7%, і чим складніше ціноутворення, тим більша ймовірність витоку. Коренева причина полягає у системах та контролі: не ефективне захоплення даних про використання; відсутність автоматичних підключень між джерелами істини для ціноутворення та механізму розрахунку рахунків; і механізм розрахунку рахунків не достатньо просунутий, щоб обробляти складність (наприклад, залежність від електронних таблиць).

Як більша гнучкість ціноутворення впливає на інновації продукту та стратегію продажів у програмних організаціях?

Просто – чим більше гнучкості ціноутворення ви маєте, тим швидше ви можете випускати нові продукти, і тим легше ви можете адаптувати ціноутворення до потреб та бажань клієнтів, включаючи приватні угоди про ціноутворення, які допомагають Продажам перемагати. Це стратегічна можливість для бізнесу. Але ви не можете мати гнучкість без автоматизації та контролю. Інакше ви отримуєте помилки оплати, витік доходів та проблеми з дотриманням вимог.

Оглядаючи майбутнє, чи бачите ви роль штучного інтелекту у динамічній оптимізації моделей ціноутворення в реальному часі, і що потрібно, щоб це працювало надійно у великому масштабі?

Я, безумовно, дуже зацікавлений у потенціалі штучного інтелекту в оптимізації ціноутворення. Але я менш переконаний щодо реального часу, принаймні для програмного забезпечення як послуги або рішень як послуг. Якщо ви продаєте номери готелів або авіаквитки, динамічне ціноутворення працює, оскільки це одноразова транзакція. Але постачальники програмного забезпечення для бізнесу хочуть відносини з клієнтами, які тривають, і клієнти не хочуть, щоб ціноутворення змінювалося непередбачувано з дня на день. Тому оптимізація ціноутворення буде зосереджена на створенні індивідуального ціноутворення для довгострокових угод – ціноутворення, розробленого для надання найкращих результатів як для постачальника, так і для клієнта протягом багаторічних відносин.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати m3ter.