Griffin Parry, CEO của m3ter – Phỏng vấn loạt

Griffin Parry là CEO và đồng sáng lập của m3ter. Đây là công ty khởi nghiệp thứ hai của ông sau khi đồng sáng lập và lãnh đạo GameSparks, một công ty dịch vụ đám mây được Amazon (AMZN ) mua lại vào năm 2017, sau đó ông đã dành 3 năm làm việc trong các vai trò sản phẩm và lĩnh vực cấp cao tại AWS. Ông bắt đầu sự nghiệp của mình trong lĩnh vực truyền thông (Sky, News International) tập trung vào chiến lược kỹ thuật số và phát triển sản phẩm kỹ thuật số, bao gồm cả việc ra mắt và lãnh đạo danh mục truyền hình trực tuyến của Sky.

m3ter là một nền tảng SaaS được thiết kế để giúp các công ty triển khai và quản lý giá dựa trên sử dụng phức tạp bằng cách hoạt động như một lớp cơ sở hạ tầng đo lường và hóa đơn nằm cạnh các hệ thống hiện có như CRM và ERP. Nó tiêu thụ dữ liệu sử dụng sản phẩm thô, áp dụng logic giá linh hoạt và tự động hóa toàn bộ quá trình từ trích dẫn đến thu tiền, cho phép các doanh nghiệp tạo ra hóa đơn chính xác, thời gian thực trong khi giảm thiểu rò rỉ doanh thu và chi phí hoạt động. Bằng cách tách hóa đơn khỏi các hệ thống cốt lõi, m3ter cho phép các công ty thử nghiệm với các mô hình giá, ra mắt sản phẩm mới nhanh hơn và có cái nhìn sâu sắc hơn về việc sử dụng và dòng doanh thu của khách hàng, khiến nó trở nên đặc biệt có giá trị cho các công ty phần mềm hiện đại đang chuyển hướng sang các mô hình kinh doanh dựa trên tiêu thụ.

Bạn đã thành lập và mở rộng GameSparks thông qua việc mua lại, sau đó chọn bắt đầu m3ter tập trung cụ thể vào cơ sở hạ tầng hóa đơn và định giá hiện đại. Điều gì đã thu hút bạn đến không gian vấn đề này cho công ty thứ hai của mình, và kinh nghiệm sáng lập trước đây của bạn đã ảnh hưởng đến quyết định đó như thế nào?

Chúng tôi là một trường hợp điển hình của các nhà sáng lập giải quyết một vấn đề mà họ đã trải qua trực tiếp. Tại GameSparks, chúng tôi đã có một chiến lược định giá hiện đại – giá dựa trên sử dụng – vì nó hoạt động cho loại kinh doanh mà chúng tôi đang làm (cơ sở hạ tầng đám mây). Đó là chìa khóa cho thành công của chúng tôi, nhưng nó cũng gây ra nhiều đau đầu về hoạt động và GTM. Sau đó, tại AWS, cũng là một doanh nghiệp cơ sở hạ tầng đám mây, mặc dù lớn hơn nhiều, chúng tôi đã thấy họ có cùng vấn đề. Chúng tôi cũng thấy họ đã dành bao nhiêu công sức để giải quyết chúng vì đó là điều quan trọng cho kinh doanh của họ. Chúng tôi đã nhận ra rằng trong một thế giới dựa trên sử dụng, cơ sở hạ tầng hóa đơn là một khả năng chiến lược mà hầu hết các công ty không thể phát triển, vì vậy chúng tôi đã thành lập m3ter để thay đổi điều đó.

Sản phẩm gốc AI có thể có chi phí cơ sở hạ tầng không thể đoán trước được gắn với suy luận, sử dụng token hoặc đào tạo lại mô hình. Làm thế nào các nhà sáng lập nên suy nghĩ về việc căn chỉnh giá với giá trị trong khi bảo vệ biên độ lợi nhuận gộp?

Các sản phẩm SaaS truyền thống thường có chi phí cận biên gần như bằng không. Nói cách khác, lượng khách hàng sử dụng sản phẩm của bạn không ảnh hưởng đến chi phí phục vụ của bạn. Điều đó không đúng với sản phẩm AI vì việc sử dụng của chúng gây ra chi phí như tiêu thụ token. Nếu giá của bạn là cố định, điều đó có nghĩa là biên độ lợi nhuận gộp của bạn có thể thay đổi đáng kể cho mỗi khách hàng tùy thuộc vào việc sử dụng của họ. Điều đó, đến lượt, làm cho các chiến lược giá dựa trên sử dụng gần như không thể tránh khỏi: nó căn chỉnh doanh thu với chi phí và ổn định biên độ lợi nhuận.

Khi AI được tích hợp vào các danh mục phần mềm hiện có, bạn có kỳ vọng hầu hết các công ty sẽ thêm thành phần sử dụng vào các đăng ký, hay bạn thấy các khuôn khổ định giá hoàn toàn mới xuất hiện?

Tôi không kỳ vọng bất cứ điều gì hoàn toàn mới – chỉ là sự tái phát minh của các mô hình giá mà chúng ta đã thấy trước đây. Bạn sẽ thấy toàn bộ phổ, từ đăng ký thuần túy đến các mô hình dựa trên kết quả. Nhưng nhóm lớn nhất sẽ là hỗn hợp: các yếu tố định kỳ cố định cho tính dự đoán, kết hợp với một chỉ số biến đổi hoạt động cho cả khách hàng (họ liên kết nó với thành công) và nhà cung cấp (nó được căn chỉnh đủ với chi phí để bảo vệ biên độ lợi nhuận của họ).

Đang có sự thảo luận ngày càng tăng về giá dựa trên kết quả trong kỷ nguyên AI. Bạn thấy sự hấp dẫn thực sự xuất hiện ở đâu, và bạn tin rằng mô hình trở nên quá phức tạp để thực hiện hiệu quả ở đâu?

Thử thách với giá dựa trên kết quả là sự quy kết – để nó hoạt động, một kết quả có thể đo lường được cần phải được thúc đẩy một cách không thể tranh cãi bởi sản phẩm của nhà cung cấp. Đôi khi điều đó là có thể – thanh toán là một ví dụ, nơi các nhà cung cấp lấy một phần của giao dịch, và điều đó似乎 là công bằng. Nhưng trong kinh nghiệm của tôi, những tình huống như vậy tương đối hiếm, và các công ty thường quay trở lại các chỉ số giá giống như các đại diện cho giá trị – ví dụ, đối với một đại lý hỗ trợ khách hàng AI, các cuộc gọi được giải quyết mà không cần can thiệp của con người. Một lần nữa, sẽ có rất nhiều giải pháp dọc theo phổ từ dựa trên sử dụng, thông qua các đại diện giá trị, đến giá dựa trên kết quả – tất cả đều có điểm chung là cần phải có thứ gì đó được đếm và áp dụng giá, đó là nơi m3ter tham gia.

Khi xác định giá trị trong các sản phẩm được hỗ trợ bởi AI, những chỉ số thực tế nào các công ty nên tập trung vào như các đại diện thực tế cho kết quả?

Đây là một câu hỏi khó để trả lời, vì nó rất cụ thể cho từng trường hợp sử dụng. Có một số yếu tố “luôn” cần xem xét – liệu chỉ số có đơn giản, có thể dự đoán, liên quan đến giá trị và đủ căn chỉnh với chi phí để phục vụ? Nhưng chỉ số bản thân phụ thuộc vào sản phẩm làm gì. “Token được sử dụng” hoạt động cho một mô hình LLM. “Tài liệu được xử lý” hoạt động cho phân tích hợp đồng. “Truy vấn được thực hiện” hoạt động cho tìm kiếm doanh nghiệp. “Cuộc trò chuyện được xử lý (không cần can thiệp của con người) hoạt động cho hỗ trợ khách hàng.

Những thách thức hoạt động và kỹ thuật phổ biến nhất mà các công ty gặp phải khi chuyển từ các mô hình đăng ký chỉ sang các mô hình giá hỗn hợp hoặc dựa trên sử dụng là gì?

Các điểm đau chính là xung quanh rò rỉ doanh thu, trải nghiệm khách hàng kém và thiếu tính linh hoạt về giá mà cản trở Sản phẩm và Bán hàng. Nguyên nhân nằm ở các nền tảng hoạt động sai. Các khả năng (mới) cần thiết khi chuyển từ đăng ký chỉ sang giá hỗn hợp hoặc dựa trên sử dụng là xử lý dữ liệu sử dụng, tính toán hóa đơn tiên tiến (và liên tục) và các kết nối tự động giữa các hệ thống CRM, hóa đơn và ERP.

Nhiều doanh nghiệp đang cam kết sâu sắc với các hệ thống như Salesforce (CRM ) và NetSuite. Làm thế nào m3ter hiện đại hóa cơ sở hạ tầng định giá mà không buộc các công ty phải thay thế toàn bộ ngăn xếp hiện có của họ?

Các công cụ trích dẫn đến tiền hiện có như Salesforce và NetSuite giả định một thế giới của các đăng ký. Điều đó không có nghĩa là chúng không thể hoạt động tốt cho các phương pháp định giá hiện đại – bạn chỉ cần lấp đầy các khoảng trống quan trọng, đó là những gì m3ter làm. Chúng tôi tập trung chính xác vào những gì đang thiếu: xử lý dữ liệu sử dụng, tính toán tiên tiến và tự động hóa luồng dữ liệu giữa các hệ thống trích dẫn đến tiền.

Rò rỉ doanh thu thường bị đánh giá thấp. Vấn đề này nghiêm trọng như thế nào trong các doanh nghiệp SaaS hiện đại, và điều gì thường gây ra nó?

Rò rỉ doanh thu là giá trị đã được kiếm (bạn đã bán nó và giao hàng) nhưng chưa được thu thập vì các sai sót về hóa đơn – hóa đơn của bạn không ghi lại đầy đủ việc sử dụng của khách hàng, hoặc không áp dụng các điều khoản thương mại đúng. Đó là một vấn đề lớn – nhóm Tính toàn vẹn doanh thu của PwC ước tính nó ở mức 4-7%, và giá phức tạp hơn, thì càng có khả năng xảy ra. Nguyên nhân gốc rễ nằm ở các hệ thống và kiểm soát: không thu thập dữ liệu sử dụng hiệu quả; không có kết nối tự động giữa các nguồn sự thật về giá và cơ chế tính toán hóa đơn; và cơ chế tính toán hóa đơn không đủ tinh vi để xử lý sự phức tạp (ví dụ, dựa vào bảng tính).

Làm thế nào tính linh hoạt về giá ảnh hưởng đến sự đổi mới sản phẩm và chiến lược bán hàng trong các tổ chức phần mềm?

Đơn giản – tính linh hoạt về giá mà bạn có, tốc độ bạn có thể giao các sản phẩm mới và dễ dàng bạn có thể thích nghi với nhu cầu và mong muốn của khách hàng, bao gồm cả các thỏa thuận giá riêng tư giúp Bán hàng thắng. Đó là một khả năng chiến lược cho kinh doanh. Nhưng bạn không thể có tính linh hoạt mà không có tự động hóa và kiểm soát. Nếu không, bạn sẽ gặp phải lỗi hóa đơn, rò rỉ doanh thu và thách thức về tuân thủ.

Nhìn вперед, bạn có thấy AI đóng vai trò trong việc tối ưu hóa động các mô hình giá theo thời gian thực, và điều gì cần phải được triển khai để nó hoạt động đáng tin cậy ở quy mô lớn?

Tôi chắc chắn rất hào hứng về tiềm năng của AI trong tối ưu hóa giá. Nhưng tôi ít bị thuyết phục về khía cạnh thời gian thực, ít nhất là đối với các doanh nghiệp phần mềm như dịch vụ hoặc giải pháp như dịch vụ. Nếu bạn bán phòng khách sạn hoặc vé máy bay, giá động hoạt động vì đó là một giao dịch một lần. Nhưng các nhà cung cấp phần mềm doanh nghiệp muốn có mối quan hệ khách hàng lâu dài, và khách hàng không muốn giá thay đổi không thể đoán trước ngày qua ngày. Vì vậy, tối ưu hóa giá sẽ tập trung vào việc tạo ra giá tùy chỉnh cho các thỏa thuận dài hạn – giá được thiết kế để mang lại kết quả tốt nhất cho cả nhà cung cấp và khách hàng trong các mối quan hệ nhiều năm.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập m3ter.