今天凌晨消息,原定于4月2日22点在美国纳斯达克上市的窝窝团IPO延期(交易代码为“WOWO”,承销商为Axiom)。窝窝团官方声明称,将挂牌时间推迟到4月7日之后。
窝窝团执行副总裁吴建光表示:“目前仍有一些技术问题需要解决,恰逢最近的小长假之际(美国复活节和中国的清明节)投资人和整体市场心态尚不稳定,因此最晚上市时间推迟至4月15日。”
今年1月9日窝窝团在美国提交招股书,并开始尝试二次上市,在2月13日和2月20日同股东签署了两份决议,其中包括4项限定条款并且同时满足才能上市,分别是扣除承销商佣金等各种费用后的净收入不低于4000万美元,而收入中的至少70%必须来自新投资者,这意味着必须要足够多的资者愿意买窝窝团此次发行的IPO股票。
上市前的基于发行价计算的市值(不包括与本次发行相关或者由此带来的购股权股票数)不得低于2.53亿美元,即最低发行价不能少于每股美国存托股9.8美元)。
窝窝团公开数据显示,该公司2014年前9个月净营收为2060万美元,而2013年同期为2760万美元;净亏损为3240万美元,相比之下2013年同期净亏损为2110万美元。
根据易观智库发布的《中国团购市场季度监测报告2014年第3季度》数据显示,2014年第三季度,美团、大众点评、百度糯米分别以55%、22%、13%的市场份额成为中国团购市场的前三甲,其他团购网站共同分割10%的市场份额。
电商分析师鲁振旺曾表示:“团购这一领域,窝窝团面临的机会有限。美团、大众点评、百度糯米已成为行业巨头,占据了近90%的市场份额。糯米与淘点点都有百度与阿里的投资做后盾,因此拉手网、窝窝团等平台要抢占剩下的市场份额变得很困难。”
窝窝团成立于2010年3月。2011年5月,该网站曾经高调对外宣布启动赴美IPO,成为首家在美国启动IPO的中国团购网站,当时获得包括鼎晖、天佑、清科等多家机构的融资,其中“团购业内单笔最大融资额为2亿美元”。然而伴随其竞争对手拉手网的上市梦破灭,以及2011年下半年资本市场的转冷,窝窝团的赴美IPO计划遭到了搁置。
各位朋友:
承蒙大家关注,窝窝在2015年3月31日正式获得了SEC的IPO生效批准。通常而言,SEC生效批准后,公司可以两周内在股票交易所挂牌。
基于此,窝窝与纳斯达克确认,计划北京时间4月2日晚上挂牌上市,但由于券商流程原因,导致挂牌交易时间整体延后,交易时间缩短。而又因恰逢美国复活节 小长假及中国的清明节假期,为了充分保证投资人利益,我们最终决定,将挂牌时间推迟到4月7日之后。这是我们在与各方不断反复沟通、充分论证后,做出的艰 难而又负责任的决定!
对因此而给各位媒体朋友、合作伙伴,及窝窝小伙伴们带来的困扰,我们感到十分抱歉,同时恳请大家的继续理解、关注和支持。
五年征途历历,从千团大战到几强僵持,自行业巅峰到蛰伏求变,窝窝深谙:企业的发展与个人成长一样,都得经历重重考验。而自这重重考验中挺立而今,我们同时更加坚信,踏实坚持与创新求变对窝窝持续发展的意义所在——它也将支撑我们走得更远。
上市是窝窝征途上,重要的,和其中一个节点。好事多磨,风雨之后见彩虹!同时,更期待各位朋友关注窝窝的继续前行、生长和蜕变!
再次感谢大家的理解和支持!
窝窝
2015年4月3日
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。