京东集团(NASDAQ:JD)今日发布了其截至2015年3月31日的2015财年第一季度业绩。财报显示,京东一季度净收入为366亿元人民币(约59亿美元),同比增长62%;相较于去年同季度净亏损37.95亿元,一季度净亏损收窄至7.102亿元人民币(约1.146亿美元)。
财报显示,2015年第一季度,京东交易总额(GMV)达到878 亿元人民币(约142 亿美元),同比增长99%。净收入为366亿元人民币(约59亿美元),同比增长62%。
2015年第一季度净亏损为7.102亿元人民币(约1.146亿美元),净利润率为-1.9%。2015年第一季度非美国通用会计准则下(Non-GAAP)净亏损为2.056亿元人民币(约3,320万美元),净利润率为-0.6%。
年度活跃用户数由截止2014 年3月31日的12个月期间的5,550 万增长至截止2015 年3 月31 日的12 个月期间的1.052 亿,同比增长90%。
2015年第一季度完成订单量为2.272亿,与2014 年第一季度1.293亿相比,同比增长76%。2015 年第一季度通过移动端渠道完成订单量约占总完成订单量的42%,同比增长329%。
京东创始人兼首席执行官刘强东表示,在 2015年第一季度,京东的交易额和收入增长仍然强劲。在第一季度京东继续优化用户体验,不断扩展新业务,在O2O和互联网金融等领域推出了一系列新的服务。
京东首席财务官黄宣德表示,中国电商市场在未来几年仍会有快速的发展。近期的业务重点将继续集中于扩大公司规模,增加市场份额。基于此,京东将对包括用户体验,物流能力,品牌认知度以及潜力巨大的新业务在内的多个领域持续进行投入。
2015年第一季度财务业绩:
净收入与交易总额
2015年第一季度交易总额为878亿元人民币(约142亿美元),同比增长99%。2015年第一季度线上自营与第三方平台交易总额分别为509亿元人民币与369亿元人民币,比2014年第一季度分别增长了63%和185%。2015年第一季度电子与家电产品的交易总额为444亿元人民币,较2014年第一季度增长65%,同时日用商品及其他品类商品的交易总额为434亿元人民币,较2014年第一季度增长152%。与2014年第一季度的39.1%相比,2015年第一季度日用商品及其他品类商品交易总额占总交易额比例上升至49.4%。
2015年第一季度京东净收入为366亿元人民币(约59亿美元),同比增长62%。本季度净收入与交易总额的增长主要得益于京东活跃用户数及完成订单量的增长。京东2015年第一季度线上自营业务的净收入同比增长59%,来自于服务项目与其他项目的净收入同比增长139%,增长动力主要来自快速扩张的京东商城第三方开放平台业务与广告业务所产生的收入。
净亏损/和非美国通用会计准则下(Non-GAAP)净亏损
相比去年同季度38亿元人民币的净亏损,2015年第一季度公司净亏损为7.102亿元人民币(约1.146亿美元)。此变化主要由于股权激励费用的下降,而来自与腾讯战略合作及收购腾讯部分资产与业务产生的相关无形资产摊销费用则有所上升。非美国通用会计准则下(Non-GAAP)2015年第一季度净亏损为2.056亿元人民币(约3,320万美元),去年第一季度净亏损为8,010万元人民币。非美国通用会计准则下(Non-GAAP),2014年第一季度的净利润率为-0.4%,2015年第一季度的净利润率为-0.6%。
·每股美国存托凭证净亏损/非美国通用会计准则下(Non-GAAP)每股美国存托凭证净亏损
2015年第一季度每股美国存托凭证净亏损为0.52元人民币(约0.08美元),2014年第一季度每股美国存托凭证净亏损为5.80元人民币。非美国通用会计准则下(Non-GAAP),2014年第一季度每股美国存托凭证净亏损为0.09元人民币,2015年第一季度每股美国存托凭证净亏损为0.15元人民币(约0.02美元)。
2015年第二季度业绩预期:
京东预计2015年第二季度净收入介于435亿元人民币至445亿元人民币之间,同比增长约为52%至56%之间。此预期体现了京东当前的初步预期,可能会发生改变。
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。