北京时间5月13日早间消息,人人公司(NYSE:RENN)今日公布了截至3月31日的2015财年第一季度财务报告。报告显示,人人公司第一季度总净营收为1370万美元,比去年同期下滑41.1%;归属于人人公司的净亏损为2760万美元,相比之下去年同期归属于人人公司的净利润为3230万美元。
主要业绩:
-人人公司第一季度总净营收为1370万美元,比去年同期下滑41.1%;
-人人公司第一季度净营收为820万美元,比去年同期下滑22.9%;
-人人公司第一季度游戏净营收为550万美元,比去年同期下滑56.5%;
-人人公司第一季度毛利润为320万美元,比去年同期下滑72.9%;
-人人公司第一季度运营亏损为2650万美元,去年同期运营亏损为2390万美元;
-第一季度归属于人人公司的净亏损为2760万美元,相比之下去年同期归属于人人公司的净利润为3230万美元;
-人人公司第一季度调整后净亏损(不按照美国通用会计准则)为2140万美元,去年同期调整后净利润为3610万美元。
财务分析:
人人公司第一季度总净营收为1370万美元,比去年同期下滑41.1%。
人人公司第一季度净营收为820万美元,比去年同期下滑22.9%。在人人公司的第一季度净营收中,在线广告营收为230万美元,比去年同期下滑62.9%,主要由于竞争压力加大,以及流量继续从PC平台向移动平台过渡。人人公司第一季度互联网增值服务(IVAS)营收为
590万美元,比去年同期增长35.0%,主要由于来自社交视频平台我秀的营收增长。2015年3月,月度独立登录用户人数约为4600万人,少于2014年3月的约5100万人。
人人公司第一季度游戏净营收为550万美元,比去年同期下滑56.5%。人人公司游戏净营收的下滑,主要由于此前发布的游戏达到了成熟阶段。
人人公司第一季度营收成本为1050万美元,比去年同期下滑8.9%。
人人公司第一季度运营支出为2970万美元,比去年同期下滑16.6%。
人人公司第一季度销售和营销支出为790万美元,比去年同期下滑18.8%。人人公司销售和营销支出的下滑,主要由于在线游戏和人人品牌宣传活动相关的广告和促销支出减少。
人人公司第一季度研发支出为890万美元,比去年同期下滑40.6%。人人公司研发支出的减少,主要由于员工人数的减少以及人员相关支出的减少。
人人公司第一季度总务和行政支出为1290万美元,比去年同期增长19.3%。人人公司总务和行政支出的增长,主要由于股权奖励支出增长。
人人公司第一季度股权奖励支出为620万美元,高于去年同期的340万美元。人人公司的股权奖励支出全部都包括在运营支出中。
人人公司第一季度运营亏损为2650万美元,去年同期运营亏损为2390万美元。
人人公司第一季度已实现短期投资收益为110万美元,相比之下去年同期为2710万美元。人人公司第一季度的这项收入主要来自于衍生金融工具按市值计价的价值变动。
第一季度归属于人人公司的净亏损为2760万美元,相比之下去年同期归属于人人公司的净利润为3230万美元。人人公司在2014年第一季度业绩中计入了5710万美元的处置权益法投资收入。
人人公司第一季度调整后净亏损(不按照美国通用会计准则)为2140万美元,去年同期调整后净利润为3610万美元。
截至2015年5月12日,人人公司根据当前的股票回购计划回购了约1590万股美国存托凭证,回购总对价约为4900万美元。当前的股票回购计划将于2015年6月27日到期。
业绩展望
人人公司预计2015第二季度营收将在1500万美元至1700万美元之间,较去年同期下滑25.8%至34.5%。这一预期反映了人人公司的当前和初步观点,不排除调整变化的可能。
电话会议信息
财报发布后,人人公司管理层将于美国东部时间2015年5月12日晚上9:00(北京时间5月13日早9点)召开分析师电话会议,解读财报要点,回答分析师提问。
电话会议收听号码如下:
美国:+1 845-675-0437;
香港:+852-3018-6771;
中国:+86 800-819-0121;
国际:+ 65-6723-9381
密码为Renren。
电话会议结束后,用户可在约一周后收听录音,号码如下:
国际:+ 61 2-8199-0299
密码为41604347
用户也可访问人人公司投资者关系网站http://ir.renren-inc.com,收听电话会议在线直播。
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。