北京时间5月14日上午消息,窝窝(Nasdaq:WOWO)今天发布了2014年第四季度及全年财务数据。
2014年第四季度财务亮点
- 2014年第四季度净营收总额为940万美元,相比去年同期的860万美元上涨9.4%。其中,2014年第四季度来自平台使用费的净营收比去年同期的320万美元上涨 46.4%,达480万美元。来自平台使用费的净营收占净营收总额的比例从2013年同期的37.6%上涨到2014年第四季度的50.4%。
窝窝发布2014年第四季度及全年财报 毛利率自去年同期的78.6%上涨至83.9%。
- 2014年第四季度,调整后运营费用(注释1)比去年同期的1,760万美元下降13.7%,为1,520万美元。
- 2014年第四季度,调整后归属公司净亏损(注释1)为730万美元,去年同期为1,080万美元。
- 2014年第四季度商户总数相比去年同期的76,910家增长53.2%,达117,889家。
- 截至2014年12月31日,注册用户总数增长33.8% 达3,600万,去年同期为2,690万。
窝窝董事长兼CEO徐茂栋表示:“我们很高兴第四季度收入实现较快增长。公司平台级产品在第三季度进行了重大升级,帮助商户一站式搭建并管理网上店铺,得到了市场和商户的广泛认可。因此,第四季度商户以及付费商户基数实现较快增长,大力推动了业绩增长。2015年4月,窝窝成功登陆纳斯达克,成为中国第一家专注本地生活服务电商的美国上市公司。我们相信成功上市能够提升窝窝的品牌形象,有助于我们进一步拓展商户和用户数量、吸引优秀人才加入公司、以及增强合作伙伴包括潜在伙伴对公司的信心。”
“展望未来,我们有信心公司平台的不断升级以及更多增值服务的推出将满足更多商户的个性化需求,推动公司2015年全年的收入增长。2015年我们将继续专注于扩大商户基数、优化产品体系、提升用户体验、提高货币化潜力。2015年公司将采取一系列举措,比如我们即将升级推出一项功能升级,支持商家基于智能手机在窝窝平台在线自助开店并运营。我们相信类似这样的业务举措能够促进窝窝平台商户基数增长,提高商户付费转化率。我们很高兴能够不断满足众多本地商户的个性化需求,也为我们的未来成长奠定基础。”
2014年第四季度及全年财务报告
净营收
2014年第四季度净营收总额达940万美元,相比上季度的840万美元上涨11.9%,比去年同期的860万美元上涨9.4%,净营收的增长主要是来自平台使用费增长的驱动。来自平台使用费的净营收占净营收总额的比例从2013年同期的37.6%上涨到2014年第四季度的50.4%。我们很高兴看到平台使用费的增长,平台使用费是公司更稳健、更加可持续的收入来源。
- 来自平台使用费的净营收相比去年同期的320万美元上涨 46.4%,达480万美元。平台使用费收入的上涨主要原因是公司第三季度推出的升级产品在第四季度受到商户的广泛认可,付费商户大幅增加。
- 来自佣金的净营收相比去年同期的540万美元下降12.9%,为470万美元。收入下降主要是由于公司主动降低了佣金比例以吸引更多商户入驻窝窝平台。2014年第四季度,窝窝同时在线商户总数从去年同期的76,910家,增长到117,889家。另外,为了更好的提升用户体验,公司支持用户到店支付,这部分线下支付并未计入公司的销售额,因此也未对净营收产生贡献。
2014年全年,净营收总额同比下降17.0% 至3,010万美元,相比去年同期为3,630万美元。来自平台使用费的净营收相比去年同期的1,000万美元上涨20.9%,达到1,210万美元。
2014年第四季度毛利润为790万美元,相比去年同期的680万美元上涨16.8%。2014年全年毛利润为2,300万美元,相比去年同期的2,970万美元下降22.4%。2014年第四季度,毛利率自去年同期的78.6%上涨至83.9%。2014年全年毛利率自去年同期的81.8%下降至76.6%。
2014年第四季度运营费用总额相比去年同期的1,780万美元下降12.5% ,为1,560万美元。调整后运营费用相比去年同期的1,760万美元下降13.7%,为1,520万美元。尽管第四季度收入有较快的增长,公司运营费用依然下降,反映了公司有能力实现规模经济,在实现收入较快增长的情况下依然有能力控制费用的增加。
- 2014年第四季度的营销费用相比去年同期的230万美元下降7.4%,至220万美元。营销费用下降的原因主要由于公司更注重结果导向,降低了在一些低性价比在线广告渠道的投入。调整后的营销费用为220万美金,相比去年同期的230万美金下降了7.8%。
- 2014年第四季度销售及一般行政费用比去年同期的1,350万美元下降0.2%,至1,340万美元。调整后的销售及一般行政费用比去年同期的1,320万美元下降1.5%,至1,300万美元。
销售及一般行政费用的下降主要是由于2014年第四季度预付给商户的坏账计提同比减少。
2014年全年运营费用总额为6,670万美元,比去年同期上涨8.0%,主要由于营销、销售及一般行政费用相关的期权费用的增加,同期无形资产减值的减少对运营费用总额有一定冲销作用。2014年全年调整后运营费用总额为6,090万美元,相比去年同期的6,080万美元小幅上升0.2%。
2014年第四季度运营净亏损为770万美元,相比去年同期的1,110万美元下降30.4%。调整后运营净亏损为730万美元,相比去年同期的1,080 万美元下降32.8%。2014年全年运营净亏损为4,370万美元,去年同期为3,210万美元。调整后运营净亏损为3,790万美元,去年同期为3,120万美元。
2014年第四季度归属公司净亏损为770万美元,去年同期为1,110万美金。2014年第四季度调整后归属公司净亏损为730万美元,去年同期为1,080万美金。2014年第四季度每股稀释后美国存托凭证(ADS)净亏损为0.55美金,去年同期为0.74美金。
2014年全年归属公司净亏损为4,390万美元,而调整后归属公司净亏损为3,810万美元。
截至2014年第四季度及全年,公司用以计算每ADS亏损的加权平均ADS总数均为16,882,591。
近期重大事项
- 公司于2015年4月8日成功登陆纳斯达克全球市场,首次公开发行了4,000,000股美国存托股票(每股美国存托股票代表18股普通股),券商通过行使绿鞋期权超额认购22股美国存托股票。去除券商的佣金以及其他IPO专业服务费用,归属于公司的净融资额为3,730万美元。
- 2014年第四季度到2015年第一季度,公司接入了多家垂直行业的服务供应商到窝窝的平台,持续为更多商家提供更多服务功能。与我们合作的第三方服务供应商包括中国领先的在线旅游服务商携程网、领先的在线影院票务服务商格瓦拉、以及领先的剧院网络公司时光网。这些新商家的加入使得窝窝能够为客户提供更多的服务,丰富顾客体验,同时也为更多商户提供了更多的销售机会。
- 公司近期正在推出更多的增值服务,包括新的技术升级,可以支持商家基于智能手机在窝窝平台在线自助开店并运营。
2015年第一季度财务展望
第一季度是中国春节,也是电子商务行业的传统淡季。我们预计2015年第一季度的净营收为650万-680万美金,同比2014年第一季度预计有18%-23%的增长。2015年第一季度的数字仅反映公司初步的审阅数字,有可能会有进一步调整。
电话会议
公司将于美国东部时间2015年5月14日周四上午8:30,即北京时间同日晚上8:30召开电话会议,讨论2014年第四季度及全年的业绩,并回答投资者提问。听众可以通过拨打以下电话参与会议:
美国: 1-855-298-3404
中国: 400-120-0539
香港: 800-905-927
密码: 3605861
本次电话会议的重播将在会议结束后一小时后开启,直至2015年5月20日,拨入方式如下:
美国: 1-866-846-0868
中国: 400-184-2240
香港: 800-966-697
密码: 3605861
公司的投资者关系网站http://ir.55.com/也将进行本次电话会议的直播和网络直播。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。