北京时间5月19日早间消息,陌陌(Nasdaq:MOMO)今天公布了2015财年第一季度财报。报告显示,陌陌第一季度总净营收为2630万美元,与去年同期的540万美元相比大幅增长383%,超出公司此前预期的2400万美元到2600万美元;净利润为670万美元,相比之下去年同期的净亏损为120万美元。
财报发布后,陌陌公司联合创始人、董事长、CEO唐岩,CFO张晓松出席了分析师电话会议,解读财报并接受分析师的提问。
以下是分析是问答环节主要内容:
摩根大通分析师阿莱克斯·姚(Alex Yao):刚才公司花了很大篇幅来介绍陌陌6.0的功能,其符合对公司的规划和预期。请问6.0上线之后帮助用户找到其他用户的路径和交互的方式,那么对于这个新版本对公司已有用户的活跃度有帮助吗?还是拓展了陌陌平台此前未覆盖用户的渗透率?另外,对于已有的用户有没有负面影响?
唐岩:6.0是陌陌的新版本,对于既有用户的影响而言,公司在新版本上线之初是存在一些疑虑的,经过三个星期的观察,既有用户的表现还是比较稳定的。
具体来说,总消息量在改版之前和之后基本持平;总刷新量与原有版本也是持平的,其中没有包括新增聊天室功能中的新增的刷新量,所以经过改版,总刷新量增长不少;新版本上线后,公司收到的举报量有显著的下降,这反映新版本对交互和社交环境方面积极的影响;从数据上来看,既有用户的社交效率有显著的提升,每天新增用户关系的数量有明显的提升,现有版本中,绝大部分的用户仍然是既有用户;改版之后,每天新增用户数量是有提升的,新用户在聊天室和主页面里面产生关系的时间和效率也得到明显的提升;新版本发布时间不长,是否对新用户的增加有助推作用还需要时间,以及通过增强新版本的品牌宣传才能证明。
阿莱克斯·姚(Alex Yao):公司提到每个季度的花费可能有波动,然后去年的利润率也有波动,那么公司如何预测未来几个季度或者今年全年的利润率趋势?
张晓松:公司一季度不按美国通用会计准则计算(non-GAAP)净利润率为36%左右,表现非常强劲,但是公司通常在二季度开展市场营销活动,尤其是本季对6.0新版本进行了大力的推广,公司其他方面费用增长相对比较温和,预计二季度的利润率会低一些。三季度,公司将发布视频方面的产品,因此推广费用也会比较高,会对利润率有影响。总的来讲,二季度和三季度公司在营销费用方面的支出会比较高。
华兴资本分析师范育恒(Yu-Heng Fan):可否介绍一下公司O2O本地生活和视频方面商业化的计划?
唐岩:公司在IPO的时候介绍过视频直播业务的计划,目前都在预定的进展中,会在下半年的早些时候在平台上推出。公司在O2O业务方面,也与潜在的合作伙伴进行了联系,推出的时间可能与公司某些产品版本推出的时间相结合,可能会和阿里巴巴,58同城的相关业务进行合作,也可能和潜在的相关品类的O2O服务进行合作,发布时间可能也会在下半年的早些时候。
范育恒(Yu-Heng Fan):公司新增的聊天室功能目前有多少话题?每天的页面浏览量是多少?用户通过聊天室增加新关系的转化率如何?
唐岩:聊天室的页面浏览量非常高,而且每天既有用户的覆盖率还是很高的,具体话题数量没有统计,因为话题的存在时间比较短,但对于促进点对点的好友关系数量,以及转化到群组中去并保留下来的作用还是比较明显的。目前新版本上线只有三周时间,所以一些精细化的数据可能过一段时间提供更为合适。
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。