微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 电商解决方案提供商宝尊今晚纳斯达克IPO

电商解决方案提供商宝尊今晚纳斯达克IPO

2015-05-21 12:39
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-05-21 12:39 TechWeb

电商解决方案提供商宝尊今晚纳斯达克IPO

电商解决方案提供商宝尊今晚纳斯达克IPO

5月21日消息,总部位于上海的中国电商IT解决方案提供商宝尊宝尊(Baozun Inc)预计将于今晚在美国纳斯达克交易所挂牌上市。

不出意外,宝尊将于今天晚些时候公布发行价。

宝尊计划以每股美国存托股(ADS)12美元至14美元的发行价区间,发行1100万股ADS,最高融资额为1.771亿美元,股票代码为“BZUN”,承销商为摩根士丹利、瑞信、美林证券。

宝尊自称中国最大的电商解决方案提供商,招股书援引艾瑞数据称,宝尊以交易额价值计算的中国区市场份额为20%,具体业务包括向品牌电商提供IT解决方案、运营服务支持以及直接帮助电商向消费者销售商品两种模式的服务。

在融资额和发行价方面,根据宝尊5月8日更新招股书,该公司计划以每股美国存托股(ADS)12美元至14美元的发行价区间,发行1100万股ADS,授予承销商最高1,650,000股ADS超额配售权,即最高融资总额为1.771亿美元。

在市值方面,倘若承销商不行使超额配售权,即最终发行1100万股ADS(3300万股普通股),宝尊在IPO后在外发行普通股总量为145,825,312股普通股,以发行价区间上限的每股ADS 14美元计算,宝尊IPO后市值约为6.8亿美元。

在过往交易额方面,宝尊电商2012年、2013年和2014年商品交易总额分别为14.604亿元、26.208亿元和42.489亿元。在营收方面,宝尊2012年、2013年和2014年营收分别为9.545亿元、15.218亿元和15.844亿元。

在过往盈利情况方面,美国通用会计准则下,宝尊2012年、2013年和2014年净亏损分别为4720万元、3780万元和5980万元,不按照美国通用会计准则,宝尊2012年、2013年的净亏损分别为4720万元、2626万元,在2014年则实现净利润2514万元。

扣除归属于优先股的分红以及可转换优先股赎回价值变更等影响后,美国通用会计准则下,宝尊2012年、2013年和2014年归属于普通股东的净亏损为6814万元、9920万元、1.55亿元。

在近期业绩方面,宝尊电商2015年第一季营收4.77亿元,同比增77.9%;第一季净利润为198万元,同比下降12.5%,不按照美国通用会计准则,第一季度净利润764万元,去年同期净利润335万元。

扣除归属于优先股的分红以及可转换优先股赎回价值变更等影响后,美国通用会计准则下第一季度净亏损2335万元,去年同期净亏损1531万元。

在公司股权结构方面,宝尊CEO Vincent Wenbin Qiu在IPO前持股10.1%,IPO后持股7.9%,投票权36%,是实际控制人。

阿里巴巴和软银是宝尊的两大外部股东,其中阿里在IPO前持股23.5%,IPO后持股18.2%,投票权10.0%;软银在IPO前持有17.8%股权,在IPO后持有13.5%股权以及7.5%投票权。

除了资本方面的合作,宝尊和阿里还存在业务方面的合作。

宝尊因为在天猫开设的官方旗舰店,在2012年、2013年、2014年以及2015年第一季度向阿里巴巴支付了2960万元、5590万元、7180万元、1910万元服务费。

阿里巴巴在天猫开展促销活动期间,宝尊因为提供推广服务在2012年和2013年从阿里处获得3760万元和1270万元的收入。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-