北京时间2月12日消息,美国团购巨头Groupon今天发布了2015财年第四季度及全年财报。报告显示,Groupon第四季度营收为9.172亿美元,比去年同期的8.832亿美元增长4%,不计入汇率变动的影响为同比增长9%;归属于普通股股东的净亏损为4650万美元,相比之下去年同期归属于普通股股东的净利润为880万美元。Groupon第四季度业绩超出华尔街分析师预期,推动其盘后股价大幅上涨逾16%。
在截至12月31日的这一财季,Groupon净亏损为4650万美元,每股亏损8美分,这一业绩不及去年同期。2014财年第四季度,Groupon净利润为880万美元,每股收益为1美分。不按照美国通用会计准则,Groupon第四季度调整后净利润为2330万美元,调整后每股收益为4美分,这一业绩超出分析师此前预期。财经信息供应商FactSet调查显示,分析师平均预期Groupon第四季度调整后每股收益为零。
Groupon第四季度营收为9.172亿美元,比去年同期的8.832亿美元增长4%,不计入汇率变动所带来负面影响为同比增长4%,这一业绩也超出分析师此前预期。FactSet调查显示,分析师平均预期Groupon第四季度营收为8.46亿美元。Groupon第四季度来自于第三方及其他业务的营收为3.45亿美元,低于去年同期的3.68亿美元;直接营收为5.72亿美元,高于去年同期的5.15亿美元。
按地区划分,Groupon第四季度来自于北美市场的营收为6.23亿美元,高于去年同期的5.51亿美元;来自于EMEA(欧洲、中东和非洲)地区的营收为2.48亿美元,低于去年同期的2.72亿美元;来自于世界其他地区的营收为4620万美元,低于去年同期的5980万美元。
Groupon第四季度毛帐单收入(Gross billings,反映客户购买商品和服务的总美元价值)为17.1亿美元,比去年同期的17.2亿美元下滑1%,不计入汇率变动所带来的负面影响为同比增长4%。按地区划分(不计入汇率变动的影响),Groupon第四季度来自于北美市场的毛账单收入同比增长11%,来自于EMEA(欧洲、中东和非洲地区)的毛账单收入同比下滑2%,来自于世界其他地区的毛账单收入同比下滑7%。
Groupon第四季度毛利润为3.717亿美元,比去年同期的3.781亿美元下滑2%,不计入汇率变动所带来的负面影响为同比增长4%。Groupon第四季度调整后EBITDA(即未计入利息、税项、折旧及摊销的盈利)为6700万美元,低于去年同期的9290万美元。
在截至12月31日的12个月时间里,Groupon的运营现金流为2.921亿美元。不按照美国通用会计准则,Groupon第四季度自由现金流为2.335亿美元;在截至12月31日的12个月时间里,Groupon的自由现金流为2.081亿美元。截至第四季度末,Groupon所持有的现金和现金
等价物总额为8.534亿美元。Groupon在第四季度中回购了35326954股A类普通股,总回购价格为1.125亿美元,未来仍可在2017年8月以前回购价值最多为1.568亿美元的A类普通股。
在整个2015财年,Groupon的全球毛账单收入为63亿美元,与2014财年的62亿美元相比基本持平,不计入汇率变动的影响为同比增长8%。不计入汇率变动的影响,北美地区的毛账单收入同比增长12%,EMEA地区同比增长3%,世界其他地区同比基本持平。
Groupon全年营收为31亿美元,比2014财年的30亿美元增长3%,不计入汇率变动所带来的负面影响为同比增长9%。不计入汇率变动的影响,北美地区营收同比增长12%,EMEA地区同比增长7%,世界其他地区同比下滑6%。Groupon全年毛利润为14亿美元,比2014财年的15亿美元下滑5%,不计入汇率变动所带来的负面影响为同比增长2%。Groupon全年调整后EBITDA为2.568亿美元,2014财年为2.623亿美元。
在整个2015财年,归属于Groupon股东的净利润为2070万美元,每股收益为0.03美元;不计入某些一次性项目(不按照美国通用会计准则),Groupon全年调整后净利润为9100万美元,调整后每股收益为0.14美元。
Groupon继续预计2016财年营收为27.5亿美元到30.5亿美元,同时将调整后EBITDA预期上调至8000万美元到1.3亿美元。FactSet调查显示,分析师平均预期Groupon 2016财年营收为29.7亿美元。
当日,Groupon股价在纳斯达克常规交易中下跌0.01美元,报收于2.24美元,跌幅为0.44%。在随后截至美国东部时间17:10(北京时间12日6:10日)为止的盘后交易中,Groupon股价上涨0.37美元,至2.61美元,涨幅为16.52%。过去52周,Groupon的最高价为8.37美元,最低价为2.15美元。
好文章,需要你的鼓励
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。
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。
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。
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。