
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。