CNET科技资讯网 12月2日 北京消息:途牛旅游网近日公布了截至2016年9月30日未经审计的第三季度业绩报告。报告显示,2016年第三季度旅游产品总交易额(包括跟团游、自助游和旅游相关的单项产品)为71亿元人民币(合11亿美元),同比增长56.0%。
途牛旅游网联合创始人、董事长兼首席执行官于敦德表示:“这个季度我们旅游产品总交易额和净收入分别增长了56.0%和35.7%,本季度老客对交易额的贡献达到了45.7%。”
途牛旅游网联合创始人、总裁兼首席运营官严海锋表示:“第三季度,我们的交通和住宿产品的交易额均取得了快速增长。我们将继续拓展机酒资源。”
途牛旅游网首席财务官杨嘉宏表示:“三季度开始,我们调整了市场费用的投放,将重点放在回报率更高的渠道上。因此,三季度我们的市场营销费用出现了环比下降。我们将加强内部营运效率,运用现有的品牌资产拓展旅游及其相关产品业务,提升毛利率和公司的盈利能力。”
2016年第三季度财报要点
• 2016年第三季度旅游产品总交易额(包括跟团游、自助游和旅游相关的单项产品)为71亿元人民币(合11亿美元),同比增长56.0%。
• 2016年第三季度跟团游和自助游的交易额为53亿元人民币(合7.988亿美元),同比增长34.8%。
• 2016年第三季度净收入为40亿元人民币(合6.07亿美元),同比增长35.7% 。
• 2016年第三季度跟团游(不包括跟团周边游)出游人次同比增长67.5%,自助游出游人次同比增长46.0%。
2016年第三季度业绩
2016年第三季度净收入为40亿元人民币(合6.07亿美元),较2015年同期增长35.7%。2016年第三季度跟团游和自助游总出游人次为2,444,638,较2015年第三季的1,668,325人次增长46.5%。
• 2016年第三季度,跟团游收入(绝大部分以全额确认)为39亿元人民币(合5.774亿美元),较2015年同期增长33.4%。这一增长主要源于日韩、中东、非洲和北美等出境目的地旅游收入的增长。2016年第三季度,跟团游(不包括跟团周边游)的出游人次为1,064,316,较2015年第三季度的635,555人次增长67.5%。跟团周边游的出游人次为840,450,较2015年第三季度的663,051人次增长26.8%。
• 2016年第三季度,自助游的收入(以净额确认)为6740万元人民币(合1010万美元),较2015年同期增长0.6%。这一增长主要来源于日韩、北美、东南亚和国内等目的地旅游收入的增长。2016年第三季度,自助游出游人次为539,872,较2015年第三季的369,719人次增长46.0%。
• 2016年第三季度,其他收入为1.3亿元人民币(合1950万美元),较2015年同期增长191.6%。这一增长主要来源于保险服务费收入、金融收入以及单项旅游产品(如交通和住宿等)佣金收入的增长。
2016年第三季度,营业成本为38亿元人民币(合5.717亿美元),较2015年同期增长35.4%。2016年第三季度,营业成本占净收入的94.2%,2015年同期为94.4%。
2016年第三季度,毛利率为5.8%,2015年第三季度为5.6%。毛利率的上升主要是由于产品品类扩张带来其他收入的增长以及供应链管理的优化。
截至2016年9月30日,公司持有的现金及现金等价物、限定用途现金和短期投资合计为55亿元人民币(合8.262亿美元)。
业绩展望
途牛旅游网预计,2016年第四季度,净收入为20.847亿至21.795亿元人民币,同比增长10%至15%;毛利为1.474亿至1.553亿元人民币,同比增长85%至95%。这一预期反映了在行业和公司运营基础上途牛旅游网当前的初步看法,未来有可能调整。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。