
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
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。