北京時間5月19日早間消息,陌陌(Nasdaq:MOMO)今天公布了2015財年第一季度財報。報告顯示,陌陌第一季度總凈營收為2630萬美元,與去年同期的540萬美元相比大幅增長383%,超出公司此前預(yù)期的2400萬美元到2600萬美元;凈利潤為670萬美元,相比之下去年同期的凈虧損為120萬美元。
財報發(fā)布后,陌陌公司聯(lián)合創(chuàng)始人、董事長、CEO唐巖,CFO張曉松出席了分析師電話會議,解讀財報并接受分析師的提問。
以下是分析是問答環(huán)節(jié)主要內(nèi)容:
摩根大通分析師阿萊克斯·姚(Alex Yao):剛才公司花了很大篇幅來介紹陌陌6.0的功能,其符合對公司的規(guī)劃和預(yù)期。請問6.0上線之后幫助用戶找到其他用戶的路徑和交互的方式,那么對于這個新版本對公司已有用戶的活躍度有幫助嗎?還是拓展了陌陌平臺此前未覆蓋用戶的滲透率?另外,對于已有的用戶有沒有負(fù)面影響?
唐巖:6.0是陌陌的新版本,對于既有用戶的影響而言,公司在新版本上線之初是存在一些疑慮的,經(jīng)過三個星期的觀察,既有用戶的表現(xiàn)還是比較穩(wěn)定的。
具體來說,總消息量在改版之前和之后基本持平;總刷新量與原有版本也是持平的,其中沒有包括新增聊天室功能中的新增的刷新量,所以經(jīng)過改版,總刷新量增長不少;新版本上線后,公司收到的舉報量有顯著的下降,這反映新版本對交互和社交環(huán)境方面積極的影響;從數(shù)據(jù)上來看,既有用戶的社交效率有顯著的提升,每天新增用戶關(guān)系的數(shù)量有明顯的提升,現(xiàn)有版本中,絕大部分的用戶仍然是既有用戶;改版之后,每天新增用戶數(shù)量是有提升的,新用戶在聊天室和主頁面里面產(chǎn)生關(guān)系的時間和效率也得到明顯的提升;新版本發(fā)布時間不長,是否對新用戶的增加有助推作用還需要時間,以及通過增強新版本的品牌宣傳才能證明。
阿萊克斯·姚(Alex Yao):公司提到每個季度的花費可能有波動,然后去年的利潤率也有波動,那么公司如何預(yù)測未來幾個季度或者今年全年的利潤率趨勢?
張曉松:公司一季度不按美國通用會計準(zhǔn)則計算(non-GAAP)凈利潤率為36%左右,表現(xiàn)非常強勁,但是公司通常在二季度開展市場營銷活動,尤其是本季對6.0新版本進行了大力的推廣,公司其他方面費用增長相對比較溫和,預(yù)計二季度的利潤率會低一些。三季度,公司將發(fā)布視頻方面的產(chǎn)品,因此推廣費用也會比較高,會對利潤率有影響??偟膩碇v,二季度和三季度公司在營銷費用方面的支出會比較高。
華興資本分析師范育恒(Yu-Heng Fan):可否介紹一下公司O2O本地生活和視頻方面商業(yè)化的計劃?
唐巖:公司在IPO的時候介紹過視頻直播業(yè)務(wù)的計劃,目前都在預(yù)定的進展中,會在下半年的早些時候在平臺上推出。公司在O2O業(yè)務(wù)方面,也與潛在的合作伙伴進行了聯(lián)系,推出的時間可能與公司某些產(chǎn)品版本推出的時間相結(jié)合,可能會和阿里巴巴,58同城的相關(guān)業(yè)務(wù)進行合作,也可能和潛在的相關(guān)品類的O2O服務(wù)進行合作,發(fā)布時間可能也會在下半年的早些時候。
范育恒(Yu-Heng Fan):公司新增的聊天室功能目前有多少話題?每天的頁面瀏覽量是多少?用戶通過聊天室增加新關(guān)系的轉(zhuǎn)化率如何?
唐巖:聊天室的頁面瀏覽量非常高,而且每天既有用戶的覆蓋率還是很高的,具體話題數(shù)量沒有統(tǒng)計,因為話題的存在時間比較短,但對于促進點對點的好友關(guān)系數(shù)量,以及轉(zhuǎn)化到群組中去并保留下來的作用還是比較明顯的。目前新版本上線只有三周時間,所以一些精細(xì)化的數(shù)據(jù)可能過一段時間提供更為合適。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。