金山软件财报:正面亮,背面暗

332 篇文章 0 订阅

在这里插入图片描述

配图来自Canva可画

在市场竞争激烈的情况下,游戏业务收益强劲增长、办公软件业务付费用户增加,金山软件递交了一份营收、净利双收的亮眼新财报。

11月17日,金山软件有限公司发布截至2020年9月30日止三个月的业绩报告。期间,金山软件收入达到13.97亿元,同比增长34%。母公司拥有人应占利润6.67亿元,同比增长1749%。每股基本盈利0.49元,同比增长1533%。

金山软件营收、净利润同比增长,是疫情期远程办公软件、游戏娱乐需求不断攀升,以及金山软件对两大主营业务的精细化运营的结果

营利双收业绩亮眼

得益于主营业务业绩增长,金山软件营收稳健上涨。

财报数据显示:金山办公软件和服务及其他业务增速迅猛,在线游戏业务也保持收入同比增长,两大板块同比分别增长59%和19%。同时,金山软件两块业务占总收入的比重接近差距在缩小,办公软件及服务及其他为56%,网络游戏为44%;

金山软件收入主要由网络游戏和办公软件服务及其他收入两大类构成,因此两大板块大幅增长也带动了营收增长。据悉,第三季度金山软件收入达到13.97亿元,同比增长34%。

在日益激烈的市场竞争中,金山软件取得营收上涨好成效的同时,其在销售、研发的投入也只多不少,营收成本不断攀升。

财报显示,报告期内,金山软件的收益成本为2.4亿元,同比增长9%,较上季度增长10%。金山软件方面表示,该增长主要是由于与用户流量增长有关的服务器及带宽成本增加。

另外,为了加强技术服务能力及品牌影响力,金山软件上调销售及分销开支销售及分销开支。财报数据,2020年第三季度销售开支为人民币221.3百万元,较上年同期增长14%,较上季度增长15%。同样的,加大对新产品及服务以及科技创新的投入后,金山软件研发成本净额同比增长25%,为4.84亿元。

好的一面是,得益于销售组合的变化及运营效率提升,金山软件毛利大幅上涨。财报显示,第三季度的毛利为11.58亿元,同比增长40%;毛利率为83%,较上年同期增长四个百分点。

从市场大环境来看,无论是游戏行业还是办公软件行业,都处于市场利好期,所以专研这两大业务的金山软件高增长还将持续。不过,盈利高增长的背后,新游戏增长乏力,办公业务服务急需提升,金山软件面临的问题也不少。

网络游戏业务略显疲态

近年来,网络游戏用户规模的持续扩大,促进了移动游戏市场规模的快速扩张。

中研普华研究咨询报告显示:2019年中国游戏用户规模达到6.4亿人,较2018年增加2.5%。另外,2019年中国游戏市场实际销售收入2308.8亿元,同比增长7.7%。从细分市场观察,移动游戏占整体营销收入近七成,客户端与网页游戏占比分别降至26.6%和4.3%。

网络游戏行业进入快速发展阶段,金山软件网络游戏《剑网3》却大不如前。本季度,金山软件网络游戏贡献了7.88亿元,较上年同期增长19%,较上季度下降9%。同时,该收入占总收入的比重,由上一季度的61%下降至56%。

游戏业务同比增长,环比下降,显示出金山软件在游戏领域的竞争力略显疲软。

一方面,受游戏本身生命周期的影响,金山软件核心游戏IP《剑网3》正逐步式微,且新游戏的增长略显乏力。原本于今年推出的《剑网3指尖对弈》、《卧龙吟》、《最终幻想》,也都要推迟到明年第一季度发行,其中《最终幻想》要视版号批复而定。

另一方面,国内的游戏市场呈现百家争鸣格局,腾讯、网易犹如两座大山压顶,金山软件网络游戏获取流量的压力也越来越大。

中国游戏市场,腾讯、网易等巨头盘踞,还有字节跳动、B站等不少新兴企业不断涌入,市场竞争激励。数据显示,2019年腾讯游戏市占率达到了57%、网易游戏市占率为18%、老牌厂商三七互娱占率分别为6%、完美世界市占率分别为3%,金山软件网络游戏占有率较低。

此外,游戏监管趋严给游戏行业的带来一些不确定性,加上5G、云游戏等新技术涌现给游戏行业带来新变革,游戏平台将会进入新一轮的综合实力较量。届时,缺少游戏护城河的金山软件网络游戏的风险也就更大了。

办公软件服务仍需强化

办公软件服务是金山软件的生命源泉,财报数据显示,金山软件来自办公软件及服务以及其他的收益为6.09亿元,较上年同期增长59%,较上季度增长11%。该业务占总收入的比重,则由39%提升至44%。

办公业务同比增长的原因是由于通过提供持续改进的产品和服务,付费转化率及ARPU实现增长。截至2020年第三季度主要产品MAU同比增长20%至4.57亿,其中WPS office PC版的MAU为1.76亿,移动版MAU为2.74亿,其他产品MAU约0.1亿。

其实,受疫情影响办公软件服务,特别是远程办公服务,用户数量、市场规模不断扩大,但整体办公市场付费率仍待提高。据计世资讯统计,2018年我国基础办公软件市场规模为85.34亿元,较2017年同比增长9.7%,预计未来几年CAGR为11.8%,到2023年市场规模将达到149亿元。

不过相比微软office,金山软件办公软件付费渗透率较低。此前,就有媒体爆料,金山软件481.17万的付费用户占总月活比例仅仅为1.5%,而且30%以上的付费用户年交易金额在50元以下,也就是说30%以上的用户都是断断续续订阅1-2个月。

再有,办公市场竞争越来越激烈,金山办公软件既要面临微软巨头的重压,还要分精力去应对国内石墨、腾讯文档等各路竞品。

面对国内外办公软件产品的前后夹击,金山软件主席雷军表示:“在办公软件方面,公司仍在不断探索办公软件行业的技术提升、优化用户体验及积极巩固在线协作办公产品方面的竞争优势。”

小结

二十多年来,金山软件历经风雨终于显露锋芒。短期来看,金山软件提升游戏开发能力,办公软件运营能力,进而巩固自身综合实力,还将乘胜追击续写高增长神话。不过在新竞争格局中,如何通过新技术实现增效降本、优化服务体验、增加变现渠道是至关重要,金山软件面临新的市场挑战……

文/刘旷公众号,ID:liukuang110

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值