B2C企业数据对比:聚美估值偏高 京东仍在亏损

2023-10-28 13:50

本文主要是介绍B2C企业数据对比:聚美估值偏高 京东仍在亏损,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

聚美优品(证券代码:JMEI)今天发布财报。财报显示,聚美优品第二季度净营收1.544亿美元,比去年同期增长41.9%,净利润为1540万美元,较上一季度下降7%。

随着第二季度财报发布,聚美优品也结束连日来的上涨势头,其今日收盘下跌2.34%,盘后再跌2.96%,不过,聚美当前的市值依然处于高位,达到52.68亿美元。

从市值看,京东市值411.55亿美元,在中概股中市值仅次于腾讯与百度,唯品会 市值125.12亿美元,居于中概股前列。唯有当当估值仅为12.10亿美元,在几家中处于相对被低估状态。

从相对角度看,当前聚美的估值与其实际规模仍存在差距,处于一定程度上的高估状态,京东尽管仍然在亏损,但拥有腾讯概念在支撑,且仍在高速成长,拥有想象空间。

京东规模优势明显 聚美体量最小

B2C企业数据对比:聚美估值偏高 京东仍在亏损

从规模增长看,目前上市的4家主流B2C企业中以京东的体量最大,且京东与唯品会、当当、聚美的差距在不断拉大。京东第二季度营收为286.12亿元,较上年同期增长64%。

京东季度活跃用户由2013年第二季度的1,960万同比增长94%,至2014年第二季度的3,810万。京东2014年第二季度完成订单量为1.637亿,与上年同期增长126%。

腾讯战略入股京东后,京东上线在微信平台的“购物”一级入口。2014年8月8日京东开通腾讯手机QQ的一级入口。虽然微信入口用户转化率与移动QQ入口转化率相对低于外界预期,不及京东移动客户端,但这些渠道帮助京东更好触达用户,并加强领先优势。

相对而言,唯品会这两年成长较快,建立与当当的比较优势,唯品会第二季度总净营收达到8.294亿美元,比上年同期增长136.1%。活跃用户人数为930万人,比上年同期增加167.9%。

唯品会第二季度总订单数量2630万份,比上年同期增加138.4%。唯品会总订单数量增加,主要是由于公司持续优化和增强PC与移动端可选择品牌和商品数量等及并购乐峰网等。

从体量上看,聚美优品第二季度总净营收达1.544亿美元,比去年同期增长41.9%,此增长主要是由于活跃用户数量和总订单数量同比增长,不过,其体量仅为当当的一半。

且聚美最近一段时间最大烦恼是被曝涉嫌知假售假,此前,供应商祎鹏恒业通过聚美优品等多个电商平台销售假冒服装和手表,这给聚美优品的声誉造成很大影响,为其成长萌生阴影。

B2C毛利率水平均在提升

B2C企业数据对比:聚美估值偏高 京东仍在亏损

在电商企业中毛利率最高的是化妆品,其次是服装,再次是图书,最后是3C,聚美、唯品会、当当、京东毛利率分别为46%、25%、18%、11%,基本反映出各自类别差异。

如京东的毛利状态在持续好转,京东2014年第二季度毛利为31.55亿元,毛利率达到11%,创下近年来新高,上年同期为8.9%,较上年同期提升了2.1个百分点。

实际上,由于电商企业不断的洗牌和分化,电商行业逐渐告别红海竞争,聚美、唯品会、当当、京东的毛利率也均处于最近2年来的最好水平。

京东亏损最严重 半年亏43.77亿元

B2C企业数据对比:聚美估值偏高 京东仍在亏损

从净利润的角度看,B2C企业的状态都在持续的好转,以当当为例,曾经陷入图书领域的战争,导致毛利率不断降低,但随着竞争对手纷纷退出图书领域竞争,其净利率不断提升。

当当第二季度净利2880万元,是第一季度200万盈利的14倍,去年同期亏损6400万。上半年当当净利润突破3080万元,追平上市第一年(2010年)全年利润。而2011年、2012年、2013年当当连续三年净亏,分别为-2.28亿元、-4.44亿元、和-1.43亿元。

唯品会是几家电商企业中最早盈利的企业,唯品会第二季度净利润虽然较上一季度下降1%,但已连续7个季度持续盈利,聚美除2013年第四季度亏损外,其他季度基本盈利。

当前依然大规模亏损的企业是京东,其半年即亏43.77亿元,不过,京东这种亏损需要理性看待,如京东2014年第二季度净亏损达到5.82亿元,但这主要是源于与腾讯战略协议中所涉及的资产及业务收购带来的无形资产的摊销费用,不会对京东的日常运营带来实质影响。

京东上季大亏37.95亿,达到最近两年之最,这也非业务造成,而是京东计入一笔36.70亿元,约合6.06亿美元股权支出,这笔股权主要是京东董事会授予给京东CEO刘强东(微博)。

这篇关于B2C企业数据对比:聚美估值偏高 京东仍在亏损的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/293634

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

百度/小米/滴滴/京东,中台架构比较

小米中台建设实践 01 小米的三大中台建设:业务+数据+技术 业务中台--从业务说起 在中台建设中,需要规范化的服务接口、一致整合化的数据、容器化的技术组件以及弹性的基础设施。并结合业务情况,判定是否真的需要中台。 小米参考了业界优秀的案例包括移动中台、数据中台、业务中台、技术中台等,再结合其业务发展历程及业务现状,整理了中台架构的核心方法论,一是企业如何共享服务,二是如何为业务提供便利。

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X