
猎豹移动为何逆市投资大数据和创业公司
猎豹移动发布了好于预期的销售数据,打造了全球广告网络,并开拓了印度等快速增长的新市场。不过,该公司股价较52周高点已下跌超过一半,周一收盘价不到16美元。
在接受采访时,猎豹移动CEO傅盛表示,股价下跌更多是由于中国经济的状况,与该公司自身关系不大。傅盛表示,尽管目前已有超过一半营收来自海外市场,但作为一家中国公司,猎豹移动受到了双重影响。
“一方面原因在于,投资者担心中国经济。”傅盛表示。而另一方面,猎豹移动的许多股东都来自中国。近期,他们的投资组合价值缩水,因此正在出售猎豹移动股份以筹集现金。
不过傅盛表示,猎豹移动的战略并未改变。他专注于推动猎豹移动全球用户数的增长,加强大数据分析能力,并在全球范围内加强与广告主的关系。
猎豹移动已经在硅谷招聘了10名员工。该公司希望,能够在硅谷成立20至30人的研发中心,专注于大数据研究。近期,猎豹移动的北京数据分析团队已扩大至100人。
今年早些时候,猎豹移动招聘了40名被雅虎裁员的员工,包括知名研究者Xhuang Li。
傅盛表示,为了真正发展移动广告业务,企业需要做的并不仅仅是帮助用户安装其他应用。
“用户并不总是希望下载应用。”傅盛表示,“某些时候他们希望订酒店,某些时候他们想要美食。”
他认为,应用经济的很大一部分都专注于应用安装广告,因为无需对用户有太多了解就能有效地发布这类广告。傅盛表示,个性化、订制化的广告才是未来。
成为广告市场的领先者对猎豹移动来说很重要。该公司专注于免费、由广告支撑的应用,包括管理磁盘空间和电池使用量的工具类软件。
傅盛近期也在支持创投基金紫牛,而他的合作伙伴包括央视前知名主持人张泉灵。与知名孵化器Y Combinator类似,该公司正接受全球创业公司的申请。
该公司今年早些时候已试水投资,目标则是热门移动卡拉OK应用Musical.ly。
傅盛表示,作为一家上市公司,猎豹移动的投资并不是为了赚钱,而是打造更广泛的“朋友网”,使它们成为猎豹移动广告网络的一部分。他表示:“这将帮助我们建设猎豹移动的生态系统。”
他同时表示,猎豹移动正计划加强与手机厂商的合作。目前,该公司已经与三星、小米,以及中国大陆、台湾和印度的多家硬件厂商合作,在它们的产品中预装猎豹移动的应用工具。目前,猎豹移动期望更深层的合作,不过他拒绝透露更多详情。他表示,猎豹移动计划进行更广泛的合作,从而在快速变化的环境中减小对某一家手机厂商的依赖。
“我们并不在乎哪家公司兴起,哪家公司衰落。”傅盛表示,“他们全部都是我们的合作伙伴。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29