财务数据和关键指标变化 - 第四季度营收为3.95亿美元，同比增长28%（不包括收购和政客候选人收入），较第三季度加速 [6] - 第四季度调整后EBITDA为9510万美元，同比增长35%，GAAP净利润转为正值 [6] - 2025年全年营收为13.05亿美元，同比增长30%（若不包括LiveIntent、Marigold和上年政客候选人收入，则增长27%） [17] - 2025年调整后EBITDA为2.79亿美元，利润率21.4%，同比增长44% [25] - 第四季度经营活动产生的净现金流为6410万美元，同比增长47%；自由现金流为5580万美元，同比增长76%，利润率14% [26] - 2025年全年自由现金流为1.65亿美元，利润率12.6%，同比增长78% [27] - 第四季度GAAP净利润为650万美元，上一季度为净亏损360万美元 [25] - 净收入留存率在2025年创下120%的历史新高，高于2024年的114% [8] - 2025年调整后EBITDA利润率连续第20个季度实现同比扩张 [25] - 2025年股票薪酬占收入的比例从2024年的19%改善至14% [28] 各条业务线数据和关键指标变化 - “超级规模客户”（年支出至少100万美元）数量增至184个，同比增长24% [18] - “规模客户”总数增至602个，同比增长14%，环比增加30个客户 [18] - “规模客户”季度平均每客户收入为62.5万美元，同比增长8%（若剔除上年政客候选人收入影响，则增长超15%） [19] - “超级规模客户”季度平均每客户收入为180万美元，同比增长5%（若剔除上年政客候选人收入影响，则增长中双位数百分比） [19] - 在第四季度，使用超过一个用例的“规模客户”数量同比增长超过80% [11] - 直接收入在第四季度占总收入的74%，符合70%-75%的目标区间 [24] - 第四季度GAAP收入成本率为40.4%，同比上升50个基点，环比上升100个基点，主要受社交和联网电视渠道的强劲增长推动 [24] 各个市场数据和关键指标变化 - 2025年，前十大行业垂直领域中有九个实现了超过20%的同比增长 [18] - 增长最快的垂直领域包括：旅游和酒店业（增长105%）、广告和营销业（增长70%）、汽车业（增长60%）、消费者和零售业（增长46%） [18] - 医疗保健领域（新的投资方向）增长超过20%，势头强劲 [18] - 公司目前服务于51家财富100强企业（一年前为44家）和超过120家财富500强企业 [11] - 国际收入自然增长，但美国仍是主要市场 [60] 公司战略和发展方向和行业竞争 - 公司定位为营销领域的AI颠覆者，其增长由专有数据、智能和Athena界面组成的“飞轮”驱动 [5][6] - “One Zeta”战略已从一个策略演变为可重复的销售模式，旨在推动客户采用多个用例 [11] - 与OpenAI建立合作伙伴关系，将大型语言模型视为类似云基础设施的基础技术，真正的差异化在于基于此构建的工具、工作流、数据和操作系统 [10] - 公司的数据优势在于其“超级图谱”，这是一个专有的、确定性的身份和关系图谱，覆盖超过2.45亿美国成年人和5.35亿全球用户，拥有超过1万亿个信号 [10][11] - 公司通过高投资回报率（Forrester研究确认为600%的广告支出回报率）从竞争对手那里夺取市场份额 [8] - 公司认为大型语言模型不会取代企业软件，而是将成为其技术栈的一部分 [77] - RFP（提案请求）数量同比增长超过一倍，创下新纪录，公司在参与的RFP中胜率超过50% [8][121] 管理层对经营环境和未来前景的评论 - 管理层认为，在当前的宏观环境下，公司的高投资回报率不仅能提供保护，还能加速增长 [107] - 从功能到基础设施的AI转型正在推动公司发展势头 [7] - 客户越来越将公司视为其业务的收入中心，而非成本中心 [7] - 营销预算预计在2026年将增加，公司预计其增长率将是行业整体增长的数倍 [115] - 公司看到了平台整合的趋势，其“One Zeta”战略正在取代单点解决方案 [115] - 尽管存在AI答案引擎等变化，但公司尚未看到其数据收集能力（例如通过Disqus）受到影响 [79] 其他重要信息 - AI智能体“Athena”计划在第一季度末全面上市，早期用户反馈积极，报告称在细分、制作、分析方面节省了大量时间，并获得了更高的投资回报率 [9][38][39] - 对Marigold的收购整合进展顺利，预计在第一年将对自由现金流和调整后EBITDA产生增值作用 [13][14] - 公司正在积极回购股票，2025年回购了790万股，价值1.2亿美元；2026年初至2月中旬又回购了150万股，价值2500万美元，剩余授权约1.39亿美元 [27][86] - 2025年净稀释率为4.3%（不包括Marigold为2.2%），目标是在2026年达到3%-4%的正常净稀释率目标 [28] - 公司更新了2028年目标：营收目标从21亿美元上调至23亿美元（复合年增长率23%），调整后EBITDA目标为5.73亿美元（利润率25%），自由现金流目标为3.71亿美元（调整后EBITDA转换率65%） [33] - 公司提高了2026年第一季度和全年的营收、调整后EBITDA和自由现金流指引 [28] - 2026年全年营收指引中值上调2500万美元至17.55亿美元，同比增长35%（若不包括Marigold和政客候选人收入，则增长21%） [7][29] - 2026年指引中假设政客候选人收入为1500万美元，对Marigold的贡献持保守看法（至少1.9亿美元），且Athena带来的收入贡献极小 [30][31][42] - 公司预计2026年全年将实现GAAP净利润为正 [33] 问答环节所有的提问和回答 问题: 关于Athena的细节、代理数量、货币化以及对交易的影响 [36] - 回答: 首批推出的两个代理（Insights和Advisor）预计将为客户带来最大效益，Athena将在本季度末全面上市，早期反馈显示其在工作流管理和投资回报率方面具有变革性，未来功能将作为Athena的一部分推出，而非独立的代理，Athena已经影响了交易达成，即使尚未直接货币化 [37][38][39] 问题: 关于指引中的保守性，特别是针对主要垂直领域的假设 [40] - 回答: 指引并未假设前十大垂直领域中有九个能实现超过20%的增长（实际情况如此），而是假设大约只有一半能实现，这低于历史水平，指引继续保持了2-5个百分点的缓冲空间，对政客候选人收入（1500万美元）和Marigold贡献的看法保守，且Athena的贡献被设定为极小，这构成了一个风险较低的前景 [41][42] 问题: 关于Zeta Live已结束交易的趋势和未来管线 [45] - 回答: Zeta Live结束后已签署3900万美元交易，涉及多个垂直领域，包括电信业的大单，CES（国际消费电子展）进一步放大了影响力，管线中仍有超过200个独立机会，价值超过1.3亿美元，目标是达成总额1亿美元的交易 [46][47][50] 问题: 关于第四季度毛利率、一次性影响以及2026年毛利率展望 [51] - 回答: 2028年模型中，预计每年毛利率将改善100-300个基点，Marigold对此是顺风因素，第四季度毛利率受集成平台收入增长25%、直接收入组合增长25%以及社交和联网电视渠道强劲增长影响，这些渠道的毛利率低于公司平均水平，但表明全渠道使用趋势良好 [51] 问题: Athena与One Zeta战略结合对客户和交叉销售体验的影响 [55] - 回答: 2025年第四季度使用超过一个用例的客户数量同比增长80%，这证明了One Zeta战略的成功，客户从单一用例转向多个用例通常伴随着200%-300%的收入提升，2025年120%的净收入留存率也证明了该战略的有效性，Athena预计将进一步提升这一效果 [55][56][57][58] 问题: 关于Marigold收购后的国际扩张计划 [59] - 回答: 国际扩张正在自然发生，因为客户多为跨国企业，Marigold的国际资产应会加速这一进程，但公司大部分收入仍来自美国，这是全球最大的广告市场，公司正在那里夺取市场份额，国际业务预计在未来多年内不会成为主要组成部分 [60][61] 问题: Athena在2026年可能产生的影响及时间线 [65] - 回答: Athena可能在2026年产生影响，但公司并未将其计入预测，早期使用客户报告支出显著增加、工作流环境变革性提升以及投资回报率大幅提高，Athena有助于推动更高的投资回报率，从而促使客户将更多现有营销预算投向公司 [66][67][68] 问题: 关于2025年下半年GAAP盈利能力转正及2026年股票薪酬展望 [69] - 回答: 2025年GAAP净利润转正被认为是一个拐点，预计2026年全年将实现GAAP净利润为正，GAAP每股收益预计在0.02-0.04美元区间，且有上升空间，实现这一拐点的因素包括稀释率降低、股票薪酬改善以及调整后EBITDA向自由现金流的转化率提高 [69][70] 问题: 关于与OpenAI合作伙伴关系的长期潜力和演变 [73] - 回答: OpenAI是Athena的基础，合作关系是基础性的，双方正在探讨在其他业务领域相互协助，公司认为大型语言模型不会取代企业软件，而是其组成部分，将提高效率并加速收入增长，帮助客户更无缝地使用平台并提高投资回报率 [75][76][77] 问题: AI答案引擎的兴起是否影响Disqus等平台的数据收集能力 [78] - 回答: 目前尚未观察到数据收集量下降，相反，谷歌等平台将更多查询留在自己平台上的趋势，导致点击成本上升，并促使出版商更渴望流量，公司的电子邮件平台和Marigold的Sailthru资产正在为出版商驱动大量流量，Disqus是公司约20个生成实时信号的平台之一，目前未见衰减 [79][80] 问题: 销售配额人员增长、Marigold整合及培训，以及2026年配额人员增加展望 [83] - 回答: 销售配额人员环比增长约10%，其中约15人来自Marigold，公司正在将Marigold的销售人员与现有团队配对，针对其前30大客户（均为财富500强）进行协同，已看到有趣的交叉销售机会 [83][84] 问题: 在当前软件估值环境下，资本配置在M&A与股票回购之间的偏好 [85] - 回答: 公司正在快速回购股票，现有授权剩余约1.39亿美元，用完后很可能宣布新的回购计划，目前回购股票被认为是最佳的资本使用方式，但公司历史上平均每年进行一次收购，目前环境适合以较低价格收购优质资产，公司资产负债表健康、现金流强劲、债务极低，有能力进行收购，但目前没有具体目标 [86][87][89] 问题: 120%净留存率的驱动因素（用量 vs. 用例数）及其可持续性 [91] - 回答: 高净留存率得益于2024年末新增客户在2025年的快速扩展，以及代理集团内品牌数量的增长（同比增长80%），这推动了单个规模客户内的ARPU扩张，One Zeta战略和系统建设是游戏规则改变者，Athena预计将有助于维持高留存率，管理层不认为120%是异常值，但不会以此作为指引 [93][94][95] 问题: 政治和倡导业务的最新情况，以往选举周期表现，以及2026年指引中的支出阶段 [99] - 回答: 政治候选人收入从2020年的1500万美元减半至2022年的750万美元，2024年约为4000万美元，2026年指引从1500万美元开始是保守的，预计第三季度700万美元，第四季度800万美元，倡导业务现在是一个常年行业，在选举年会受益，但当前指引中并未包含超常贡献 [100][101] 问题: 600%投资回报率如何赋予业务宏观韧性 [107] - 回答: 公司认为高投资回报率不仅在宏观环境中提供保护，更能加速增长，当客户面临业务变量时，他们希望最大化营销等重大支出的回报，这在过去一年有所帮助，并预计在未来几年继续如此 [107] 问题: 关于Marigold忠诚度产品的早期客户兴趣 [108] - 回答: 公司很高兴将Marigold的客户引入One Zeta解决方案，特别是围绕新客户获取，现有客户对新的忠诚度解决方案也表现出浓厚兴趣，并已看到有意义的进展，计划在未来季度发布的Athena更新中整合忠诚度功能 [109][110] 问题: 2026年营销预算趋势，AI是驱动增量预算扩张、平台整合还是现有预算重新分配 [113] - 回答: 公司看到了平台整合的趋势，其取代单点解决方案的“One Zeta”战略正在扎根，从美国市场看，2026年整体营销预算预计将增长，公司预计其增长率将是行业整体增长的数倍 [115] 问题: RFP数量翻倍背后的主要竞争对手，公司的竞争优势，以及预算从谁那里夺取 [119] - 回答: 竞争来自各种单点解决方案，公司通过将叙事转向平台解决方案而获胜，在CRM RFP中看到Salesforce、Adobe，较少看到Oracle等，在获客RFP中看到The Trade Desk等，公司在受邀参与的RFP中胜率超过50%，RFP数量大幅增加且胜率保持，这推动了远超行业平均的增长 [120][121] 问题: 代理商如何制定AI营销策略，在Athena与第三方LLM之间如何权衡 [123] - 回答: 大型语言模型目前不具备营销激活能力，代理商正在寻求利用LLM提高内部效率，而非分割激活预算，公司看到与合作的代理商集团内的品牌数量增长了80%，代理商正在寻求平台整合，公司的专有数据是重要护城河，不输入LLM，这对客户至关重要 [123][124][125] 问题: 与财富100/500强大型企业客户的对话重点和吸引力 [128] - 回答: 公司在财富100强中渗透率达51%，财富500强中达24%，钱包份额很小，增长空间巨大，这些客户专注于投资回报率，希望获得最高的营销支出回报，过去他们关注营销占收入的比例，现在关注每1美元支出能否带来500%、700%或1000%的回报，公司的归因能力、专有数据和激活能力提供了过去无法实现的真实投资回报分析 [129] 问题: 随着消费者更多与LLM互动，公司通过M&A等方式从新渠道捕获数据的战略 [131] - 回答: 公司一直致力于构建数据云，目前其数据云被认为是世界领先的，公司正在推出自己的生成式引擎优化平台，帮助客户将其信息输入大型语言模型，该平台也让公司能够深入了解LLM的运行方式和信息摄入，从而获取信息 [132][133]