-
Docebo
加拿大企业学习管理平台 Docebo发布2024年Q4及全年财报：全年收入2.17亿美元，净利润增长841%，财报后股价暴跌21%
加拿大知名Docebo近日发布2024年第四季度及全年财报，公司业绩表现稳健，增长态势明显。Q4 总收入达 5700万美元，同比增长 16%，全年收入达到 2.169亿美元，同比增长 20%。订阅收入仍是核心，占总收入的 95%，达 5400万美元。净利润大幅增长至 1190万美元，而年度经常性收入（ARR）达 2.197亿美元，较去年增长 2540万美元。
财报发布后股价单日暴跌21.43%，从前一日收盘价$37.33大幅下挫至$29.33
2025年2月28日，全球领先的AI驱动企业学习平台 Docebo Inc.（NASDAQ: DCBO, TSX: DCBO） 发布2024年第四季度及全年财务报告，显示公司在营收和盈利能力方面取得了强劲增长。然而，尽管财务表现亮眼，市场反应却相对悲观，财报发布后股价单日暴跌21.43%，从前一日收盘价$37.33大幅下挫至$29.33，盘中最低触及$27.61，创下过去一年的最低点。市场对Docebo的业绩增长放缓及未来指引持谨慎态度，引发投资者抛售。
Q4及全年财报亮点：收入、利润显著增长
1. 2024年Q4核心财务数据
总收入：$57.0M，同比增长16%。
订阅收入：$54.0M，同比增长16%，占总收入的95%。
毛利润：$46.4M，毛利率81.3%（去年同期为81.2%）。
净利润：$11.9M，同比增长269%（去年同期$3.2M）。
调整后净利润：$8.7M，调整后每股收益**$0.29**（去年同期$0.26）。
年度经常性收入（ARR）：$219.7M，季度增长**$9.2M**，全年增长**$25.4M**。
调整后EBITDA：$9.5M，占总收入的16.7%（去年同期为13.2%）。
自由现金流：$10.1M，占总收入的17.7%（去年同期为14.2%）。
2. 2024财年全年数据
总收入：$216.9M，同比增长20%。
订阅收入：$204.3M，同比增长20%，占比94%。
毛利润：$175.6M，毛利率81.0%（去年为80.9%）。
净利润：$26.7M，同比增长841%（去年$2.8M）。
调整后净利润：$32.1M，调整后每股收益**$1.06**（去年$0.65）。
调整后EBITDA：$33.6M，占总收入的15.5%（去年为9.0%）。
自由现金流：$32.3M，占总收入的15%（去年为11%）。
现金储备：$92.5M，同比增长28.6%（去年$72.0M）。
客户数：3,978家（去年3,759家），增长5.8%。
合同平均价值（ACV）：$55.2K（去年$51.7K），增长6.8%。
净美元留存率（NDR）：100%（去年104%）。
Docebo 2024年财报显示，公司在收入、净利润和自由现金流等关键指标上均实现大幅增长，尤其是净利润同比增长841%，表明公司盈利能力已进入加速增长阶段。然而，市场的反应却并不积极，财报发布后股价出现大幅下跌。
股价暴跌21%背后的三大原因
尽管Docebo的财报显示强劲增长，但投资者仍然大幅抛售，导致股价暴跌。以下是可能导致股价下跌的核心因素：
1. 2025年业绩指引低于市场预期
2025年全年收入增速预计将放缓至 11%-13.5%，远低于2024年的20%。
订阅收入增长预计仅为 11.5%-14.0%，市场预期可能更高。
调整后EBITDA利润率预计为18%-19%，虽然高于2024年的15.5%，但增幅有限。
Q1 2025收入指引为 $57.0M-$57.2M，基本与2024年Q4持平，表明短期内增长可能放缓。
投资者对Docebo未来增长潜力存疑，认为2024年的高速增长可能难以持续，因此引发抛售。
2. 净美元留存率（NDR）下降，客户扩展速度减缓
2024年NDR下降至100%（2023年为104%），表明Docebo的现有客户扩展速度放缓，新增收入主要依赖新客户增长，而非老客户升级和追加采购。
ARR增长13%，低于2023年的24%，反映出企业客户预算缩紧或竞争加剧。
投资者担心Docebo的增长模式是否可持续，特别是SaaS行业通常依赖客户的长期续约和追加采购。
3. 宏观经济及市场因素
全球SaaS估值调整：高利率环境下，SaaS企业估值普遍承压，投资者更关注盈利能力而非单纯的收入增长。
短期套利与获利回吐：在财报发布前，Docebo股价曾处于高位，部分投资者选择财报发布后获利了结，加剧了股价下行压力。
未来展望：Docebo能否重拾市场信心？
尽管财报后股价大跌，但Docebo的长期增长潜力依然存在：
✅ AI赋能学习管理
2024年推出 AI Authoring、Advanced Analytics、Communities 三大AI产品，推动企业培训智能化。
AI的深度应用将有助于提升Docebo在企业学习市场的竞争力。
✅ 自由现金流和盈利能力稳健
2024年自由现金流同比增长60.5%，净利润增长841%，显示公司盈利模式成熟。
预计2025年调整后EBITDA利润率将提升至18%-19%。
🚨 风险点
2025年收入增速放缓，投资者需关注ARR增长能否回升至15%以上。
宏观经济环境仍然充满不确定性，SaaS行业的市场情绪可能继续影响估值。
总结：Docebo股价大跌，投资者如何应对？
Docebo 2024年财报显示公司收入增长20%，净利润增长841%，但财报发布后股价暴跌21%，反映市场对2025年增长放缓的担忧。股价大跌主要由以下因素导致： 1️⃣ 2025年收入指引低于市场预期，增速放缓至11%-13.5%。2️⃣ NDR下降至100%，客户扩展速度减缓。3️⃣ 全球SaaS行业估值调整，高利率环境下市场更关注盈利能力。
🔍 投资策略：
长期投资者：Docebo仍具备AI驱动的增长潜力，短期股价调整可能提供买入机会。
短线交易者：需关注股价企稳信号，等待市场情绪修复。
📈 关键问题：Docebo的增长还能回到20%以上吗？2025年的AI产品能否推动更高ARR增长？如果2025年ARR增长超预期，Docebo股价可能迎来修复性上涨！ 🚀
-
Docebo
大咖谈：生成式AI在人力资源中的作用日益重要，谈HR不同领域的应用场景
编者注：本文Josh Bersin深入探讨了生成性AI（Generative AI）在人力资源（HR）领域的变革性作用。谈到生成性AI不仅能够整合和分析分散在多个系统中的大量员工数据，还能帮助HR团队更高效地解决招聘、员工体验、培训和合规等多个方面的问题。生成性AI的应用场景包括人才智能、员工体验应用、员工培训和合规应用等。这些应用不仅能提高HR团队的工作效率，还能为员工提供更个性化的体验。推荐HR管理者阅读了解，关注HRTech，了解全球最新HR科技动态。
人力资源是一个综合运营职能
让我们提醒自己，人力资源部门与财务、IT 和其他内部职能部门一样，是一个设计、支持和集成职能部门。人力资源部门与企业合作，处理无数复杂的问题：招聘、入职、培训、领导力发展、绩效管理、薪酬、奖励、福利、混合工作、组织设计、多元化战略、文化等等。在我们所谓的系统人力资源出现之前，大多数这些操作功能都是独立完成的。
如今，公司面临着竞争激烈的劳动力市场、高流动率和劳动力压力，以及重新培训、提高技能和明智地内部人员调动的需要。多样性和包容性、文化和领导力发展等问题仍然至关重要，人力资源团队还担心员工体验、生产力和内部效率。
HR 内部的数据遍布各处。一般大公司拥有超过 80 个面向员工的系统，每个系统都存储大量重要数据以帮助管理自己的区域。当业务领导者或高管想要做出改变、查看业务场景或修复表现不佳的团队时，他们需要将所有这些数据集中在一个集成位置。人工智能有望将这个梦想变为现实（更多内容见下文）。
当人力资源团队制定新的计划和解决方案时，我们还面临着不堪重负的劳动力问题。员工大部分都精疲力竭（87% 的人认为他们正在满负荷运转），因此我们必须简化工作、减少系统数量，并节省人们在管理职能上的时间（使他们能够在“最高许可范围内”运作） 。这意味着人力资源团队不断处理扩大服务数量、缩小服务范围并使其更易于使用的问题。人工智能AI对此有所帮助。
最后，人力资源团队正在转变为创造者、开发者和顾问。正如我们的系统人力资源研究指出的那样，人力资源的未来是更少的“支持代理”，更多的“顾问、产品经理、设计师和顾问”。这意味着越来越多的人力资源团队正在“构建事物”和“分析事物”，这本质上是生成人工智能所做的核心部分。
因此，从某种意义上说，生成式人工智能是解决人力资源团队面临的几乎所有挑战的完美新解决方案。
我们将如何实现这一目标：真实案例
在我们与数十家公司和HR科技供应商交谈时，让我总结一下我们看到的一些大型、高投资回报率的实际案例。
1/ 用于招聘、流动、发展、薪酬公平的人才情报
人才情报现已成为现实。公司可以使用基于 LLM 的系统（Eightfold、Gloat、Beamery、Seekout、Phenom、Skyhive）来识别员工的数百个特征（即技能），使公司能够智能地寻找候选人、决定谁已准备好晋升、调动人员寻找新的机会（人才市场），并确定薪酬不平等。
我们已经研究了这个领域好几年了，现在许多供应商都可以“现成”使用，并且使用来自 Lightcast 等提供商的数据，公司可以相对轻松地开始识别能力差距，研究外部市场的趋势，并使用人工智能为许多人力资源实践构建战略和运营解决方案。——我相信这个市场还很年轻，最终将颠覆许多核心 HCM 参与者。
在招聘中，现在有一些AI插件可以生成职位描述，针对不同的角色进行调整，创建个性化的候选人电子邮件，并丰富您自己的简历。这些工具正变得越来越智能：它们现在可以个性化招聘流程的每个部分，从而节省招聘人员的外展和写作时间。例如，我刚刚看到不少最新的人工智能职位描述生成器，它可以让你根据技能、技术和许多其他因素调整描述。
2/ 员工体验应用程序（入职、工作过渡、管理）
第二个增长空间是“智能员工聊天机器人”，它将文档、支持材料和交易系统整合到一个易于使用的体验中。我们的一些客户正在尝试这一点，我们自己的 JBC HR Copilot 为人力资源专业人员本身提供了这种类型的解决方案。这些实际上是企业应用程序，公司将自己的内容放在一起，制定数据安全策略（我们不希望每个员工看到每个文档或流程），然后使用“编排”工具将聊天机器人连接到企业系统。
IBM Watson Orchestrate 就是为此而设计的（SAP 现在正在使用），并且平台供应商和 HCM 提供商将提供许多此类工具。Workday Assistant 是第一代尝试 - 一旦您将各种人力资源系统的知识与流程文档结合起来，聊天机器人就可以最终取代我们所有的员工门户。
到目前为止，我们发现这些应该首先关注狭窄的用例，然后再进行扩展。例如，一家大型连锁酒店刚刚构建了一个聊天机器人，旨在帮助前台工作人员准确了解如何为高净值客户提供服务。它连接到预订系统，帮助员工了解如何为该客户定制服务。想象一下像这样的入职工具、领导层过渡系统等。
每个 EX 供应商都希望参与其中。Firstup 等提供商使用人工智能为每个人单独定制员工通信。这将成为我们用于许多员工体验应用程序的一组核心功能。
3/ 员工培训和合规应用程序
价值 3500 亿美元的员工培训行业迫切需要生成式 AI。我们已经看到了一些工具，可以从文档生成培训，自动创建测验，并利用现有内容并将其变成“教学助手”。就在昨天，我与一位客户交谈，他刚刚与供应商建立了一个新的领导力发展计划。我们讨论了将这些内容放入我们的 Copilot 中，以便通过经理的对话界面“按需”提供。一旦有了人工智能平台，这并不是一个困难的项目。
但还有更多。Cornerstone、Docebo、Degreed 等公司现在正在使用 AI 来智能推荐内容（基于人才智能，而不仅仅是点击流），根据角色、团队、位置和员工活动生成和推荐微学习，甚至将 AI 用作游戏“提示”员工了解更多信息。
举个例子：我们刚刚在公司的培训学院启动了一个微型学习项目，向人力资源人员传授人工智能知识。例如，该课程由一系列互动问题、小笔记和手机上的互动组成，可以导入到我们的副驾驶中，并在有人提问时提供。这些并不是现成的解决方案，但我们已经很接近了。
请记住，学习与开发团队的大部分工作都是围绕内容创建展开的。这些构建角色、图像、场景和视频的新一代人工智能应用程序将被 L&D 团队广泛使用。我刚刚找到了一个工具，可以拍摄长视频（即讲师指导的课程）并快速找到“最有趣”或“最密集”的内容来创建迷你片段。想象一下，您将不得不拍摄长视频并将其转化为章节、点播学习以及新知识学习的促销活动。
4/ 员工发展和成长应用程序
接下来是帮助员工发展职业生涯的大量新工具和平台领域。感谢人才智能平台，我们现在拥有由人工智能（而不是你的老板）生成的“职业道路”。这些系统会考察您的技能和经验，并（以图形方式）向您展示您拥有的所有成长选项，所有这些都基于数百万人的经验。
例如，您是否知道从事分析工作的营销经理可以进入数据科学、网络安全甚至财务分析领域？或者，一个在医院做小时工“交通支持”的人可以加入职业道路，成为一名 X 射线技术人员或临床护士？
这些路径都是由人工智能揭示和解释的，这些新系统准确地向你展示了你需要学习什么、你必须获得什么认证，甚至你可以和谁谈论这条路径。实际上，我们正在为人力资源专业人员开发此类解决方案（即将推出），您会惊讶于这些工具的帮助之大。
为什么人工智能如此重要？因为这从根本上来说是一个大数据问题。我不可能猜测一个人在我们公司可能拥有的所有职业选择，但如果我将他们的个人资料和历史记录插入八重职业导航器或其他系统，我们都可以看到许多我们从未考虑过的选择。
想想这将如何帮助没有学位的员工在职业生涯中取得进步。不再需要在网站上逛来猜去哪里申请工作——这些职业导航系统将改变许多人的生活。
5/ 绩效管理和运营改进
人工智能应该用于绩效管理吗？嗯，我不希望这些系统写绩效评估，但是，是的，它们会有很大帮助。考虑一下我们每个公司都遇到的典型问题：一个团队、一个工作组或一个个人表现不佳。这个群体或个人的数量落后，他们的项目迟到，或者他们的质量不合格。我们是否要等待经理找出问题所在并让他们弄清楚该怎么做？
这就是今天的运作方式：每个经理都必须猜测、弄清楚并决定对绩效不佳的个人、团队或项目“做什么”。为什么不让人工智能为我们做一些事情呢？例如，我们已经看到一些应用程序可以向您展示公司绩效的综合“视图”。从很多方面来说，这都是一个数据问题。
例如，如果我们发现超过一定规模的项目团队根本无法完成工作怎么办？如果我们查看团队的技能构成并发现缺少一项重要技能怎么办？也许终身教职是问题所在（顺便说一句，这通常是问题）。也许多样性阻碍了团队的发展。
虽然直线经理可能不会进行此类分析，但我可以向您保证，人力资源顾问很乐意在这里提供帮助。这些更广泛的组织设计和绩效项目无处不在，一旦我们在人工智能系统中拥有了所有数据，我们就可以简单地向它提问。
我问Google 的 Bard，“请比较一下雪佛龙和埃克森美孚的财务增长、回报和利润率。” 大约十秒钟就完成了相当不错的工作。想象一下，如果您在自己的公司中跨团队这样做会怎样？一旦我们将内部数据输入正确的人工智能系统，这将成为常规且常见的事情。
6/ 保留、混合工作、幸福感、敬业度分析
这引导我进入最后一个重要领域：研究、分析和提高员工保留率、福祉和敬业度。
我接触过的每家公司现在都在处理员工倦怠、福祉和其他敬业度问题。几十年来，我们依靠调查和各种基准来试图弄清楚该怎么做。是的，良好的反馈系统可以为我们提供大量有帮助的信息。
但是，如果我们只是将这些数据放入我们的大型人工智能平台并询问一些问题会怎样？“影响销售部门人员流动的最重要因素是什么？” 可能是经理。这可能是一种补偿。可能是终身教职。可能是别的东西。
是的，我们总是可以使用调查、市政厅和其他倾听方法来做到这一点。但如果我们只看数据呢？我们已经多次介绍过美国银行学院的故事，讲述的是一家公司通过详细分析数据“发现”其人才问题的故事。例如，他们发现银行余额与分行员工的任期密切相关。终身任职是由许多其他因素驱动的：人们在职业生涯中如何被聘用、入职和支持。通过进行该分析，他们能够显着提高业务绩效和保留率。他们的敬业度调查永远不会指出这一点。
你是如何开始的？
这给我们留下了一个大问题：如何开始？让我分享一下我们学到的东西。
首先，与其“追逐技术”，不如“爱上问题”。
换句话说，您想关注什么问题？是员工入职吗？人力资源自助服务？小时工排班和轮班管理？这意味着让您的团队聚集在一起确定投资的优先顺序，因为构建基于人工智能的解决方案并不像您想象的那么简单。
其次，一旦您决定从哪里开始，就该让 IT 团队参与进来。这些用例中的每一个都会变成一系列数据质量、数据管理、数据字典、然后是安全、业务规则和机密性的问题。
请记住，“将信息扔进法学硕士”可能听起来很有趣，但即使它有效，你也只是让各种各样的人访问他们可能不需要、不想要、甚至不被允许看到的信息。因此，聊天机器人的实施意味着同时关注用户体验、数据管理、搜索和编排。
我们自己的副驾驶工作已经给了我们这样的经验。一旦你收集到数据（在大多数情况下，并不清楚谁拥有什么），你必须开始测试 Gen AI 用例，定义安全规则，并决定你想要什么（如果有）后端编排。这些并不像“将一堆电子表格扔进 OpenAI 并开始提出问题”那么令人兴奋，但这正是真正的解决方案需要做的。
第三，你必须意识到，人工智能系统与交易系统不同，它负责照顾和喂养。“及时工程”意味着调整系统以正确回答问题，找到数据或文档中的差距，并不断努力保持用户体验简单。一旦聊天机器人或其他系统投入运行，我可以保证将会需要更多（和新的）数据。
从很多方面来说，新的人工智能系统就像一个新生婴儿。它必须学习如何走路、说话、举止以及避免麻烦。在您真正使用之前，现成的工具不会执行此操作，因此您需要 IT 的帮助来确保您的系统在增长时具有可持续性和可支持性。
人工智能将如何影响人力资源本身？
还有一个关于你的角色的大问题。这些新系统会让你被淘汰吗？
答案显然是否定的。这些智能系统是数据饥渴的恶魔。一旦构建它们并添加正确的信息，您将成为分析师、聊天机器人培训师、产品经理和设计师。查找信息和分析信息的许多平凡工作可能会消失，但了解要使用哪些信息的更高级别的工作将保留下来。随着新应用程序的到来，将会出现许多新的工作来负责人工智能系统、调整它们并不断改进它们。
让我向您告别：尽管这个领域令人兴奋不已，但人力资源中的人工智能实施仍然是技术项目。它们与任何交易系统都存在许多相同的问题和挑战，并且系统本身一直在“学习”。
我可以向您保证，整个领域既被过度炒作又被低估。如果您从小事做起，亲自动手，并带上您的 IT 团队，那么您将开始在我讨论的任何领域看到令人震惊的商业利益。
-
Docebo
【收购】人工智能学习平台供应商Docebo宣布收购Edugo
以人工智能和创新为基础的学习平台供应商Docebo宣布收购Edugo.AI（"Edugo"），这是一个基于生成性AI的学习技术，使用先进的大型语言模型（LLM）和算法来优化学习路径并适应个别学习者的需求。Docebo收购Edugo主要有两个目标：加强其现有的人工智能能力，并为Docebo平台增加新的能力，以更好地服务客户。财务细节未披露。
"生成性人工智能的有效应用正在定义学习行业的未来竞争力，而Docebo正通过商业产品为我们的客户解决日常学习的挑战，引领这一潮流。通过将Edugo专有的LearnChain技术和广泛的工程专业知识整合到我们的解决方案和产品开发组织中，我们正在增加颠覆性的创新引擎，这使Docebo成为人工智能和学习自动化的行业领导者。这适用于我们为客户提供的每个内部和外部用例解决方案，"Docebo创始人兼首席执行官Claudio Erba说。
Docebo的执行领导团队预计，收购的技术将大大加强公司在以下战略关键领域的人工智能创新路线图：
拓展Docebo Shape--从客户的特定资源和互联网资源快速自动创建电子学习课程内容
虚拟互动能力--引入提供特定解决方案的人工智能模拟能力，使学习者能够通过实时的人工智能反馈来练习软技能
基于人工智能的技能标签--利用人工智能自动匹配本体，确保各系统之间的一致性，因为各客户的技能本体各不相同
超级个性化的学习者体验--随着人工智能的整合，学习路径可以根据学习者在平台中的内容互动而调整
语义搜索--改进的内容可及性和嵌入式搜索功能有望根据学习者的需求提高搜索结果的可靠性和快速性
聘用关键人才 - Docebo的产品开发团队预计将增加高度专业化的、在生成性人工智能方面具有广泛专业知识的领域专家工程师
"我们一直相信学习行业中生成性人工智能的变革力量。自四年前成立以来，我们一直在以人工智能为核心构建我们的学习管理系统（LMS）。我们的专有架构LearnChain是将GPT语言模型整合到我们的LMS的基础，"Edugo的创始人兼首席执行官Giuseppe Tomasello说。他补充说："现在，随着我们成为Docebo的一部分，我们很高兴能把我们强大的人工智能基础设施带到Docebo，增强人工智能能力，改变整个Docebo LMS（包括Docebo Shape）的互动。我们对这次收购为企业学习的未来带来的机会感到兴奋。整个Docebo团队对在人工智能时代塑造未来学习的愿景和承诺一直给我们留下深刻印象。我们渴望为这一愿景做出贡献，并在这场新的工业革命中为重塑企业提供学习的方式发挥作用。"
作为交易的一部分，Tomasello先生已被任命为Docebo的人工智能副总裁。在这个职位上，他将继续推动Docebo的生成性人工智能路线图，并在这些功能的构建和整合方面提供先发优势。
文章来源：hrtechcube
扫一扫 加微信
hrtechchina
