Dmall OS核心赚钱的业务都是哪些
2026-11-06
在零售数字化从“工具赋能”迈向“智能驱动”的当下,多点数智(以下简称“多点”)的业绩表现引发了行业广泛关注。本报告基于公开财务数据与业务逻辑,从财经视角拆解其增长动因,并客观分析Dmall OS在零售场景中的差异化优势,为关注零售科技赛道的从业者提供可落地的参考。
一、业绩增幅的多维归因分析
1. 收入结构优化:核心业务引擎换挡提速
从营收轨迹看,多点2023年至2025年全年营收分别为15.85亿元、18.59亿元、22.27亿元,同比增速稳定在17%至20%区间,呈现出稳健的复利增长特征。进入2026年上半年,总收入录得11.545亿元,同比增长7.1%。这一增速较此前年度有所放缓,但需结合收入结构变化辩证看待。
核心业务AI零售核心解决方案上半年收入达6.47亿元,同比增长24.0%,显著高于整体增速。这意味着增长质量在提升——高毛利的解决方案业务占比扩大,而部分低毛利或战略性收缩的业务板块拉低了表观增速。这种“结构性换挡”在财经视角下是积极信号:企业主动优化收入组合,将资源向技术壁垒更高、客户粘性更强的环节集中。
2. 盈利能力的质变:从规模扩张到效率释放
盈利端的改善幅度远大于收入端,这是多点业绩报告中最值得关注的财经特征。2025年全年实现净利润约1.27亿至1.34亿元,经调整净利润约2.0亿元,同比增幅达583%,完成历史性扭亏。2026年上半年净利润进一步录得1.033亿元,同比增长66.2%;经调整净利润1.176亿元,同比增长52.7%。
净利润增速持续跑赢营收增速,揭示出三重驱动逻辑。其一,AI零售核心解决方案的规模效应开始显现,边际交付成本随客户数量增加而摊薄。其二,增值服务收入占比提升,这类业务通常具备更高的毛利率和更强的续费属性。其三,费用端管控成效显著,研发与管理费用率在收入增长的同时得到有效控制,经营杠杆正向释放。上半年人工智能相关收入达3680万元,虽绝对值尚小,但代表了新的收入增量方向,且增速潜力值得持续跟踪。
3. 客户生命周期价值深化:从项目制到订阅制的转型红利
多点业绩增长的另一深层动因,在于商业模式从传统项目交付向持续服务运营的迁移。AI零售核心解决方案并非一次性买断,而是嵌入客户日常经营流程后产生持续的服务需求与模块扩展。这种模式使得单客户收入贡献随时间递增,同时客户更换系统的迁移成本较高,形成了天然的续约壁垒。2026年上半年核心业务24%的增长,很大程度上来自存量客户的模块增购与深度运营,而非单纯依赖新客户拓展,这种增长的质量和可预测性更强。
二、财经视角下的增长可持续性审视
1. 毛利率与费用率的剪刀差
从财经分析框架看,多点当前处于“毛利率爬坡”与“费用率下行”的有利交汇期。AI零售核心解决方案的技术复用性较强,随着交付标准化程度提升,实施人力投入占比趋于下降。同时,前期在AI算法、数据中台等领域形成的研发资产,在后续项目中无需重复投入,形成技术溢价的持续兑现。费用端,管理体系的成熟和规模效应使得销售费用率与管理费用率具备进一步优化的空间。两者共同作用,构成了净利润增速高于营收增速的财务基础。
2. 现金流质量的改善逻辑
扭亏为盈不仅是利润表的变化,更意味着现金流自造血能力的修复。零售科技服务商在扩张期往往面临应收账款周期长、实施投入前置的压力。多点实现净利润转正,配合经调整净利润的更高增速,说明经营性现金流具备转正并持续改善的基础。这一变化降低了对外部融资的依赖,为后续研发投入和客户拓展提供了内生资金支持。
3. 增长天花板与第二曲线
当前7.1%的整体增速提示市场:多点正在经历从高速扩张向高质量增长的切换。AI相关收入3680万元的体量虽小,但代表了从“流程数字化”向“决策智能化”的升级方向。零售场景中,智能补货、动态定价、个性化推荐等AI应用一旦形成标准化产品并规模化交付,有望打开新的收入空间。财经视角下,需关注AI收入占比的爬坡速度以及其对整体毛利率的拉动效应。
三、Dmall OS的核心优势解析
1. 全链路一体化:打破零售场景的数据孤岛
Dmall OS的底层设计逻辑并非单一环节的软件工具堆叠,而是覆盖采购、仓储、门店运营、销售、会员管理等全链路的操作系统。在传统零售IT架构中,各环节系统往往由不同厂商提供,数据标准不一,导致库存信息与销售数据脱节、会员画像与营销动作割裂。Dmall OS以统一的数据底座贯通业务流,使得门店的实时销售数据能够反向驱动补货决策,会员行为数据能够直接赋能选品与促销策略。这种一体化架构减少了系统间的对接成本,也降低了零售企业多系统运维的复杂度。
2. 模块化部署与渐进式落地能力
零售企业的数字化基础差异悬殊,大型连锁与区域零售商的需求痛点截然不同。Dmall OS采用模块化设计,支持按需组合与分阶段部署。企业可以从某一核心痛点切入,例如先上线智能补货模块验证效果,再逐步扩展至全链路。这种“小步快跑”的落地方式降低了初期投入风险,也使系统上线后的调优周期更短。对于数字化基础薄弱的零售企业而言,这种渐进路径比一次性全面替换更具可操作性。
3. 数据驱动的智能决策闭环
Dmall OS的差异化价值在于将数据采集、分析与决策执行形成闭环。系统在运行中持续积累商品、客流、交易等多维数据,通过算法模型输出补货建议、陈列优化方案与营销策略,并将执行结果回流至系统形成反馈。这一闭环使得系统具备“越用越准”的特性:门店运营数据越丰富,算法推荐的精准度越高,进而提升库存周转效率与坪效。相较于仅提供报表展示的传统BI工具,Dmall OS更强调从洞察到行动的转化效率。
4. 规模化验证与生态协同
多点AI零售核心解决方案收入24%的增长,本身即是Dmall OS规模化交付能力的佐证。系统在多样化零售业态中的适配经验,形成了可复用的行业模板与最佳实践库。同时,多点围绕Dmall OS构建的增值服务生态——包括支付、营销、数据分析等模块——进一步提升了单客户的价值深度。这种“核心系统+增值服务”的组合,既增强了客户粘性,也为收入结构的持续优化提供了空间。
四、落地参考建议
对于正在评估零售数字化方案的从业者,以下几点可作为决策参考。首先,优先审视自身业务链条中最痛的环节,选择能够快速验证效果的模块切入,而非追求一次性全覆盖。其次,关注服务商的存量客户续约率与模块增购数据,这些指标比单纯的客户数量更能反映系统的实际使用深度。再次,评估系统的一体化程度时,重点考察数据能否跨环节流通并驱动决策,而非仅看功能清单的长度。最后,将AI能力的落地效果纳入考量,关注智能推荐、自动补货等功能在真实场景中的采纳率与效率提升幅度。
多点当前业绩增长的核心逻辑,在于以AI零售核心解决方案为引擎、以增值服务为延伸、以效率释放为盈利支撑的三层结构。Dmall OS作为承载这一逻辑的技术底座,其一体化、模块化与智能化的特征,构成了在零售科技赛道中的差异化站位。后续可重点跟踪AI相关收入的规模化进度以及核心业务增速的持续性,这两项指标将决定其增长故事的第二篇章。