Amplitude, Inc. Class A Common StockAMPL
Recorded

Amplitude, Inc. Class A Common Stock 2025 Q4 Earnings Call

Review the key takeaways and the transcript of this earnings call.

PeriodQ4 2025Duration1 hr 5 minParticipants14

Transcript

Preview the first five paragraphs, organized by speaker.

John StreppaHead of Investor Relations

여러분, 안녕하세요. 암플리튜드의 2025년 4분기 및 연간 실적 발표 콜에 오신 것을 환영합니다. 저는 투자자 관계 책임자 존 스트레파이며, 오늘은 암플리튜드의 CEO 겸 공동창립자인 스펜서 스케이츠와 최고재무책임자 앤드류 케이시가 함께하고 있습니다. 오늘 콜에서는 경영진이 2026년 1분기 및 연간 재무 전망, 제품 성과 예상, 분기별 및 장기 성장, 투자, 전반적인 향후 전망 등과 관련된 미래 예측성 발언을 할 예정입니다. 이러한 미래 예측성 발언은 현재의 정보, 가정 및 기대를 기반으로 하며, 당사의 통제를 벗어난 위험과 불확실성에 의해 실제 결과가 여기서 설명된 내용과 실질적으로 다를 수 있습니다. 실제 결과에 차이를 가져올 수 있는 위험요인에 대한 추가 정보는 미국 증권거래위원회(SEC)에 제출된 당사의 공시 자료에 포함되어 있습니다.

John StreppaHead of Investor Relations

여러분께서는 이러한 미래 예측성 발언에 과도한 의존을 하지 않도록 주의해 주시기 바라며, 법률에 의해 요구되는 경우를 제외하고 오늘 콜 이후에는 이를 업데이트할 의무가 없음을 알려드립니다. 오늘 콜에서 사용되는 일부 재무 지표는 비GAAP(일반회계기준 미준수) 방식으로 표현되었습니다. 당사는 재무 및 사업 동향 분석과 내부 계획·예측을 용이하게 하기 위해 이러한 비GAAP 재무 지표를 내부적으로 활용하고 있습니다. 비GAAP 재무 지표는 한계가 있으므로 GAAP에 따라 작성된 재무정보를 대체하거나 단독으로 사용해서는 안 됩니다. 이 비GAAP 재무 지표에 대한 추가 정보와 GAAP 및 비GAAP 재무 지표 간의 조정 내용은 당사 투자자 관계 웹사이트 investors.amplitude.com에서 보실 수 있는 보도자료와 보충 재무 정보에 포함되어 있습니다. 이제 스펜서에게 마이크를 넘기겠습니다.

Spenser SkatesCEO

여러분, 안녕하세요. 암플리튜드의 2025년 4분기 및 연간 실적 발표 콜에 오신 것을 환영합니다. 오늘 저는 세 가지 사항에 대해 말씀드리겠습니다. 첫째, 견고한 4분기 실적과 엔터프라이즈 부문에서의 진전입니다. 둘째, 인공지능(AI)이 분석 수요를 어떻게 견인하는지와 이를 위한 당사의 전략입니다. 셋째, 새 AI 에이전트가 실제로 어떻게 작동하는지와 고객 사례에 대한 조명입니다. 4분기는 암플리튜드 역사상 가장 강력한 분기 중 하나입니다. 4분기 매출은 9,140만 달러로 전년 동기 대비 17% 증가했으며, 매출 가이드 상단을 초과했습니다. 연간 반복 매출(ARR)은 3억 6,600만 달러로 전년 대비 17% 상승했고, 전분기 대비 1,800만 달러 증가했습니다. 이는 2021년 이후 가장 높은 순 신규 ARR 분기였습니다. Non-GAAP 영업이익은 420만 달러로, 매출의 4.6%에 해당했습니다.

Spenser SkatesCEO

ARR이 10만 달러 이상인 고객 수는 698명으로 전년 대비 18% 증가했습니다. 25개 이상의 AI 기업들도 이제 10만 달러 이상의 고객군에 포함되어 있습니다. 이번 분기는 균형 잡힌 실행이 특징이었습니다. 단일 계약이 100만 달러를 초과하지는 않았지만, 다중 제품 및 10만 달러 ARR 신규 고객 수는 역대 최고를 기록했습니다. AI와 우리의 전략에 대해 더 말씀드리고자 합니다. 지난 1년간 Anthropic, OpenAI, Cursor 등으로부터 나온 AI 코딩 어시스턴트가 개발 주기를 대폭 단축시켰습니다. 기업들이 신제품을 출시하는 속도가 더욱 빨라졌습니다. 소프트웨어를 이렇게 쉽게 개발할 수 있게 되면서, 팀들이 기능을 출시하는 속도와 그 기능이 제대로 작동하는지 학습하는 속도 사이에 격차가 생겼습니다.

Spenser SkatesCEO

이는 제품 개발 주기의 오른쪽, 즉 사용 및 학습 측면에 집중하는 압박으로 이어집니다. 사용자가 어떻게 행동하는지, 무엇이 효과적이고 무엇이 효과적이지 않은지, 그리고 다음에 어떤 조치를 취해야 하는지 이해하는 것이 병목 현상이 됩니다. 제한 요소는 더 이상 어떻게 만드는지가 아니라, 대신 무엇을 만들어야 하는지를 아는 것입니다. 이것은 오늘날 소프트웨어 분야에서 가장 어려운 문제입니다. 제가 이렇게 말씀드리는 이유는 개발자들과 그들의 AI 어시스턴트가 여러 데이터 스트림을 결합하는 컨텍스트 시스템을 필요로 하기 때문입니다. 이들은 구조화된 행동 데이터, 정확한 유지 및 유입 로직, 그리고 AI가 효과적으로 추론할 수 있도록 하는 적절한 분석 도구가 필요합니다. AI는 그런 시스템과 반복적으로 상호작용하며, 가설을 테스트하고, 쿼리를 개선하며, 근본 원인을 파악하고, 정확하고 반복적으로 조치를 추천할 수 있어야 합니다.

FULL TRANSCRIPT

Continue the full translated transcript in StockNow.

Log in to unlock every statement, the English original, and speaker-by-speaker history.

Log in for the full transcript

Explore more earnings calls.

View earnings calendar