|
回次 |
第22期 |
第23期 |
第24期 |
第25期 |
第26期 |
|
|
決算年月 |
2019年12月 |
2020年12月 |
2021年12月 |
2022年12月 |
2023年12月 |
|
|
営業収益 |
(千円) |
|
|
|
|
|
|
経常利益 |
(千円) |
|
|
|
|
|
|
親会社株主に帰属する当期純利益又は親会社株主に帰属する当期純損失(△) |
(千円) |
△ |
|
|
|
|
|
包括利益 |
(千円) |
△ |
|
|
|
|
|
純資産額 |
(千円) |
|
|
|
|
|
|
総資産額 |
(千円) |
|
|
|
|
|
|
1株当たり純資産額 |
(円) |
|
|
|
|
|
|
1株当たり当期純利益又は1株当たり当期純損失(△) |
(円) |
△ |
|
|
|
|
|
潜在株式調整後1株当たり当期純利益 |
(円) |
|
|
|
|
|
|
自己資本比率 |
(%) |
|
|
|
|
|
|
自己資本利益率 |
(%) |
|
|
|
|
|
|
株価収益率 |
(倍) |
|
|
|
|
|
|
営業活動によるキャッシュ・フロー |
(千円) |
|
|
|
|
|
|
投資活動によるキャッシュ・フロー |
(千円) |
△ |
△ |
|
△ |
|
|
財務活動によるキャッシュ・フロー |
(千円) |
|
|
|
|
|
|
現金及び現金同等物の期末残高 |
(千円) |
|
|
|
|
|
|
従業員数 |
(人) |
|
|
|
|
|
|
(外、平均臨時雇用者数) |
( |
( |
( |
( |
( |
|
(注)1.「収益認識に関する会計基準」(企業会計基準第29号 2020年3月31日)等を第25期の期首から適用しており、第25期に係る主要な経営指標等については、当該会計基準等を適用した後の指標等となっております。
2.第22期の潜在株式調整後1株当たり当期純利益については、潜在株式は存在するものの1株当たり当期純損失であるため記載しておりません。
3.第22期の自己資本利益率及び株価収益率については、親会社株主に帰属する当期純損失を計上しているため記載しておりません。
4.第26期より非連結決算に移行したことに伴い、第26期より連結財務諸表を作成しておりません。
|
回次 |
第22期 |
第23期 |
第24期 |
第25期 |
第26期 |
|
|
決算年月 |
2019年12月 |
2020年12月 |
2021年12月 |
2022年12月 |
2023年12月 |
|
|
営業収益 |
(千円) |
|
|
|
|
|
|
経常利益 |
(千円) |
|
|
|
|
|
|
当期純利益又は当期純損失(△) |
(千円) |
△ |
|
|
|
|
|
持分法を適用した場合の投資利益 |
(千円) |
|
|
|
|
|
|
資本金 |
(千円) |
|
|
|
|
|
|
発行済株式総数 |
(株) |
|
|
|
|
|
|
純資産額 |
(千円) |
|
|
|
|
|
|
総資産額 |
(千円) |
|
|
|
|
|
|
1株当たり純資産額 |
(円) |
|
|
|
|
|
|
1株当たり配当額 |
(円) |
|
|
|
|
|
|
(うち1株当たり中間配当額) |
( |
( |
( |
( |
( |
|
|
1株当たり当期純利益又は1株当たり当期純損失(△) |
(円) |
△ |
|
|
|
|
|
潜在株式調整後1株当たり当期純利益 |
(円) |
|
|
|
|
|
|
自己資本比率 |
(%) |
|
|
|
|
|
|
自己資本利益率 |
(%) |
|
|
|
|
|
|
株価収益率 |
(倍) |
|
|
|
|
|
|
配当性向 |
(%) |
|
|
|
|
|
|
営業活動によるキャッシュ・フロー |
(千円) |
|
|
|
|
|
|
投資活動によるキャッシュ・フロー |
(千円) |
|
|
|
|
△ |
|
財務活動によるキャッシュ・フロー |
(千円) |
|
|
|
|
|
|
現金及び現金同等物の期末残高 |
(千円) |
|
|
|
|
|
|
従業員数 |
(人) |
|
|
|
|
|
|
(外、平均臨時雇用者数) |
( |
( |
( |
( |
( |
|
|
株主総利回り |
(%) |
|
|
|
|
|
|
(比較指標:東証グロース市場250指数) |
(%) |
( |
( |
( |
( |
( |
|
最高株価 |
(円) |
1,677 |
3,235 |
2,066 |
1,250 |
1,393 |
|
最低株価 |
(円) |
967 |
675 |
904 |
692 |
693 |
(注)1.「収益認識に関する会計基準」(企業会計基準第29号 2020年3月31日)等を第25期の期首から適用しており、第25期以降に係る主要な経営指標等については、当該会計基準等を適用した後の指標等となっております。
2.第26期の持分法を適用した場合の投資利益については、関連会社が存在しないため記載しておりません。
3.第22期の潜在株式調整後1株当たり当期純利益については、潜在株式は存在するものの1株当たり当期純損失であるため記載しておりません。
4.第22期の自己資本利益率、株価収益率については、当期純損失を計上しているため記載しておりません。
5.従業員数は就業人員であり、平均臨時雇用者数(パートタイマー、アルバイト、人材会社からの派遣社員を含む)は、年間の平均人員を( )外数で記載しております。
6.最高株価及び最低株価は2022年4月4日より東京証券取引所(グロース市場)におけるものであり、それ以前は東京証券取引所(マザーズ)によるものであります。
7.第25期までは連結財務諸表を作成しているため、持分法を適用した場合の投資利益、営業活動によるキャッシュ・フロー、投資活動によるキャッシュ・フロー、財務活動によるキャッシュ・フロー及び現金及び現金同等物の期末残高は記載しておりません。
当社は1998年8月に、大阪府吹田市において、現代表取締役であるトーマス・アクイナス・フォーリー及び共同創業者であるフォーリー淳子が、レコメンデーションサービスの提供を目的としてシルバーエッグ・テクノロジー有限会社を設立いたしました。その後、事業基盤の拡大・安定化のため株式会社にて事業展開をするべく、1999年9月にマキシマ・ジャパン株式会社へ営業譲渡を行い、シルバーエッグ・テクノロジー有限会社はシルバーエッグ・ホールディングス有限会社に、マキシマ・ジャパン株式会社はシルバーエッグ・テクノロジー株式会社(以降「旧シルバーエッグ・テクノロジー株式会社」)に商号変更いたしました。マキシマ・ジャパン株式会社は1977年12月に、外食事業を行うことを目的に株式会社大同門として設立し、その後1994年10月に株式会社メイド・ジャパンに商号変更を行い、オンラインデータベースサービスの代理販売事業等を行っておりましたが、1998年6月にマキシマ・ジャパン株式会社に商号変更し休眠会社としていた会社であります。その後、ソフトウエア製品の販売からASPサービスの販売へとサービスの提供方法を転換しており、新たなビジネスモデルで再出発を図ることを目的として、2004年1月に旧シルバーエッグ・テクノロジー株式会社からシルバーエッグ・ホールディングス有限会社に営業譲渡を行い、シルバーエッグ・ホールディングス有限会社はシルバーエッグ・テクノロジー株式会社に、旧シルバーエッグ・テクノロジー株式会社は株式会社ランドネットに商号変更いたしました。なお、当事業年度末現在、当社と株式会社ランドネットにおいて資本関係はありません。
|
1998年8月 |
シルバーエッグ・テクノロジー有限会社を大阪府吹田市に設立 |
|
1999年9月 |
シルバーエッグ・テクノロジー有限会社からマキシマ・ジャパン株式会社にレコメンデーションサービス事業を譲渡 |
|
1999年9月 |
シルバーエッグ・テクノロジー有限会社をシルバーエッグ・ホールディングス有限会社に商号変更 |
|
1999年9月 |
マキシマ・ジャパン株式会社をシルバーエッグ・テクノロジー株式会社(旧)に商号変更 |
|
2000年11月 |
レコメンドソフトウエア製品「アイジェント・ワンツーワン・サーバ」の提供開始 |
|
2003年3月 |
レコメンドサービス「アイジェントASPサービス」をリリース |
|
2004年1月 |
シルバーエッグ・テクノロジー株式会社(旧)からシルバーエッグ・ホールディングス有限会社にレコメンデーションサービス事業を譲渡 |
|
2004年1月 |
シルバーエッグ・ホールディングス有限会社からシルバーエッグ・テクノロジー株式会社(新)に改組 |
|
2005年11月 |
モバイルサイト向けレコメンドサービス「アイジェントASPサービス・モバイル版」をリリース |
|
2006年4月 |
技術開発拠点の設立を目的に、オランダにSilver Egg Technology B.V.を合弁会社として設立 |
|
2008年3月 |
東京オフィスを東京都港区に開設 |
|
2008年3月 |
レコメンドサービス「アイジェントASPサービス・コールセンター版」をリリース |
|
2009年5月 |
東京オフィスを東京都千代田区へ移転 |
|
2012年1月 |
オランダの関連会社Silver Egg Technology B.V.を100%子会社化(非連結) |
|
2012年6月 |
レコメンド広告サービス「ホットビュー」をリリース |
|
2012年12月 |
東京オフィスを東京都千代田区内で移転 |
|
2013年3月 |
「アイジェントASPサービス」を「アイジェント・レコメンダー」に名称変更 |
|
2013年7月 |
韓国に100%子会社Silver Egg Technology Korea(非連結)を設立 |
|
2014年8月 |
リアルタイム・レコメンドメールサービス「アイジェント・レコガゾウ」をリリース |
|
2015年9月 |
韓国100%子会社Silver Egg Technology Korea(非連結)を清算 |
|
2015年12月 |
大阪本社を大阪府吹田市内で移転 |
|
2016年9月 |
東京証券取引所マザーズに株式を上場 |
|
2017年3月 |
AIマーケティング・プラットフォーム「アイジェント・7」をリリース |
|
2017年8月 |
リアルタイム・レコメンドメールサービス「アイジェント・レコガゾウ」の特許を取得 |
|
2017年10月 |
東京オフィスを千代田区内で移転 |
|
2018年8月 |
AIマーケティングツール「プロスペクター」をリリース |
|
2018年11月 |
香港に100%子会社Silver Egg Technology Asia Limited(非連結)を設立 |
|
2019年2月 |
香港子会社Silver Egg Technology Asia Limitedに増資し、非連結から連結子会社へ変更 |
|
2019年6月 |
オランダ100%子会社Silver Egg Technology B.V.(非連結)を清算 |
|
2021年6月 |
AIパーソナライゼーション・プラットフォーム「アイジェント・エックス」をリリース |
|
2022年4月 |
東京証券取引所の市場区分の見直しにより、東京証券取引所のマザーズからグロース市場に移行 |
|
2023年7月 |
香港100%子会社Silver Egg Technology Asia Limitedを清算 |
当社は、AI(人工知能)技術をベースにしたレコメンド技術(※1)及びそれをベースとしたマーケティング・サービスを提供する事業を行っております。
現在、スマートフォンといった携帯型情報デバイスの普及により、インターネットは、私たちの生活に欠かせないものとなっております。それに伴い、企業活動においても、インターネットを使ったマーケティング活動はこれまで以上に大きな重要性を占めております。このような背景の中、インターネットを利用して商業サイトを営む企業経営者の最大の課題は、いかにして多様な顧客の満足を得て、リピート需要を喚起し、売上の増加を図るかということにあります。従来のマーケティングにおいては、性別、年齢による人口統計的な分類をベースとした分析が主流でありましたが、それでは、インターネット上で刻々と変化する顧客の嗜好やニーズに対応することができず、売上に結びつけることが困難でした。そこで、より個別レベルにおける顧客の好みに応じたコンテンツ(商品や情報など)を個別顧客へ提供する手法として、レコメンデーションというマーケティング手法が注目を集めております。
この新たな手法はパーソナライゼーション(※2)の中の具体的な手法の一つと考えられており、顧客のウェブサイト上やPOSなどのチャネルから閲覧や購買といった顧客行動をデータとして取り込み、AI(人工知能)技術を用いて、自動的に個別顧客の次の行動を予測し提示することで、その顧客が欲している商品や情報を手間をかけずに取得し、大きな顧客満足の提供を可能にするものです。
当社は、顧客企業が自らの顧客を知り、顧客に対して最大の価値をすべてのタッチポイント(※3)においてリアルタイムで提供できるように、AI(人工知能)技術をベースに企業のマーケティングを支援する事業を行っております。
当社の主なサービスの特徴は、レコメンドエンジン「アイジェント」の活用によるリアルタイム解析とパーソナライズ・ターゲティングであります。当社の主な顧客は、オンライン上で複数の商品や情報を扱うECサイト(※4)運営企業、ウェブサービス企業となっております。
レコメンドエンジン「アイジェント」について
当社の「アイジェント・レコメンダー」をはじめとする各種サービスには、リアルタイム解析を実現した当社独自開発のレコメンドエンジン「アイジェント」が採用されております。レコメンドエンジンは、有効な推奨をするために、有能なセールスマンが個別顧客とのやり取りからその顧客の嗜好を記憶しているように、その個別顧客が過去に行った閲覧履歴や購買履歴等といった行動データを記憶し、学習することにより効果的な推奨を行います。
レコメンド結果を算出するために大量のデータが使われるため、多くのレコメンドエンジンは、日に1度ないし2度定期的なバッチ処理(※5)での解析結果をレコメンド結果として表示しております。しかしながら、これでは、発売されたばかりの新商品がおすすめとして表示されない、また在庫切れの商品があってもおすすめ表示されてしまい、購買機会の喪失を招くことがありました。当社のレコメンドエンジン「アイジェント」では、リアルタイムの解析を実現し、ユーザーが今見ているものに対する最適な商品やコンテンツの表示を可能にしました。
当社の事業は、レコメンデーションサービス事業の単一セグメントであるため、セグメント別の記載は省略をしておりますが、当社が提供している主なサービスの概要は以下のとおりであります。
「アイジェント・レコメンダー」
人工知能と高等数学を組み合わせた当社独自開発のロジックによるリアルタイム・レコメンドサービスであり、当社の主力サービスであります。サイトに訪れるユーザーの行動データをリアルタイムに取得・解析して、その時点における各ユーザーの嗜好に合わせたおすすめ商品やコンテンツを顧客のサイトやアプリ内といった様々なタッチポイントで表示することができるサービスであります。また、独自のリアルタイム・ユーザー動線分析技術により、単純な商品軸のレコメンデーションに比べ、より一人一人の嗜好に合わせたレコメンデーションが可能になっております。
当社の提供する管理画面とリリース後のレポーティングサービスにより、費用対効果を明確にすることができます。また、成果報酬型料金体系を採用しており、当該料金体系では顧客企業は本サービスから成果が上がった部分に対してのみ料金を支払うため、導入しやすく顧客の増加に繋がっております。成果報酬型料金体系の他にも、顧客企業の様々なニーズにこたえるために、ページの表示回数に応じたPVベース型料金体系も用意しております。
「アイジェント・レコメンダー」の特長:
・機械学習技術をベースにしたアルゴリズム(※6)
・レコメンドデータのリアルタイム生成
・スケーラビリティ(※7)への対応
・きめ細やかな導入後のサポート
・多様なウェブサイトに合わせた設定が可能なレコメンドタイプ
「レコガゾウ」
「アイジェント・レコメンダー」のオプションサービスでもあるリアルタイム・レコメンドメールサービス「レコガゾウ」は、配信するHTMLメール(※8)内にタグ(※9)を設置することで、ユーザーがメールを開封した時点で、そのユーザーの嗜好にマッチしたレコメンド結果をリアルタイムで抽出して表示することができるサービスであります。従来のレコメンドメールでは、あらかじめレコメンドエンジン側で抽出したレコメンド結果をメール配信システムに連携させるシステムを作る必要があるために導入ハードルが高いものになっており、またそのためリアルタイムの配信ができずに、レコメンドメールで表示した時点では在庫切れであったというようなタイムラグも課題となっておりました。「レコガゾウ」では、これらの導入ハードルの高さとタイムラグなどの問題を解消し、より簡単に、よりリアルタイム性の高いレコメンドメールを実現するものであります。
本サービスの基本的な課金体系は、配信リクエスト数に応じた従量課金体系であります。
「ホットビュー」
「アイジェント・レコメンダー」に使用されているレコメンドエンジンを使用したレコメンド広告サービスであります。通常のディスプレイ広告では誰にでも同じ広告が表示されますが、レコメンド広告では、広告を見ているユーザーのニーズに合致するであろう商品が広告として動的に表示されます。これにより、サイト運営者としては、自社のサイトに興味を持つであろうユーザーを自社サイトにより効果的に誘導することができ、その結果、購入や問い合わせ、資料請求などの購買に繋がる行動をより効果的に誘導できると考えております。
本サービスは、他社のDSP(※10)サービスと連携して利用することが可能であります。個別ユーザーの嗜好に合わせたレコメンド広告バナーを生成できる機能とDSPサービスの持つターゲティング機能を組み合わせ、さらに効果的にインターネット広告によるターゲティングの精度を高めることができると考えております。
本サービスの課金体系は、成果報酬型料金体系のほか、広告リクエスト数に応じた従量課金方式があります。
「プロスペクター」
購買履歴などのユーザーの行動データを取得・解析し、特定商品に対して好感を持ちそうなユーザーを抽出する商品見込み顧客抽出サービスであります。
従来の不特定多数に配信する広告はコストがかさむだけでなく、好みに合わない商品広告を押し付けられる顧客にとっては、逆にブランドへの不信感や離反を生み出す原因となっておりました。「プロスペクター」は、実績ある「アイジェント・レコメンダー」の機械学習技術とノウハウを発展的に活用することで、従来の年齢、性別といったセグメント分析とは異なる、ユーザー個人の嗜好に基づく分析を行うことで、アウトバウンド広告のエリアにおいても高精度パーソナライゼーションを実現いたしました。
本サービスはSaaS形式で提供され、システム構築の手間なくすぐに利用できます。キャンペーン配信機能とレポート機能を備えており、ユーザーの分析からプロモーションの実行、評価までを一貫して提供いたします。
本サービスの基本的な課金体系は、プランに応じた固定料金体系であります。
[事業系統図]
用 語 解 説
※1 レコメンド技術
オンラインショップなどで、利用者の好みにあった物品やサービスを推薦するための技術・手法。ショップの利用者の購入履歴や行動履歴等の情報を分析し、適切な物品やサービスを絞り込んで推薦し、売り上げを高めるのがねらい。
※2 パーソナライゼーション
顧客のウェブ閲覧行動、購買行動などの情報を基に、その顧客に最適な情報を提供すること。またはその技術。
※3 タッチポイント
企業やブランドと顧客とのすべての接点のこと。企業やブランドについて顧客に何らかの印象が残るあらゆる接点が当てはまる。従業員のみでなくウェブサイト、スマートフォン、コールセンター、タブレット、広告など顧客がブランドに接するメディアも含まれる。
※4 ECサイト
インターネット上で商品等を販売するウェブサイト。
※5 バッチ処理
一定期間(もしくは一定量)データを集め、まとめて一括処理を行う処理方式。
※6 アルゴリズム
求める解を導き出すための処理手順のこと。数学的には「算法」「数学モデル」と訳される。ソフトウエアのプログラムは、プログラミング言語で記述されたアルゴリズムの一つである。
※7 スケーラビリティ
拡張性のこと。コンピュータ等システムの規模や能力を、状況や要求に応じて柔軟に対応できる適応力のことを指す。
※8 HTMLメール
HTML(HyperText Markup Language)は、ウェブページの記述やレイアウトに用いられるマークアップ言語をいい、HTMLメールとは、電子メールの本文をHTMLで記述したものを指す。マークアップ言語とは、文書の一部を「タグ」と呼ばれる特別な文字列で囲うことにより、文章の構造や、修飾情報を、文章中に記述していく記述言語をいう。
※9 タグ
コンピュータで扱う文書(テキストデータ)中に埋め込む特殊な記号や文字列のこと。デザイン、レイアウト、論理構造、意味を記述する。主にHTMLやXMLといったマークアップ言語で用いられる。
※10 DSP
デマンドサイドプラットフォーム(Demand-Side Platform)の略。オンライン広告において、広告主(購入者)側の広告効果の最大化を支援するツールのこと。広告枠の買い付けや配信、クリエイティブ分析(広告の認知・表現要素等の分析)までを自動で行い、最適化を行う。
該当事項はありません。
なお、海外子会社Silver Egg Technology Asia Limitedにつきましては、2023年7月7日に清算結了しております。
(1)提出会社の状況
|
|
|
|
|
2023年12月31日現在 |
|
従業員数(人) |
平均年齢(歳) |
平均勤続年数(年) |
平均年間給与(円) |
|
|
|
( |
|
|
|
(注)1.従業員数は就業人員であり、臨時雇用者数(パートタイマー、アルバイト、人材会社からの派遣社員を含む)は、年間の平均人員を( )外数で記載しております。
2.平均年間給与は、賞与及び基準外賃金を含んでおります。
3.当社の事業は、「レコメンデーションサービス事業」の単一セグメントであるため、セグメント別の記載は省略しております。
(2)労働組合の状況
当社の労働組合は結成されておりませんが、労使関係は安定しております。
(3)管理職に占める女性労働者の割合、男性労働者の育児休業取得率及び労働者の男女の賃金の差異
当社は、「女性の職業生活における活躍の推進に関する法律(平成27年法律第64号)」及び「育児休業、介護休業等育児又は家族介護を行う労働者の福祉に関する法律(平成3年法律第76号)」の規定による公表義務の対象ではないため、記載を省略しております。