FactSet：AI變現加速推動 ASV 成長 7.1%，企業合約期限延長 30%
2026 會計年度第三季財報電話會議，2026 年 7 月 1 日
FactSet Research Systems 在 2026 會計年度第三季實現了連續第五個季度的有機 ASV（年度訂閱價值）加速成長，達到 24.8 億美元，成長率為 7.1%。管理層同時透露，企業客戶合約期限在未提供價格讓步的情況下延長了約 30%。此成長加速反映了 AI 變現的實質進展，該季度超過 10% 的 ASV 成長直接歸功於 AI 相關 SKU，且隨著該公司的 Model Context Protocol (MCP) 在各大前沿實驗室平台獲得採用，API 呼叫量較第二季激增了 13 倍。
AI 變現轉化為實質營收成長
FactSet 正展現將 AI 熱潮轉化為實際商業成果的顯著進展。執行長 Sanoke Viswanathan 透露，公司前 50 大客戶中，超過 90% 已使用四項以上的 FactSet AI 解決方案；這些採用 AI 的客戶，其 ASV 成長率比其他客戶群高出 50%。該公司的 MCP 伺服器已吸引 450 家客戶簽署正式合約或進行試用，隨著 FactSet 透過 Anthropic、OpenAI、Google 及 Microsoft 平台提供服務，API 呼叫量較第二季暴增 13 倍。
Viswanathan 提供了 AI 驅動擴張的具體案例。一家前十大銀行因 AI 需求將其 FactSet 數據訂閱量翻倍，而一家領先的避險基金則透過 MCP 交付將支出擴大了六倍。在 FactSet 前 100 大客戶中，超過 20% 已開始為 MCP 付費，這與一年前幾乎為零的 AI 相關營收相比，出現了戲劇性的轉變。更值得注意的是，約 20% 的 MCP 用戶屬於首次存取 FactSet 數據的全新用戶類型，這顯示該公司正將目標市場從傳統金融分析師擴展至更廣泛的領域。
企業協議顯示客戶在不確定性中展現承諾
FactSet 戰略定位最顯著的指標出現在合約續約數據中。第三季續約的 ASV 中，大多數採用企業協議或三年期以上的長期合約，平均合約期限較歷史常態延長了約 30%。關鍵在於，Viswanathan 確認公司在達成這些長期承諾的同時，「在很大程度上維持了定價」，並明確表示「我們並未為了換取合約延長而進行任何價格壓縮」。
這些企業協議反映了從「按席位計價」轉向基於最低承諾的靈活消費模式的根本轉變。這種結構為 FactSet 提供了基礎營收的可見度，同時隨著客戶擴大 AI 工作負載，公司也能獲取上行收益。一家主權財富基金授予 FactSet 一份涵蓋績效、風險與報告的託管服務合約。一家大型全球銀行簽署了為期五年的續約協議，並擴大了包括 Deep Sector 內容在內的服務範圍。為超過 32,000 名顧問提供支援的 LPL Financial，選擇了 FactSet 的即時數據平台用於雲端原生交易應用，取代了原有供應商。
生產力計畫帶來可衡量的效率提升
管理層詳細說明了具體的生產力改進措施，這些措施預計將隨時間推移轉化為利潤率擴張。在工程部門，AI 程式碼編寫代理目前已產出 27% 的承諾程式碼，AI 編寫的程式碼行數較上一季成長近 10 倍。這使得技術人員編制減少了約 10%，並釋放了人力投入戰略產品開發。在數據營運方面，隨著導入完成，數據表提取的作業人員操作時間減少了 50% 以上。併購數據團隊大幅縮短了交易更新的處理時間，而 FactSet Fundamentals 透過整合多個數據管道，使團隊規模縮減了 5% 。
客戶服務數位化也展現了初步成效。第三季約有 4,000 名銀行從業人員使用數位導入工具，減少了顧問的手動工作，並使即時戰略用戶互動次數較上一季成長 22%。這促使初級銀行從業人員的淨推薦值（NPS）提升了 5 個百分點，延續了上一季的成長動能。
Google Cloud 合作夥伴關係擴大分銷與功能
FactSet 本週宣佈與 Google Cloud 建立多維度的戰略合作夥伴關係。此次合作將利用 Google Cloud 的 AI 平台，透過 Google 的企業搜尋、Deep Research API、接地（grounding）及多模態功能，增強 FactSet 的工作站（Workstation）體驗。FactSet 將把金融情報直接導入 Gemini Enterprise，並擴大平台間的 MCP 與代理共享功能。此外，FactSet 將開發使用 Gemini Enterprise Agent 平台的新代理，旨在提升客戶工作流程的效率。
此合作夥伴關係為 FactSet 提供了優惠的 Token 定價、優先存取先進前沿模型，以及用於聯合產品開發的強化基礎設施。管理層認為，Google 的合作關係涵蓋了 FactSet Intelligence 技術堆疊的三個層級：從可信數據生態系統、受控的代理基礎設施，到智慧工作流程。
商業執行力在整個漏斗中展現改善
商業卓越計畫在本季度取得了具體成果。FactSet 重新設計的網站使跳出率降低了 8%，參與度提升了 8%，潛在客戶、行銷合格潛在客戶（MQL）及銷售合格潛在客戶（SQL）均呈現雙位數成長。行銷活動的管道轉換率年增 15%，這些機會的勝率提高了 27%，其中 76% 的新增 ASV 來自新業務。企業、資產所有者及機構資產管理客戶群表現尤為強勁。
7.1% 的有機 ASV 成長較去年加速了超過 250 個基點。成長在所有地區與客戶類型中均呈現廣泛分佈。美洲地區成長 7%，歐洲、中東及非洲（EMEA）成長 5%，亞太地區成長 10%。機構買方有機成長加速至 6%，財富管理成長 10%，交易撮合者成長 9%，市場基礎設施成長 7%。調整後每股盈餘（EPS）成長 6.1% 至 4.53 美元，自由現金流成長 11% 至 2.54 億美元。
新任財務長 Josh Warren 具私募股權背景
Josh Warren 於 4 月加入公司，並完成了他擔任財務長後的首次財報電話會議。Warren 加入 FactSet 時帶來的相關經驗，被管理層認為能有效協助公司進行 AI 轉型。在準備好的發言中，Warren 強調了三個優先事項：FactSet 客戶群的品質、廣度與耐用性；營運槓桿機會；以及在靈活資產負債表支援下的嚴謹資本配置。
Warren 指出，雖然 FactSet 目前大部分經常性營收來自固定訂閱與授權安排，但越來越多比例的營收來自基於活動的計畫，包括日益關鍵的任務工作流程。公司預期，消費導向的定價模式（特別是針對新興的 AI 賦能產品）將隨時間推移成為更重要的成長驅動力。Warren 表示，隨著交付模式的演進，FactSet 可能會審視其報告方式以維持透明度，但他強調有機 ASV 作為同類比較指標，仍將是財務模型的核心。
利潤率壓縮反映投資步調與獎勵提撥
第三季調整後營業利潤率為 34%，較一年前的 37% 下降約 300 個基點，較第二季的 35% 下降 100 個基點。利潤率壓縮反映了在成長計畫與生產力改進方面的刻意投資，且支出如先前指引所述，集中在下半年。重要的是，薪酬相關支出佔年增營業費用約 40%，主要來自與 ASV 加速掛鉤的績效獎勵，而非人員編制成長。事實上，在第一季持平後，FactSet 第三季的總員工人數下降了約 1%。
非薪酬項目佔費用成長的大部分，其中技術支出佔此增幅的三分之一以上。技術支出包含核心基礎設施強化、Token 成本及各項生產力計畫。行銷支出按計畫增加，且專業服務合約正在進行中，以推動未來的營運槓桿。外匯避險計畫從獲利轉為虧損，造成了額外 60 個基點的拖累。
Warren 與 Viswanathan 皆表示，他們看到「擴大利潤率的明確途徑」以及「未來幾季利潤率改善的清晰願景」。公司重申了全年 ASV、營收、營業利潤率及 EPS 的指引範圍，管理層並指出 FactSet 目前正朝著營收與 EPS 指引範圍的高標邁進。針對利潤率，管理層強調將專注於全年指引的中間值，同時保留靈活性，以便在 ASV 持續超預期時，為績效獎勵提供資金。
資本市場情報套件在銀行業獲得採用
FactSet 與 Finster 的合作推出了資本市場情報（Capital Markets Intelligence）代理套件，Viswanathan 將其形容為「投資銀行工作流程的根本性轉變」。資深銀行家現在可以發送電子郵件給代理說明需求，並獲得基於 FactSet 即時數據、可比公司分析與交易先例的見解與成果，過去需要數小時或數天才能完成的工作，現在僅需幾分鐘即可完成。
該公司目前看到「在我們前 100 大銀行客戶中，有超過 30 家正進行活躍或管道中的試用」，顯示該產品獲得強勁的早期參與。FactSet 計畫在未來幾週內，透過 Institutional Research Intelligence 與 Adviser Intelligence 產品套件，將類似功能推廣至買方與財富管理客戶，並輔以與 InSync Analytics、Genios AI 及 TIFIN.AI 的戰略合作。
第四季面臨高基期挑戰，但動能持續
管理層承認 2025 會計年度第四季是 FactSet 歷史上表現最強勁的一季，這創造了具挑戰性的年增比較基期。然而，Viswanathan 指出，進入本會計年度第四季僅一個月，「我們的預訂量已領先去年」，且管道「與去年同期一樣穩健」。目前仍有多筆七位數美元的交易尚未結案，同時還有許多能快速成交的中型市場機會，這使得本會計年度剩餘八週的執行力對最終結果至關重要。
展望本季之後，管理層正為投資人日（Investor Day）做準備，屆時將分享戰略與中期業務計畫。公司將 FactSet Intelligence 架構在三個層級上：包括 FactSet、客戶與第三方數據在內的可信數據生態系統；受控且優化的代理基礎設施；以及為人機混合工作團隊打造的智慧工作流程。Viswanathan 表示，「隨著 AI 重塑金融機構，FactSet 正成為關鍵任務的 AI 基礎設施」，公司正轉型其商業模式，「以在 AI 密集的未來中勝出」。