阿里云生态日沙龙权益申请规则

简介: 为合作伙伴创造更多商机及销售转化,提升合作伙伴在云市场的GMV,云市场招募合作伙伴合办线下沙龙。具体规则如下文。

阿里云生态日沙龙申请及落地规则

一、目标:
为合作伙伴创造更多商机及销售转化,提升合作伙伴在云市场的GMV。

二、描述:
1、名称:阿里云生态日之*沙龙,以大品牌带动ISV品牌提升及销售转化;
2、主办方:阿里云市场;联合主办:ISV(1-4)家,限量申请并筛选;

三、合作伙伴收益:
1 品牌:借用阿里云生态品牌来提升自有品牌和转化;
2 讲师:阿里云输出1-2位专家提供演讲,帮助提高活动内容及转化;
3 商机:在阿里云官网进行活动招募,帮助服务上引流;
4 场地:可以协调阿里云办公场地;
5 宣传:云市场协同宣传。
6 线下活动体系,降低在云市场的转化门槛(云市场标准活动背景板、PPT、活动页面等);
7 现金奖励:(二选一)
1)会后3个月非子账号GMV超20万奖励5000元场地费(限场地费、餐费等,凭会议时间段发票报销)
2)阿里云云产品收入单场超过20万(会后2个月内)奖励5000元场地费(限场地费、餐费等,凭会议时间段发票报销)

四、合作伙伴分工:
1、 沙龙策划、会务(包括不限于场地布置、物料设计及制作、招募、嘉宾沟通、接待、客户转化等);
2、 招募来宾;
3、 对参会者会前、会中及会后进行转化,并完成既定业务目标;

五、申请方式:
填写附件报名表格发邮件到mkt.marketing@list.alibaba-inc.com申请

六、其他活动合作方式
如有其他行业大会及活动,欢迎合作伙伴与云市场探讨合作方式。可联系@念想,18618194588

目录
相关文章
|
5G 网络性能优化 调度
NR 整体架构 | 带你读《5G 空口设计与实践进阶 》之八
每一代移动通信系统,其标志性的技术特征主要在于全新的空口技术。在深入讨论 NR 空中接口的底层设计前,有必要先认识和掌握 NR 无线接口架构。这节主要介绍 NR 的整体架构。
NR 整体架构 | 带你读《5G 空口设计与实践进阶 》之八
|
消息中间件 缓存 监控
ELK搭建(八):搭建PostgreSQL性能、运行效率监控平台
PostgreSQL作为一款免费、开源、企业级的关系数据库,被越来越多的企业所青睐,上一章我们讲解了如何搭建一个实时监控PostgreSQL慢日志、错误日志的平台,但是针对PostgreSQL的运行性能还无法监控,生产环境中,特别是构建了数据库集群后,我们常常需要了解到各个数据库的运行情况、性能效率等, 这样才能为我们数据库优化、性能优化提供更有力的保障
629 0
ELK搭建(八):搭建PostgreSQL性能、运行效率监控平台
|
Oracle Java 关系型数据库
输入java -version 命令行没反应的简单解决办法【亲测有效】
输入java -version 命令行没反应的简单解决办法【亲测有效】
1392 0
|
安全 测试技术 网络安全
SAAS测试
测试。SAAS测试
2374 0
SAAS测试
|
开发框架 Java 应用服务中间件
一文带你深入理解SpringBean生命周期之PostConstruct、PreDestroy详解
一文带你深入理解SpringBean生命周期之PostConstruct、PreDestroy详解
970 0
一文带你深入理解SpringBean生命周期之PostConstruct、PreDestroy详解
|
固态存储
Native PCIe Enclosure Management (NPEM)介绍
Native PCIe Enclosure Management (NPEM)介绍
2200 0
Native PCIe Enclosure Management (NPEM)介绍
|
存储 数据采集 人工智能
数据中台的智能进化—阿里巴巴十二年数据平台发展历程
从2016年诞生起,“中台”概念就一路火热至今,对互联网与金融行业数字化转型产生了极为深远的影响。 作为“中台”概念的提出者和先行者,阿里巴巴用12年的实践探索了中台能力建设和数据应用。在不断升级和重构的过程中,阿里巴巴的中台建设经历了从分散的数据分析到数据中台化能力整合,再到全局数据智能化的时代。
10698 8
数据中台的智能进化—阿里巴巴十二年数据平台发展历程
|
机器学习/深度学习 自然语言处理 大数据
INTERSPEECH 2022论文解读|Paraformer: 高识别率、高计算效率的单轮非自回归端到端语音识别模型
近年来,随着端到端语音识别的流行,基于 Transformer 结构的语音识别系统逐渐成为了主流。然而,由于 Transformer 是一种自回归模型,需要逐个生成目标文字,计算复杂度随着目标文字数量而呈线性增加,限制了其在工业生产中的应用。
2019 0
INTERSPEECH 2022论文解读|Paraformer: 高识别率、高计算效率的单轮非自回归端到端语音识别模型
|
机器学习/深度学习 算法框架/工具 Python
机器学习(二)深度学习实战-使用Kera预测人物年龄
我们的任务是从一个人的面部特征来预测他的年龄(用“Young”“Middle ”“Old”表示),我们训练的数据集大约有19906多张照片及其每张图片对应的年龄(全是阿三的头像。。。),测试集有6636张图片,首先我们加载数据集,然后我们通过深度学习框架Keras建立、编译、训练模型,预测出6636张人物头像对应的年龄
515 0
机器学习(二)深度学习实战-使用Kera预测人物年龄
|
监控 JavaScript 机器人
Hubot 实战 | 学习笔记
快速学习 Hubot 实战
744 0