阿里巴巴
阿里云智能-商业技术工程师(公共云Maas方向）-深圳
阿里云智能-商业技术工程师(公共云Maas方向）-深圳
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公大客户销售
大客户销售
Ai商业化
Maas
To B销售
云计算
商务谈判
大模型(Llm)
客情维护
客户开拓
解决方案架构
值不值得投
70综合评分
综合评分 70
前沿AI商业化销售岗，技术成长性强、业绩激励明确，但工作节奏快、生活平衡度一般
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
比大客户销售中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3620 个在招 · 其中大客户销售 86 个
市场机会
选择面较广
深圳 · 大客户销售 · 约 170 个在招
职位详情
关于这个职位
负责阿里云MaaS产品的市场开拓与客户商机挖掘，深度理解客户行业痛点并匹配AI解决方案
主导从需求沟通、方案讲解到商务谈判及合同落地的全流程销售工作，推动模型调用量与业务收入增长，同时维护客情关系并提供全生命周期客户服务
最低要求
教育背景：
本科及以上学历，计算机、人工智能、理工类，数据科学、商科或相关领域优先
有MAAS相关销售经验，专业不限
● 工作经验：
有MAAS相关领域的To B销售或售前相关工作经验（大厂AI应用、AI 2B行业应用、AI 2C应用等）
有saas软件等相关行业，To B销售或售前、客户成功相关工作经验
AI native 公司创业经历，运营、商业化、产品经理、销售经验等
● AI MaaS销售能力：
熟悉并在工作中日常高频使用主流LLM和多模态大模型，持续追踪并了解大模型、智能体（Agent）框架及行业动态
熟悉模型prompt和vibe coding者优先
深入理解AI 大模型和MaaS服务的商业模式，能清晰向客户传递模型即服务的价值，了解AI大模型市场格局、及各行业的AI应用场景，能与客户就业务场景，商业模式等进行深入交流和对话
具备引导客户从概念验证（POC）到商业落地的全流程销售能力，包括需求挖掘、方案匹配、定价谈判、合同推进等，能有效协同解决方案架构师与产品团队，将客户业务痛点转化为可落地的MaaS使用场景
● 云业务经验：熟悉云和AI 基础设施产品（如服务器，GPU，MaaS、RAG、Agent等），有相关云服务销售，业务咨询，业务运营等相关性经验
● 职业素养：具备快速学习能力，以客户为中心，结果导向，自我驱动，对AI技术创新充满热情，能在快速变化的市场中灵活应对并持续创造价值
● 商业敏锐度：理解Token商业模式，可以通过阿里的产品帮助客户扩大业务规模
工作职责
AI 客户开拓与商机挖掘：
● 新客户开拓及覆盖：负责AI原生及新兴增长赛道的市场机会识别及快速、敏锐判断，通过各种渠道开拓新客户，或挖掘现有客户的maas产品和技术需求，形成有效商机
● 客户业务理解及需求挖掘：深度理解客户所在行业，了解客户商业模式和业务流程，能够进行业务分析，解构客户生产链路及对应的痛点，挖掘有效AI切入场景,找到双方合作机会点
● 驱动Token价值挖掘与跃迁： 推动标准化AI产品、平台及Agent类应用的推广，通过深入挖掘客户使用场景，驱动模型调用量（Token）实现跨越式增长，为客户提供价值
● 建立组织客情：能与客户业务负责人对话，维护好关键决策点的客情关系，协调我司管理层和客户建立连接，作为“铁三角”的导演，进行良好的内部项目协调
与客户各层级建立长期的业务和技术关系，赢取客户信任，在合作中获得关键性支持
AI 价值传递与场景共创
● 理解阿里云MaaS产品及市场产品的差异化：深入理解阿里云MAAS产品的技术价值及适用场景，了解国内外市场先进模型特点及阿里云的差异化竞争优势，能够根据客户需求初步制定模型、应用及方案的匹配
● 独立面向客户讲解业务解决方案：针对客户特定场景业务需求，独立面向客户讲解阿里云业务解决方案，清晰的传递阿里云竞争力以及能够为客户创造的业务价值
AI 客户商务转化策略与业务收入
● 促进客户决策及商机转化：能摸清并影响客户决策链路，制定应对商务方案，运用销售策略，转化商机，达成业绩，实现与客户的双赢
对AI MaaS业务的Token用量和收入增长负责
● 客户运营和管理：作为第一责任人，从商机获取、客户交流、招投标商务流程管理、客户交付及问题解决，到内部产研、财税法等支撑部门有效协同，整合内外部资源，识别管理风险点，做好精细化运营和项目落地
持续做好客户服务与市场洞察
● 客户全生命周期的业务支持：持续做好客户服务，及时解决客户问题，提高客户满意度
● 竞对与趋势研究，推动产品反向优化：主动研究市场动态及竞对产品优劣，理解与阿里云的产品差异化优势，结合用户体验，持续输出产品优化建议，推动内部产品解决方案和流程体系的改进
AI 洞察
优缺点分析
优点
- 身处AI商业化爆发期，直接接触最前沿的大模型与Agent技术，技术视野开阔
- 依托头部云平台背书，客户资源丰富且品牌溢价高，利于积累高质量To B人脉
- 绩效导向明确，高业绩转化带来可观的奖金与晋升空间
- AI技术迭代极快，需持续高强度学习以保持专业竞争力
- 适合具备扎实To B销售经验、对AI技术有浓厚兴趣且抗压能力强、结果导向型的求职者
缺点 / 挑战
- To B销售周期长、决策链复杂，面临较大的业绩考核与回款压力
- 需频繁协调内部多部门资源，跨团队沟通成本较高
角色解读
- 可向阿里云生态资深销售专家或行业解决方案总监方向发展
- 积累深厚客户资源后，可转型为区域业务负责人或商业化战略顾问
- 长期深耕AI赛道，有机会成为垂直行业数字化转型的领军人物
- 负责阿里云MaaS产品的市场开拓，深度挖掘客户行业痛点并匹配AI解决方案
- 主导从需求沟通、方案讲解到商务谈判及合同落地的全流程销售工作
- 维护关键客户客情关系，协同内部产研与交付团队保障项目顺利落地
- 掌握主流大模型及MaaS服务商业模式，能清晰向客户传递技术价值与业务收益
- 具备To B大客户销售全流程能力，包括需求挖掘、POC推进、定价谈判与合同管理
- 熟悉云计算基础设施与AI应用场景，拥有优秀的跨部门协同与资源整合能力
申请策略
- 投递前深入研究阿里云MaaS产品线及近期行业标杆案例，面试时能结合客户场景提出初步商业化思路
- 关注公司文化契合度，展现自我驱动与快速适应变化的特质
- 重点突出过往To B大客户销售业绩指标（如GMV、回款额、转化率）
- 详细列举主导过的AI/SaaS类项目案例，展示从商机挖掘到落地的完整闭环
- 强调对大模型、MaaS或云计算产品的实际应用经验与客户成功案例
- 系统学习主流LLM框架、RAG架构及Agent开发基础，提升技术对话能力
- 强化商务谈判与财务测算技巧，掌握Token计费与ROI分析模型
- 补充项目管理知识，提升跨部门协同与风险控制能力
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化陈述案例，突出数据成果
- 针对技术质疑，先共情客户痛点，再拆解技术边界，最后提供可量化的验证路径
- 商业竞争类问题结合宏观趋势与微观产品特性，体现客观分析与战略思维
- 请分享一个你成功将复杂技术产品转化为商业价值的To B销售案例
- 面对客户对AI大模型落地效果的质疑，你会如何设计POC方案并推动签约？
- 如何平衡短期业绩指标与长期客户关系的维护？
- 你对当前国内大模型市场竞争格局有何看法？阿里云的差异化优势在哪里？
- 梳理过往3-5个核心销售案例，提炼可复用的方法论
职位点评
薪资福利70
成长发展90
工作生活40
使命价值75
薪资福利
70中等
JD未明确披露薪资结构，但作为头部企业核心商业化岗位，通常提供具有竞争力的底薪与绩效奖金组合，福利体系完善，能满足较高的薪酬期望。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位深度绑定AI商业化前沿，要求持续追踪大模型与Agent技术演进，技术栈处于行业绝对领先地位，能提供极佳的专业成长土壤。
技术前沿前沿/新兴技术
技术栈MaaS、LLM、多模态大模型、Agent、RAG、Prompt
业务类型profit_center
工作生活
40较低
JD未提及弹性工时或远程政策，且销售岗需频繁对接客户与内部协同，工作节奏较快，WLB相对受限，更适合追求事业突破的求职者。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
岗位直接推动AI技术在千行百业的落地应用，助力企业数字化转型与效率跃升，具备较强的行业变革意义与社会价值导向。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs