Amazon Lookout for Metrics 定价

一位零售客户跟踪其电子商务网站的收入，作为其业务运行状况的主要衡量标准。收入骤降可能表明存在某个潜在问题，如网站故障、购物车故障或促销活动未能如期进行，而突如其来的收入激增则可能表明解锁了一个新的客户群或开展了一项非常成功的营销活动。客户希望随时关注这些变化，以便能够迅速解决问题或迅速抓住机会。他们使用 Lookout for Metrics 来分析前 100 种热销产品和排名前 10 的地理区域的收入指标。客户分析的独特指标总数的计算方式如下：

1（收入）x 100 件产品 x 10 个区域 = 1000 个指标。根据下述分级定价的计算结果，每月 1000 个指标的费用为每月 750 USD。

客户决定除了分析收入外，还要分析订单量，因为他们发现收入的突然变化往往是由订单量的变化引起的。他们还将分析的地理区域数量从 10 个增加到 50 个。客户分析的独特指标总数的计算方式如下：
2 个指标（收入、订单量）x 100 件产品 x 50 个区域 = 10000 个指标。根据下述分级定价的计算结果，每月 10000 个指标的费用为每月 4000 USD。

客户现在想检测 100 件产品和 50 个区域中，5 个年龄段的用户群体（18-24 岁、25-34 岁、35-44 岁、45-54 岁、55 岁及以上）的收入和订单量的异常。在这 100 件产品中，有 10 件已在当月第一周后停产，此后不再分析。另外，本月第三周有 10 款新品上市，将分析半个月。当月分析的产品总数为 110 件。客户分析的独特指标总数的计算方式如下：

2 个指标（收入、订单量）x 110 件产品 x 50 个区域 x 5 个年龄段的用户群 = 55000 个指标。根据下述分级定价的计算结果，每月 55000 个指标的费用为每月 9750 USD。

客户想使用 Lookout for Metrics 检测历史订单费率数据中的异常，并与他们已经意识到的异常进行比较。为此，他们使用该服务对 100 件产品和 10 个地区的历史订单数据进行了分析。所分析指标总数的计算方式如下：

1 个指标（收入）x 100 件产品 x 10 个区域 = 1000 个指标。根据下述分级定价的计算结果，每月 1000 个指标的费用为每月 750 USD。