使用 Amazon Personalize 时，您只需按使用量付费；既没有最低费用，也无需预先承诺。
开始免费使用 AWS Personalize。
对于注册后的前两个月，使用自定义建议解决方案时提供以下选择：
数据处理和存储：最多每个符合条件的 AWS 区域每月 20 GB。
训练：每个符合条件的区域每月最多 100 个训练小时。
建议：每月最多 180000 个实时建议请求。
-
自定义建议解决方案
-
使用场景优化建议机制
-
用户细分
-
自定义建议解决方案
-
Amazon Personalize 方便您构建广泛的个性化体验，包括特定产品推荐、个性化的产品重排序和定制直销。可以实时提出推荐，快速应对变化的用户意图或批处理。
使用以下配置时，定价如下：
- user-personalization
- popularity-count
- Personalized-Ranking
- Next-Best-Action
- Trending-Now
- Similar-Items
- SIMS
- HRNN（旧式）
- HRNN-Metadata（旧式）
- HRNN-Coldstart（旧式）
数据摄取您需要按上传到 Amazon Personalize 的每 GB 数据付费。这包括流式传输到 Amazon Personalize 的实时数据和通过 Amazon Simple Storage Service (S3) 上传的批量数据。
数据摄取费用：0.05 USD/GB
培训创建自定义解决方案时，您需要为使用您的数据训练自定义解决方案所需的训练时间付费。Amazon Personalize 会自动选择最佳实例类型来训练您的解决方案。Personalize 根据使用的实例计算训练时长，这意味着收费的培训时数可能高于训练期间的时长。
训练费用：0.24 USD/训练小时
建议（推理）实时建议
对于实时建议，无论响应中返回的结果数量多少，您都需要按请求的建议数量付费。默认情况下，Amazon Personalize 对所有活跃的活动收取每秒至少 1 次建议请求事务（TPS）的费用。Amazon Personalize 还允许您根据需要预调配更高的最低事务率。如果建议请求率超过最小预调配 TPS，Amazon Personalize 自动扩缩以满足您的请求，并在流量减小时恢复最小预调配 TPS。请注意，提高最低预调配 TPS 将增加计费的建议请求数量。
实时建议 每 1000 个建议请求的价格 每月前 7200 万个请求 0.0556 美元 每月接下来 6.48 亿个请求 0.0278 美元 每月超过 7.2 亿个请求 0.0139 美元 * Amazon Personalize 允许您将活动配置为返回带有建议请求响应的项目元数据。对于启用了项目元数据的所有活动，对于每 1000 个建议请求，您需要额外支付 0.0167 美元。请注意，启用项目元数据时，这笔额外费用也适用于最低预调配 TPS。
批量建议
对于批量建议，无论返回的结果数量多少，您都需要按请求的建议数量付费。内容生成器使用大型语言模型生成用于批量建议的主题。每项主题输出将额外向您收取 1 美元的费用。
批量建议 每 1000 个建议的价格 每个符合条件的区域每月前 2000 万个建议 0.067 USD 每个符合条件的区域每月接下来的 1.8 亿个建议 0.058 USD 每个符合条件的区域每月超过 2 亿个建议 0.050 USD 定价示例
示例 1：自定义实时建议一家公司使用自定义实时建议在其主页上生成轮播建议。他们每月上传 200GB 的数据，每周训练两次解决方案，每次训练耗时 15 个小时。在每天 10 小时内，轮播每小时接收 36000 次访问的流量。在非高峰时段，轮播每小时的访问量少于 3600 次，或低于 1 TPS 的最低事务速率。因此，Personalize 会自动缩减至最低 1 TPS，在此期间，每小时向客户收取 3600 个建议请求的费用（每秒 1 个事务 x 每小时 3600 秒）。
该月使用 Amazon Personalize 的费用为：
• 数据处理和存储费用 = 200GB * 0.05 美元/GB = 10 美元
• 解决方案训练费用 = 15 个训练小时 * 每月 8 次训练 * 每个训练小时 0.24 美元 = 28.80 美元
• 推理消耗和费用（实时推理）
o 峰值流量使用量：36000 个建议请求 * 每天 10 个小时 x 每月 30 天 = 10800000 个建议请求
o 非高峰期流量使用量：3600 个建议请求 * 每天 14 个小时* 每月 30 天 = 1512000 个建议请求
o 12312000 个建议请求 * 每 1000 个实时建议请求 0.0556 美元 = 684.55 美元总成本 = 10 美元 + 28.80 美元 + 684.55 美元 = 723.35 美元
示例 2：可变推理流量的自定义实时建议为简单起见，我们假设示例 1 中的公司创建了另一个数据摄取量和训练时长相同的建议轮播。然而，该轮播的流量全天变化较大。在此示例中，客户预调配了更高的最低 TPS。
推理消耗和费用：在下表中，我们将了解可变流量场景，并计算在一天的使用中消耗的建议请求数：
推理费用计算 时间 时间（用掉的小时数） 最低预调配的 TPS 每小时最低建议请求事务量（最低预调配 TPS * 每小时 3600 秒） 每小时的实际建议请求数 每小时计费消耗量 [最高（最低，实际）] 计费总消耗量
（每小时消耗量 x 小时）凌晨 12:00 - 下午 6:00 18 30 108000 72000 108000 1944000 下午 6:00 - 晚上 10:00 4 30 108000 144000 144000 576000 晚上 10:00 - 晚上 11:00 1 30 108000 18000 108000 108000 晚上 11:00 - 上午 12:00 1 20 72000 0 72000 72000 每天的建议请求总数 2700000 每月的建议请求总数 81000000 总建议（推理）费用 使用建议请求（按层级） 每 1000 个实时建议请求的价格 费用（美元） 级别 1 72000000 0.0556 美元 4003 美元 级别 2 9000000 0.0278 美元 250 美元 4253 美元 示例 3：自定义批量建议一家公司使用自定义建议为电子邮件营销活动中的每个用户生成个性化的项目建议。他们摄取了 10GB 数据，训练耗时 50 个小时。该公司使用批量推理为 100 万用户生成建议。每个建议请求会为每个用户返回 10 个项目，但公司只需为 100 万个请求付费。
在此情况下，使用 Personalize 的费用为：
- 数据处理和存储费用 = 10GB * 0.05 USD/GB = 0.50 USD
- 解决方案训练费用 = 50 个训练小时 * 0.24 USD/训练小时 = 12 USD
- 推理费用 = 100 万个用户 * 0.067 USD/1000 个建议 = 67 USD
总成本 = 0.50 美元 + 12 美元 + 67 美元 = 79.50 美元
示例 4：使用内容生成器自定义有主题的批量建议一家公司使用自定义建议来生成带有主题的个性化项目建议。他们摄取了 10GB 数据，训练耗时 50 个小时。该公司使用批量推理为 100 个种子项目生成有主题的建议。每个建议请求会为每个种子项目返回 25 个项目。该公司总共将获得 100 个主题。
在此情况下，使用 Personalize 的费用为：
数据处理和存储费用 = 10GB * 0.05 USD/GB = 0.50 USD
解决方案训练费用 = 50 个训练小时 * 0.24 美元/训练小时 = 12 美元
推理费用 = 100 个种子项目 * 0.067 美元/1000 个建议 + 100 个主题 * 1 美元/主题 = 100.0067 美元
总成本 = 0.50 美元 + 12 美元 + 100.0067 美元 = 112.5067 美元
-
使用场景优化建议机制
-
Amazon Personalize 提供使用场景优化建议机制，简化场景建议解决方案的创建与维护。选择要使用的建议机制，Amazon Personalize 自动配置基础机器学习 (ML) 模型并完全管理其生命周期。您可以选择 9 个建议机制，分别为使用体验的不同接触点提供个性化建议。
使用以下配置时，定价如下：
- aws-ecomm-popular-items-by-view
- aws-ecomm-popular-items-by-purchases
- aws-ecomm-frequently-bought-together
- aws-ecomm-customers-who-viewed-x-also-viewed
- aws-ecomm-recommended-for-you
- aws-vod-most-popular
- aws-vod-because-you-watched-x
- aws-vod-more-like-x
- aws-vod-top-picks
数据摄取您需要按上传到 Amazon Personalize 的每 GB 数据付费。这包括流式传输到 Amazon Personalize 的实时数据和通过 Amazon Simple Storage Service (S3) 上传的批量数据。
数据摄取费用：0.05 USD/GB
建议时长（小时）您根据 Amazon Personalize 处理的数据集中的用户数量*，按小时费率为每个活动的建议机制付费。每个建议机制根据数据集中的用户数量每小时提供固定数量的建议，无需额外费用。
每个建议机制的用户数量 每 100,000 个用户的价格 每小时的免费建议数 前 100,000 个用户 0.375 USD 4,000 接下来 900,000 个用户 0.045 USD 6,000 接下来 900 万个用户 0.018 USD 9,000 1000 万以上用户 0.005 USD 14000 * Amazon Personalize 允许您将建议程序配置为在 API 响应中返回项目元数据。对于配置为返回项目元数据的建议程序，您每小时需要额外支付 0.1 美元。
其他建议如果一个小时内的建议超过该用户层级的免费建议数量（参见商标），您将为每小时使用的额外建议付费。
其他建议 每 1,000 个建议的价格 每个符合条件的区域每小时的前 100,000 个建议 0.0833 USD 每个符合条件的区域每小时的接下来 900,000 个建议 0.0417 USD 每个符合条件的区域每小时的 100 万以上用户 0.0208 美元 * Amazon Personalize 允许您将建议程序配置为在 API 响应中返回项目元数据。对于所有启用了项目元数据的建议程序，每增加 1000 个建议，您需要额外支付 0.0167 美元。
*用户数量（用“user_id”标识）计算为您的“Users”和“Interactions”数据集并集中的唯一用户数量。
您可以选择在每秒建议数（RPS）中为使用场景优化建议机制指定最低吞吐量。如果最低预置 RPS 超过每秒请求的实际建议值，则最低预配置 RPS 将计入您的用户套餐中包含的每小时免费建议值。如果最低预置 RPS 导致您超过了用户套餐中包含的每小时免费建议量，则还会向您收取额外建议费用。例如，如果您将最低 RPS 设置为 10，则需对该小时的 36000 条建议付费（每小时 3600 秒 x 10 RPS），但用户层中每小时的免费建议除外。
定价示例
示例 1：媒体公司的使用场景优化建议机制一家媒体公司使用三个使用场景优化建议机制在其应用程序上支持三个不同的建议轮播。他们在当月摄取了 200GB 数据，拥有 2000000 个用户。每条轮播每小时的访问量通常少于 9000 次；但是，每月有 140 个高峰时段，每小时的访问量达到 39000 次。
该月使用 Amazon Personalize 的费用为：
- 数据处理和存储费用 = 200GB * 0.05 USD/GB = 10 USD
- 建议时长（小时）费用：
- 前 100000 个用户 = 0.375 USD/小时 * 720 小时/月 * 3 个建议机制 = 810.00 USD
- 接下来 900000 个用户 = 900000 个用户 * 0.045 USD/小时/100000 个用户 * 720 小时/月 * 3 个建议机制 = 874.80 USD
- 接下来 1000000 个用户 = 1000000 个用户 * 0.018/小时/100000 个用户 * 720 小时/月 * 3 个建议机制 = 388.80 USD
- 建议时长（小时）费用总额 = 810.00 USD + 874.80 USD + 388.80 USD = 2073.60 USD
- 前 100000 个用户 = 0.375 USD/小时 * 720 小时/月 * 3 个建议机制 = 810.00 USD
- 额外建议费用：
- 39000 个建议/高峰小时 – 9000 个免费建议/小时 = 30000 个额外建议/小时。
- 30000 个额外建议/高峰小时 * 0.0833 USD/1000 个建议 * 140 个峰值小时 * 3 个建议机制 = 1049.58 USD
总成本 = 10 USD + 2073.60 USD + 1049.58 USD = 3133.18 USD
示例 2：在线零售商的使用场景优化建议机制一家在线零售商使用四个使用场景优化建议机制在其产品详情页面上提供产品建议。他们在当月上传了 10GB 数据，拥有 800000 个用户。这些建议机制的访问量从未超过每小时 6000 次。
该月使用 Amazon Personalize 的费用为：
- 数据处理和存储费用 = 10GB * 0.05 USD/GB = 0.50 USD
- 用户费用：
- 前 100000 个用户 = 0.375 USD/小时 * 720 小时/月 * 4 个建议机制 = 1,080.00 USD
- 接下来 700000 个用户 = 700000 个用户 * 0.045 USD/小时/100000 个用户 * 720 小时/月 * 4 个建议机制 = 907.20 USD
- 建议小时数费用总额 = 1080.00 USD + 907.20 USD = 1987.20 USD
- 额外建议费用：
- 由于该公司从未超过建议机制中包含的每小时 6000 条建议，因此不收取额外的建议费用。
总成本 = 0.50 USD + 1987.20 USD = 1987.70 USD
-
用户细分
-
Amazon Personalize 利用机器学习，根据不同产品、类别、品牌等喜好自动细分用户，打造更有效的营销活动。
使用以下用户细分配置时，定价如下：
- aws-item-affinity
- aws-item-attribute
数据摄取您需要按上传到 Amazon Personalize 的每 GB 数据付费。这包括流式传输到 Amazon Personalize 的实时数据和通过 Amazon Simple Storage Service (S3) 上传的批量数据。
数据摄取费用：0.05 USD/GB
培训您需要为使用您的数据训练自定义解决方案所需的训练时间付费。Amazon Personalize 会自动选择最佳实例类型来训练您的解决方案。Personalize 根据使用的实例计算训练时长，这意味着收费的培训时数可能高于训练期间的时长。
训练费用：0.24 USD/训练小时
批处理细分（推理）您需要根据 Amazon Personalize 处理的数据集中的用户数量*为请求的区段数量付费。
数据集中的用户 每 1,000 个用户每个细分的价格 前 100,000 个用户 0.016 USD 接下来 900,000 个用户 0.008 USD 接下来 900 万个用户 0.004 USD 接下来 4000 万个用户 0.001 USD *用户数量（用“user_id”标识）计算为您的“Users”和“Interactions”数据集并集中的唯一用户数量。
定价示例
示例 1：在线零售商的批处理细分某零售商使用批处理细分生成有关特定在售产品的短信和应用内消息营销活动的用户列表。他们针对 10 种产品开展广告活动，并假设每个广告系列有 2000000 名用户。他们摄取了 10GB 的数据，训练需要 50 个小时。
使用 Amazon Personalize 开展这些活动的费用为：
- 数据处理和存储费用 = 10GB * 0.05 USD/GB = 0.50 USD
- 解决方案训练费用 = 50 个训练小时 * 0.24 USD/训练小时 = 12.00 USD
- 批处理细分生成费用，前 100000 个用户 = 100000 个用户 * 0.016 USD/1000 个用户 * 10 个查询 = 16.00 USD
- 批处理细分生成费用，接下来 900000 个用户 = 900000 个用户 * 0.008 USD/1000 用户 * 10 个查询 = 72.00 USD
- 批处理细分生成费用，接下来 1000000 个用户 = 1000000 个用户 *0.004 USD/1000 个用户 * 10 个查询 = 40.00 USD
总成本 = 0.50 USD + 12 USD + 16 USD + 72 USD + 40 USD = 140.50 USD
示例 2：媒体公司的批处理细分某媒体公司利用批处理细分，根据电影属性，如风格、男主角/女主角和所获奖项，确定对流媒体播放影片感兴趣的用户。该公司使用生成的用户细分来确定其电子邮件营销活动的目标。该公司假设为每个活动有 2000 万个用户。该公司使用 650GB 数据，训练需要 1800 个训练小时。他们根据 25 种不同电影属性对广告系列进行细分。
该月使用 Amazon Personalize 的费用为：
- 数据处理和存储 = 650GB * 0.05 USD/GB = 32.50 USD
- 解决方案训练费用 = 1800 个训练小时 * 0.24 USD/训练小时 = 432.00 USD
- 推理费用，前 100000 个用户 = 100000 个用户 * 0.016 USD/1000 个用户 * 25 个查询 = 40 USD
- 批处理细分生成费用，接下来 900000 个用户 = 900000 个用户 *0.008 USD/1000 个用户 * 25 个查询 = 180 USD
- 批处理细分生成费用，接下来 900 万个用户 = 9,000,000 个用户*0.004 USD/1000 个用户 * 25 个查询 = 900 USD
- 批处理细分生成费用，接下来 1000 万个用户 = 10000000 个用户*0.001 USD/1000 个用户 * 25 个查询 = 250 USD
总成本 = 32.50 USD + 432 USD + 40 USD + 180 USD + 900 USD + 250 USD = 1834.50 USD
详细了解 Amazon Personalize