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。

免费试用

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:每月多达 50 个 TPS 小时的实时建议。

免费注册层 »
  • 使用场景优化建议机制
  • 用户细分
  • 自定义建议解决方案
  • 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/GB

    用户

    您根据 Amazon Personalize 处理的数据集中的用户数量*,为每个建议机制支付每小时价格。每个活跃建议机制包含固定数量的每小时建议,无额外费用。

    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 4,000
    接下来 900,000 个用户 $0.045 6,000
    接下来 900 万个用户 $0.018 9,000
    1000 万以上用户 $0.005 14,000
    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
    每个符合条件的区域每小时的接下来 900,000 个建议 $0.0417
    每个符合条件的区域每小时的 100 万以上用户 $0.0208

    *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:媒体公司的使用场景优化建议机制

    某媒体公司通过对用户偏好和消费行为的实时分析来推动内容发现和推荐。他们在月内上传 200 GB 数据,拥有 500,000 个用户。他们的流量通常需要 5,000 个建议/小时;但是,每月有 40 个峰值小时,需要 16,000 个建议/小时。他们使用三种不同建议机制。

    该月使用 Amazon Personalize 的费用为:

    • 数据处理和存储费用 = 200 GB * $0.05/GB = $10
    • 用户费用
      • 前 100,000 个用户 = $0.375/小时 * 732 小时/月 * 3 个建议机制 = $823.50
      • 接下来 400,000 个用户 = 400,000 用户 * $0.045/小时/100,000 个用户 * 732 小时/月 * 3 个建议机制 = $395.28
    • 更多建议的费用
      • 16,000 个建议/小时 – 6,000 个免费建议/小时 = 10,000 个额外建议/小时。
      • 额外 10,000 个建议/小时 * $0.0833/1,000 个建议 * 40 小时 * 3 个建议机制 = $99.96

    总成本 = $10 + $823.50 + $395.28 + $99.96 = $1,328.74

    示例 2:在线零售商的使用场景优化建议机制

    某在线零售商利用优化建议机制,在用户之旅的不同接触点提供建议。他们在月内上传 10 GB 数据,拥有 50,000 个用户。他们的流量要求从未超过 4,000 个建议/小时。他们使用四种不同建议机制。

    该月使用 Amazon Personalize 的费用为:

    • 数据处理和存储费用 = 10 GB * $0.05/GB =$0.50
    • 用户费用
      • 前 100,000 个用户 = $0.375/小时 * 732 小时/月 * 4 个建议机制 = $1,098
    • 更多建议的费用
      • 客户从不超过 4,000 个建议/小时,因此包含所有建议。无更多建议的费用。

    总成本 = $0.50 + $1,098 = $1,098.50

  • 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/GB

    训练

    您需要为使用您的数据训练自定义模型所需的训练时间付费。一个训练小时表示使用 4 个 vCPU 和 8GiB 内存的 1 小时计算容量。Amazon Personalize 会自动选择实例类型来创建您的解决方案,这可能是超出基准规范的实例,以便更快地完成您的工作。Amazon Personalize 根据使用的与基准实例相关的实例计算训练小时数。付费的训练小时数高于训练实际时间。

    训练费用:$0.24/训练小时

    批处理细分(推理)

    您根据 Amazon Personalize 处理的数据集中的用户数量*,为每项或项属性查询付费。

    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
    接下来 900,000 个用户 $0.008
    接下来 900 万个用户 $0.004
    接下来 4000 万个用户 $0.001

    *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

    某零售商利用批处理细分生成很可能对在售特定产品的短信和应用程序内广告感兴趣的用户列表。该零售商将为广告考虑 500,000 个用户。使用 10GB 数据,消耗 50 个训练小时。零售商每月训练解决方案一次,每两周对 10 个产品运行细分。

    该月使用 Amazon Personalize 的费用为:

    • 数据处理和存储费用 = 10 GB * $0.05/GB = $0.50
    • 解决方案训练费用 = 50 个训练小时 * $0.24/训练小时 = $12
    • 批处理细分生成费用,前 100,000 个用户 = 100,000 个用户 * $0.016/1,000 用户 * 10 个查询 * 2 次/月 = $32
    • 批处理细分生成费用,接下来 400,000 个用户 = 400,000 个用户 * $0.008/1,000 用户 * 10 个查询 * 2 次/月 = $64

    总成本 = $0.50 + $12 + $32 + $64 = $108.50

    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。公司利用生成的用户列表推动推送通知和电子邮件营销活动。服务为每个活动考虑 2000 万个用户。公司使用 650 GB 数据,每个配置的培训需要 1,800 个训练小时。公司每月训练两个解决方案,每周对 25 个不同电影属性进行细分。

    该月使用 Amazon Personalize 的费用为:

    • 数据处理和存储 = 650 GB * $0.05/GB =$32.50
    • 解决方案训练费用 = 2 个解决方案 * 1,800 个训练小时 * $0.24/训练小时 = $864
    • 推理费用,前 100,000 个用户 = 100,000 个用户 * $0.016/1,000 个用户*25 个查询*4 次/月 = $160
    • 批处理细分生成费用,接下来 900,000 个用户 = 900,000 个用户 * $0.008/1,000 用户 * 25 个查询 * 4 次/月 = $720
    • 批处理细分生成费用,接下来 900 万个用户 = 9,000,000 个用户*$0.004/1,000 个用户*25 个查询*4 次/月 = $3,600
    • 批处理细分生成费用,接下来 1000 万个用户 = 10,000,000 个用户*$0.001/1,000 个用户*25 个查询*4 次/月 = $1,000

    总成本 = $32.50 + $864 + $160 + $720 + $3,600 + $1,000 = $6,376.50

  • 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
    • 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/GB

    训练

    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模型所需的训练时间付费。一个训练小时表示使用 4 个 vCPU 和 8GiB 内存的 1 小时计算容量。Amazon Personalize 会自动选择实例类型来创建您的解决方案,这可能是超出基准规范的实例,以便更快地完成您的工作。Personalize 根据使用的与基准实例相关的实例计算训练小时数。付费的训练小时数高于训练实际时间。

    训练费用:$0.24/训练小时

    建议(推理)

    实时推荐
    您需要为 Amazon Personalize 处理的请求付费。实时推荐使用以事务/秒 (TPS) 为单位计量。指定您需要的最小吞吐量。如果您请求建议的吞吐量超过最小预置 TPS,Amazon Personalize 自动缩放以满足您的额外请求,并在流量减小时恢复最小预置 TPS。使用的实际 TPS 计算为 5 分钟时间段内的平均请求数/秒。

    对于实时建议时,您需要按 TPS 小时为单位为每小时的吞吐量付费(四舍五入到最接近的小时)。计算方式为:对于小时内的每 5 分钟增量,取实际 TPS 和最小预置 TPS 之间的最大值,乘以处理请求的总时间。为每月汇总使用量,按照使用层级计费。

    TPS-小时数 = (实际 TPS,最小预置 TPS)的最大值 * (5/60 分钟)

    实时推荐 价格
    每个符合条件的区域前 20,000 TPS 小时/月 $0.20/TPS 小时
    每个符合条件的区域接下来 180,000 TPS 小时/月 $0.10/TPS 小时
    每个符合条件的区域 200,000 以上 TPS 小时/月 $0.05/TPS 小时

    批量建议
    您需要支付为使用“USER_PERSONALIZATION”和“PERSONALIZED_RANKING”配置时请求的用户数以及“RELATED_ITEMS”配置进行批量推理作业时处理的项目数的费用,与请求的结果数量无关。

    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

    *基于“User-personalization”配置类型使用“解决方案”时为每个用户生成的建议,将被视为 1 条建议,而与每位用户请求批量定价的结果(项目)数量无关。同样,您仅需为针对“Personalized-ranking”处理的用户数付款(无论每个用户重新排名的项目数如何),在使用“Related_items”配方时仅需为处理的项目数付款(无论每个请求的项目的类似项目数如何)。

    定价示例

    示例 1:媒体公司的自定义实时建议

    某媒体公司利用自定义建议,服务用户之旅不同点的建议。他们在一个月内上传了 200GB 的数据,每天训练一个解决方案,每次训练需要 20 分钟完成,每次训练耗用 10 个训练小时。此外,客户使用 10 TPS 的推理容量,每月 720 小时,以生成实时建议。

    该月使用 Amazon Personalize 的费用为:

    • 数据处理和存储费用 = 200 GB * $0.05/GB = $10
    • 解决方案训练费用 = 300 个训练小时 * $0.24/训练小时 = $72
    • 活动费用(实时推理) = 10 * 720 * $0.20/ TPS 小时 = $1440

    总成本 = $10 + $72 + $1440 = $1552

    示例 2:可变推理流量的自定义实时建议

    为了简单起见,我们假定数据上传量和训练量与示例 1 相同。因此:

    • 数据处理和存储费用 = 200 GB * $0.05/GB = $10
    • 解决方案训练费用 = 300 个训练小时 * $0.24/训练小时 = $72

    不过,这一次,我们会在一天中的不同时间段改变请求量。

    推理使用和费用: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 TPS 小时数:

    推理费用计算
    时间 时间(用掉的小时数) 最低预置的 TPS 实际 TPS 最大值(最低预置的 TPS,实际 TPS) TPS 小时数(最大值 [最低预置的 TPS,实际 TPS] x 时间 [小时数])
    凌晨 12:00 - 下午 6:00 18 30 20 30 540
    下午 6:00 - 晚上 10:00 4 30 40 40 160
    晚上 10:00 - 晚上 11:00 1 30 5 30 30
    晚上 11:00 - 凌晨 12:00 1 20 0 20 20
    每天花费的 TPS 小时数总计         750
    TPS 小时数/月         22500
    总建议(推理)费用 使用量 TPS 小时数(按级别) 单位价格($/TPS 小时) 费用 ($)
    级别 1 20,000 $0.20 $4,000
    级别 2 2,500 $0.10 $250
          $4,250
    示例 3:在线零售商的自定义批处理建议

    某零售商使用批处理建议为用户生成项目建议,以用于个性化电子邮件。他们使用 10 GB 数据,训练消耗 50 个训练小时,然后使用批处理推理作业为 100 万用户生成建议,其中为每个用户生成 10 个项目建议。

    在此情况下,使用 Personalize 的费用为:

    • 数据处理和存储费用 = 10 GB * $0.05/GB =$0.50
    • 解决方案训练费用 = 50 个训练小时 * $0.24/训练小时 = $12
    • 推理费用 = 100 万个用户 * $0.067/1,000 个建议 = $67

    总成本 = $0.50 + $12 + $67 = $79.50

更多了解 Amazon Personalize

访问 Personalize 概览页面
准备好开始使用了吗?
注册免费账户
还有更多问题?
联系我们