文档

个性化推荐(PAI-Rec)计费说明

更新时间:

本文为您介绍PAI-Rec的计费规则。

计费规则

计费项1:PAI-Rec实例

计费项

计费方式

PAI-Rec实例

资源包(预付费)

预先购买资源包,在费用结算时,从资源包抵扣用量,先购买,后抵扣。

购买后立即生效,自购买日起一年内有效,过期作废。

PAI-Rec实例包括标准版和高级版,具体详情如下:

标准版提供的功能包括:

  • 推荐业务引擎

    用于根据用户的推荐请求,串联召回、过滤、排序、粗排、精排、冷启动等链路,生成推荐结果。

  • 特征一致性校验

    通过推荐系统的线上请求,记录推荐服务中在线使用的用户特征、物品特征、上下文特征,然后对以上特征变换之后的特征,最后再通过模型推理得到模型得分。记录这些特征之后,再利用离线的特征变换、模型打分。对比离线和在线对比分数是否一致,如果不一致再找出不一致的特征。这样可以尽快找出离在线不一样的特征,从而保证离在线特征存储、读取、特征变换的一致性。

  • 实验平台

    用于管理推荐场景召回、过滤、排序、重排参数,通过调整实验配置参数来做分词实验。实验平台包括实验流量管理、实验指标注册、天级实验报表和小时级实验报表对比查看等功能。

高级版增加的功能包括:

  • 数据诊断

    用于分析用户特征表、物品特征表的分布情况,用户行为表的转化率、留存率、曾现率等情况。帮助客户检查推荐场景的日志是否有问题,便于后续推荐算法定制中的特征和参数配置。

  • 推荐算法定制

    包括多种召回算法、离线统计和实时统计特征、粗排和精排模型的配置,配置完成之后生产特征工程、召回算法、粗排和精排模型的代码,以及推荐引擎的配置代码等。

  • 一键部署功能

    对推荐算法定制产出的代码、脚本,一键部署到DataWorks中。并且提供补数的流程图,帮助用户按照顺序补全特征和训练样本数据。

计费项2:云资源消耗

为搭建完整的推荐系统,需要使用MaxCompute、PAI-EAS等服务,此类服务的资源消耗,需按照云服务的计费规则进行相应扣费。云资源消耗不包含在PAI-Rec费用中。

推荐方案的复杂性导致费用相差比较大,例如物品和用户的数量、是否使用向量召回、物品冷启动算法、复杂的排序模型、在线学习等。同时,根据业务需要,使用自动扩缩容的EAS实例,使用预付费的MaxCompute,定期清理Hologres或OSS中不用的数据,以及使用增量训练代替全量训练等操作都可以节约成本。

按照DAU(日活)估计包含离线训练和在线服务的整套推荐系统资源消耗如下(PAI-Rec高级版):

说明

实际价格以出账账单为准。

业务规模

资源消耗预估中位数(目录价/月)

DAU5万以内

4万元

DAU5万~10万

7万元

DAU10万~20万

15万元

DAU20万~50万

30万元

DAU50万~200万

70万元

更多计费详情,请参见MaxCompute计费说明模型在线服务(EAS)计费说明Hologres计费说明OSS计费说明

计费项3:实施交付或高阶能力部署

如果需要阿里侧工程师进行系统搭建、算法定制等服务,可通过商务洽谈的方式进行合作。合作项目完成后,需支付一定的定制人天的投入费用。

计费方式

资源包为预付费的抵扣包,是指您根据业务量级预估一次性付费购买相应规格的商品资源包。自购买日起,一年内有效,超出有效期未抵扣的资源包额度自动失效。

说明

实际价格以出账账单为准。

由于不同区域的资源价格有差异,推荐业务引擎按照区域实施差异定价。

区域

地域

标准版价格

高级版价格

亚太

  • 华东1(杭州)

  • 华东2(上海)

  • 华北2(北京)

  • 华南1(深圳)

5,000元/月

8,000元/月

  • 中国(香港)

  • 新加坡

8,000元/月

10,000元/月

欧洲和美洲

  • 美国(弗吉尼亚)

  • 美国(硅谷)