PAI-Rec收費見收費項1，云資源費用參見收費項3。

收費項1：推薦業務引擎、實驗平臺和報表、推薦算法定制等服務

由于不同區域的資源價格有差異，推薦業務引擎按照區域實施差異定價。

標準版提供的功能包括：

• 推薦業務引擎

  用于根據用戶的推薦請求，串聯召回、過濾、排序、粗排、精排、冷啟動等鏈路，生成推薦結果。

• 特征一致性校驗

  通過推薦系統的線上請求，記錄推薦服務中在線使用的用戶特征、物品特征、上下文特征，然后對以上特征變換之后的特征，最后再通過模型推理得到模型得分。記錄這些特征之后，再利用離線的特征變換、模型打分。對比離線和在線對比分數是否一致，如果不一致再找出不一致的特征。這樣可以盡快找出離在線不一樣的特征，從而保證離在線特征存儲、讀取、特征變換的一致性。

• 實驗平臺

  用于管理推薦場景召回、過濾、排序、重排參數，通過調整實驗配置參數來做分詞實驗。實驗平臺包括實驗流量管理、實驗指標注冊、天級實驗報表和小時級實驗報表對比查看等功能。

高級版增加的功能包括：

• 數據診斷

  用于分析用戶特征表、物品特征表的分布情況，用戶行為表的轉化率、留存率、曾現率等情況。幫助客戶檢查推薦場景的日志是否有問題，便于后續推薦算法定制中的特征和參數配置。

• 推薦算法定制

  包括多種召回算法、離線統計和實時統計特征、粗排和精排模型的配置，配置完成之后生產特征工程、召回算法、粗排和精排模型的代碼，推薦引擎的配置代碼等。

• 一鍵部署功能

  對推薦算法定制產出的代碼、腳本，一鍵部署到DataWorks中。并且提供補數的流程圖，幫助用戶按照順序補全特征和訓練樣本數據。

收費項2：實施交付或高階能力部署

若需要阿里側工程師進行系統搭建、算法定制等服務，可通過商務洽談的方式進行合作。合作項目完成，需支付一定的定制人天的投入費用。

收費項3：云資源消耗

為搭建完整的推薦系統，需要使用到MaxCompute、PAI-EAS等服務，此類服務的資源消耗，需按照云服務的計費規則，進行相應扣費。云資源消耗并不包含在PAI-Rec費用中。

按照DAU（日活）估計包含離線訓練和在線服務的整套推薦系統資源消耗如下（PAI-Rec高級版）：