- 機器學習›
- Amazon Personalize›
- Amazon Personalize 定價
AWS 定價計算器
單次估算即可計算您的 Amazon Personalize 和架構成本。
免費試用
開始免費使用 AWS Personalize。
您將在使用 Amazon Personalize 的前兩個月中獲得以下服務：
資料處理與儲存：每月最高 20 GB。
訓練：
- User-Personalization-v2 每月最多可進行 500 萬次互動，Personalized-Ranking-v2 每月最多可進行 500 萬次互動。
- 其他自訂推薦解決方案每月最多 100 小時訓練。
推薦：
- Personalization-v2 和 Personalized-Ranking-v2 每月最多 50,000 個即時推薦請求。
- 其他自訂推薦解決方案每月最多 180,000 個即時推薦請求。
增強版自訂推薦解決方案
亞馬遜個性化 v2 食譜
Amazon Personalize v2 配方 (User-Personalization-v2 和 Personalized-Ranking-v2) 使用以 Transformer 為基礎的架構，讓您無需機器學習專業知識即可輕鬆建立各種個人化體驗。
v2 配方的使用成本可分為三大項：
-
資料擷取：我們會根據上傳至 Amazon Personalize 的資料量以每 GB 計費。這包括即時傳送至 Amazon Personalize 的資料串流，以及透過 Amazon Simple Storage Service (S3) 上傳的批次資料。
-
訓練：根據每個模型訓練時所接受的互動數量進行收費。您可以透過即時資料串流或 S3 批量上傳來擷取互動。如果您的互動數量超過服務配額，則會根據模型在訓練期間考慮的項目互動數目上限（預設為 3 億）向您收取費用。
-
推論：根據即時和批次推薦的推薦請求數量收費。針對即時推薦，Amazon Personalize 預設收取每秒最少 1 筆推薦請求交易 (TPS) 的費用。即使您沒有提出要求，此最低 1 TPS 費用也適用。 您也可以根據需要佈建更高的最低交易率。當推薦請求的比率超過最低佈建 TPS 時，Amazon Personalize 會自動擴展以服務您的請求，並在流量減少時返回最低佈建 TPS。將根據較高的最低佈建 TPS (預設為 1 TPS) 和實際產生的 TPS 計費。定價範例 1 和 2 將說明即時推論費用的計算方式。
定價表
使用以下配方時適用定價表：
-
User-Personalization-v2
-
Personalized-Ranking-v2
定價
|
Data Ingestion
|
$0.05 per GB of data uploaded to Amazon Personalize
|
|---|---|
|
培訓
|
每 1000 次進行訓練的互動服務費用 0.002 USD |
|
推論
|
即時推薦和批次推薦，每 1,000 個推薦請求 0.15 USD
|
定價範例
範例 1：自訂即時推薦
一間公司使用自訂即時推薦為其首頁的浮動切換項目產生推薦。他們一個月內上傳 200 GB 的資料，每週訓練兩次解決方案，每次訓練都會考慮擷取 1000 萬次互動。若是每天 10 小時，浮動切換項目會每小時接收 36,000 次瀏覽的流量。在非尖峰時段，浮動切換項目每小時接收不到 3,600 次瀏覽，或少於 1 TPS 的最低交易率。因此，Personalize 自動縮減至最低 1 TPS，客戶在此期間按每小時 3,600 個推薦請求 (每秒 1 次交易 * 每小時 3,600 秒) 計費。
當月使用 Amazon Personalize 的收費為：
-
數據處理和存儲費 = 200 GB * 每 GB 0.05 美元 = 10.00 美元
-
解決方案培訓費用 = 訓練所接受的 1000 萬次互動每 1 萬元互動每月 8 次培訓 = 160.00 美元
-
推論取用和收費 (即時推論)：
-
高峰流量使用量：36,000 個推薦請求每天 10 小時每月 30 天 = 10,8 萬個推薦請求
-
非高峰流量使用量：3,600 個推薦請求每天 14 小時每月 30 天 = 1,512,000 個推薦請求
-
12,312,000 個推薦請求 * 每 1,000 個即時推薦請求每 0.15 美元 = $1,846.80
-
總費用 = 10.00 USD + 160.00 USD + 1,846.80 USD = 2,016.80 USD
範例 2：自訂即時推薦搭配可變推論流量
為簡單起見，我們假設範例 1 中的公司會建立另一個使用相同數量的資料擷取和訓練的推薦浮動切換項目。但是，此浮動切換項目的流量在一天中變化更大。在此範例中，客戶已佈建更高的最低 TPS。
推論取用和費用：在下表中，我們將逐步檢視可變流量情境，並計算一天使用量所消耗的推薦請求數：
推論費用計算
|
Time
|
Time (hours elapsed)
|
Minimum Provisioned TPS
|
Minimum recommendation request transactions per hour (min. Provisioned TPS * 3,600 seconds per hour)
|
Actual Recommendation Requests per Hour
|
Billed Consumption per Hour [max. (minimum, actual)]
|
Total Billed Consumption (Hourly Consumption * Hours)
|
|---|---|---|---|---|---|---|
|
中午 12:00 - 下午 6:00
|
18
|
30
|
108,000
|
72,000
|
108,000
|
1,944,000
|
|
下午 6:00 - 晚上 10:00
|
4
|
30
|
108,000
|
144,000
|
144,000
|
576,000
|
|
晚上 10:00 - 晚上 11:00
|
1
|
30
|
108,000
|
18,000
|
108,000
|
108,000
|
|
晚上 11:00 至凌晨 12:00
|
1
|
20
|
72,000
|
0
|
72,000
|
72,000
|
|
每天推薦請求總計
|
|
|
|
|
|
2,700,000
|
|
每月推薦請求總計
|
|
|
|
|
|
81,000,000
|
推論費用：81,000,000 個推薦請求 * 每 1,000 個即時推薦請求每 0.15 美元 = 12,150.00 美元
範例 3：自訂批次推薦
公司會使用「自訂推薦」，針對電子郵件行銷活動中的每名使用者產生個人化的項目推薦。它們會擷取 10 GB 的資料和 5 百萬個互動進行訓練。該公司使用批次推論來為 100 萬使用者產生推薦。針對每個推薦請求，為每名使用者傳回 10 個項目，但公司只會對 100 萬個請求計費。
在這個案例中，使用 Personalize 的費用為：
-
數據處理和存儲費 = 10 GB * 每 GB 0.05 美元 = 0.50 美元
-
解決方案培訓費用 = 訓練所接受的 5 萬個互動 * 每 1 萬美元互動每 100 美元 = 10.00 美元
-
推論費用 = 100 萬個請求 * 每 1,000 個實時推薦請求 0.15 美元 = 150.00 美元
總費用 = 0.50 USD + 10.00 USD + 150.00 USD = 160.50 USD
自訂推薦解決方案
Amazon Personalize
藉由 Amazon Personalize，您可輕鬆打造廣泛的個人化體驗，包括特定的產品推薦、個人化產品重新排名和定製的直接行銷。可以即時或批量提供建議，以快速回應不斷變化的使用者意圖。
使用以下方法時適用以下定價：
-
user-personalization
-
popularity-count
-
Personalized-Ranking
-
Next-Best-Action
-
Trending-Now
-
Similar-Items
-
SIMS
-
HRNN (舊式)
-
HRNN-Metadata (舊式)
-
HRNN-Coldstart (舊式)
資料擷取
我們會根據上傳至 Amazon Personalize 的資料量以每 GB 計費。這包括串流至 Amazon Personalize 的即時資料，以及透過 Amazon Simple Storage Service (S3) 上傳的批次資料。
資料擷取成本 ：每 GB 0.05 美元
培訓
建立自訂解決方案時，我們會根據您利用資料訓練自訂解決方案所使用的訓練小時數向您收費。Amazon Personalize 會自動選擇最佳執行個體類型，來訓練您的解決方案。Personalize 會根據使用的執行個體來計算訓練時數，這意味著計費的訓練時數可能會高於訓練期間時鐘上計量的時間。
培訓費用 ：每小時 0.24 美元
推薦 (推論)
即時推薦
若是即時推薦，無論回應中傳回的結果數目為何，都會依據請求的推薦數目計費。依預設，Amazon Personalize 收取每秒最少 1 筆推薦請求交易 (TPS) 的費用。Amazon Personalize 還可讓您按需佈建更高的最低交易率。當推薦請求的比率超過最低佈建 TPS 時，Amazon Personalize 會自動擴展以服務您的請求，並在流量減少時返回最低佈建 TPS。請注意，增加最低佈建 TPS 會增加向您收費的推薦請求數目。
即時推薦
|
Real-time recommendations
|
Price per 1,000 recommendation requests
|
|---|---|
|
每月的前 7200 萬個請求
|
0.0556 USD |
|
每月接下來的 6.48 億個請求
|
0.0278 USD |
|
每月超過 7.2 億個請求
|
0.0139 USD |
* Amazon Personalize 可讓您設定廣告活動以傳回帶有推薦請求回應的項目中繼資料。針對啟用項目中繼資料的所有廣告活動，每 1,000 個推薦請求會向您額外收取 0.0167 USD。請注意，當啟用項目中繼資料時，此額外費用也適用於最低佈建的 TPS。
批次推薦
若是批次推薦，無論傳回的結果數目為何，都會依據請求的推薦數目計費。內容產生器使用大型語言模型來產生批次建議的主題。每個主題輸出會額外收費 1 USD。
|
Batch recommendations
|
Price per 1,000 recommendations
|
|---|---|
|
每個符合資格的區域每月前 2 千萬條推薦
|
0.067 USD
|
|
每個符合資格的區域每月後 1 億 8 千萬條推薦
|
0.058 USD
|
|
每個符合資格的區域每月超過 2 億條推薦
|
0.050 USD
|
定價範例
範例 1：自訂即時推薦
一間公司使用自訂即時推薦為其首頁的浮動切換項目產生推薦。他們一個月內上傳 200 GB 的資料，每週訓練兩次解決方案，每項訓練需要 15 小時的訓練時數。若是每天 10 小時，浮動切換項目會每小時接收 36,000 次瀏覽的流量。在非尖峰時段，浮動切換項目每小時接收不到 3,600 次瀏覽，或少於 1 TPS 的最低交易率。因此，Personalize 自動縮減至最低 1 TPS，客戶在此期間按每小時 3,600 個推薦請求 (每秒 1 次交易 * 每小時 3,600 秒) 計費。
當月使用 Amazon Personalize 的收費為：
• 數據處理和存儲費 = 200 GB 每 GB 0.05 美元 = 10.00 美元
• 解決方案培訓費 = 15 小時培訓每月 8 次培訓每小時 0.24 美元 = 28.80 美元
• 推論取用和收費 (即時推論)
o 高峰流量使用量：36,000 個推薦請求每天 10 小時每月 30 天 = 10,8 萬個推薦請求
o 非高峰流量使用量：3,600 個推薦請求每天 14 小時 * 每月 30 天 = 1,512,000 個推薦請求
o 12,312,000 個推薦請求 * 每 1,000 個即時推薦請求 0.0556 USD = 684.55 USD
總費用 = 10 USD + 28.80 USD + 684.55 USD = 723.35 USD
範例 2：自訂即時推薦搭配可變推論流量
為簡單起見，我們假設範例 1 中的公司會建立另一個使用相同數量的資料擷取和訓練的推薦浮動切換項目。但是，此浮動切換項目的流量在一天中變化更大。在此範例中，客戶已佈建更高的最低 TPS。
推論取用和費用：在下表中，我們將逐步檢視可變流量情境，並計算一天使用量所消耗的推薦請求數：
推論費用計算
|
Time
|
Time (hours elapsed)
|
minProvisioned TPS
|
Minimum recommendation request transactions per hour (min. Provisioned TPS * 3,600 seconds per hour)
|
Actual Recommendation Requests per Hour
|
Billed Consumption per Hour [max. (minimum, actual)]
|
Total Billed Consumption(Hourly Consumption * Hours)
|
|---|---|---|---|---|---|---|
|
中午 12:00 - 下午 6:00
|
18
|
30
|
108,000
|
72,000
|
108,000
|
1,944,000
|
|
下午 6:00 - 晚上 10:00
|
4
|
30
|
108,000
|
144,000
|
144,000
|
576,000
|
|
晚上 10:00 - 晚上 11:00
|
1
|
30
|
108,000
|
18,000
|
108,000
|
108,000
|
|
晚上 11:00 至凌晨 12:00
|
1
|
20
|
72,000
|
0
|
72,000
|
72,000
|
|
每天推薦請求總計
|
|
|
|
|
|
2,700,000
|
|
每月推薦請求總計
|
|
|
|
|
|
81,000,000
|
方案
|
Total recommendation (inference) charge
|
Usage Recommendation Requests (in Tier)
|
Price per 1,000 Real-Time Recommendation Requests
|
Cost ($)
|
|---|---|---|---|
|
方案 1
|
72,000,000
|
0.0556 USD
|
4,003 USD
|
|
方案 2
|
9,000,000
|
0.0278 USD
|
250 USD
|
|
|
|
|
4,253 USD
|
定價範例繼續
範例 3：自訂批次推薦
公司會使用「自訂推薦」，針對電子郵件行銷活動中的每名使用者產生個人化的項目推薦。他們會擷取 10 GB 的資料，而訓練則耗費 50 小時的訓練時數。該公司使用批次推論來為 100 萬使用者產生推薦。針對每個推薦請求，為每名使用者傳回 10 個項目，但公司只會對 100 萬個請求計費。
在這個案例中，使用 Personalize 的費用為：
-
資料處理和儲存費用 = 10 GB x 每 GB 0.05 USD = 0.50 USD
-
解決方案訓練費用 = 50 個訓練小時 * 0.24 USD/訓練小時 = 12 USD
-
推論費用 = 1 百萬使用者 * 0.067 USD/1,000 個推薦 = 67 USD
總費用 = 0.50 USD + 12 USD + 67 USD = 79.50 USD
範例 4：使用內容產生器自訂主題批次建議
公司使用「自訂推薦」產生具有主題的個人化項目推薦。他們會擷取 10GB 的資料，而訓練則耗費 50 小時的訓練時數。該公司使用批次推論來產生 100 種子項目的主題推薦。每個推薦請求會針對每個種子項目傳回 25 個項目。該公司將總共取得 100 個主題。
在這個案例中，使用 Personalize 的費用為：
數據處理和存儲費 = 10 GB $0.05/GB = 0.50 美元
解決方案培訓費 = 50 個培訓小時 0.24 美元/培訓小時 = 12 美元
推論費用 = 100 個種子項目 0.067/1,000 個推薦 + 100 個主題 1 美元/主題 = 100.0067 美元
總費用 = 0.50 USD + 12 USD + 100.0067 USD = 112.5067 USD
使用案例優化推薦系統
Amazon Personalize
Amazon Personalize 提供使用案例優化推薦系統，該系統可簡化常用推薦解決方案的建立和維護。選取您想使用的推薦系統，Amazon Personalize 會自動設定基礎機器學習 (ML) 模型並全面管理其生命週期。您可以從九個推薦系統中進行選擇，這些推薦系統為您的使用者體驗中的不同接觸點提供個人化推薦。
使用以下方法時適用以下定價：
-
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
資料擷取
我們會根據上傳至 Amazon Personalize 的資料量以每 GB 計費。這包括串流至 Amazon Personalize 的即時資料，以及透過 Amazon Simple Storage Service (S3) 上傳的批次資料。
資料擷取成本 ：每 GB 0.05 美元
推薦時數
根據 Amazon Personalize 處理的資料集中的使用者數目*，您需要為每個作用中推薦系統按小時付費。根據資料集中的使用者數目，每個推薦系統每小時提供固定的推薦，無需額外付費。
|
Users per recommender
|
Price per 100,000 users
|
Free recommendations per hour
|
|---|---|---|
|
前 100,000 個使用者
|
0.375 USD
|
4,000
|
|
後續 900,000 個使用者
|
0.045 USD
|
6,000
|
|
後續 900 萬個使用者
|
0.018 USD
|
9,000
|
|
超過 1,000 萬個使用者
|
0.005 USD
|
14,000
|
* Amazon Personalize 允許您將推薦人設定為在 API 回應中傳回項目中繼資料。針對設定為傳回項目中繼資料的推薦人，您每小時需額外支付 0.1 USD 費用。
其他推薦
當一小時內的推薦超過使用者層的免費推薦 (見上表) 時，您需要為每小時使用的額外推薦付費。
|
Additional recommendations
|
Price per 1,000 recommendations
|
|---|---|
|
每個符合資格的區域每小時的前 100,000 條推薦
|
0.0833 USD
|
|
每個符合資格的區域每小時的後續 900,000 條推薦
|
0.0417 USD
|
|
每個符合資格的區域每小時超過 100 萬條推薦
|
0.0208 USD
|
* Amazon Personalize 允許您將推薦人設定為在 API 回應中傳回項目中繼資料。針對已啟用項目中繼資料的所有推薦人，每 1,000 個額外建議會額外收取 0.0167 USD。
*使用者數目 (透過 ‘user_id’ 識別) 依據 ‘Users’ 和 ‘Interactions’ 資料集中的不重複使用者數目計算。
您可以選擇以每秒建議 (RPS) 為使用案例最佳化推薦人指定最低輸送量。如果最小佈建 RPS 超過每秒請求的實際推薦數，則最小佈建 RPS 會計入您的使用者方案中包含的每小時免費推薦數。如果最小佈建 RPS 導致您超過使用者方案中包含的每小時免費推薦，您還需要支付額外的推薦費用。例如，如果您將最低 RPS 設定為 10，則會根據該小時的 36,000 個建議（每小時 3,600 秒 x 10 RPS）收取費用，但不包括使用者層級的每小時免費建議。
定價範例
範例 1：適用於媒體公司的使用案例優化推薦系統
一間媒體公司使用三個使用案例優化推薦系統，在其應用程式上支援三個不同的推薦浮動切換項目。他們在一個月內擷取了 200 GB 的資料，擁有 2,000,000 名使用者。每個浮動切換項目通常每小時可看到少於 9,000 次瀏覽；但是，每月有 140 個尖峰小時，其中每小時可看到 39,000 次瀏覽。
當月使用 Amazon Personalize 的收費為：
-
資料處理和儲存費用 = 200 GB x 每 GB 0.05 USD = 10 USD
-
推薦系統小時費用：
-
首 10 萬用戶 = 每小時 0.375 美元每月 720 小時 3 位推薦人 = 810.00 美元
-
下一九萬用戶 = 900,000 個用戶每小時 0.045 美元/10 萬用戶每月 720 小時 * 3 位推薦人 = 874.80 美元
-
下一千萬用戶 = 1,000,000 用戶每小時 0.018 美元/10 萬用戶每月 720 小時 * 3 位推薦人 = 388.80 美元
-
推薦小時費用總計 = 810.00 USD + 874.80 USD + 388.80 USD = 2,073.60 USD
-
-
額外推薦變更︰
-
每尖峰小時 39,000 個推薦系統 – 每小時 9,000 條免費推薦 = 每小時 30,000 條額外推薦。
-
每個高峰時段額外 3 萬個建議 0.0833 美元/1,000 個建議 140 個繁忙時間 * 3 位推薦人 = 1,049.58 美元
-
總費用 = 10 USD + 2,073.60 USD + 1,049.58 USD = 3,133.18 USD
範例 2：適用於線上零售商的使用案例優化推薦系統
線上零售商使用四個使用案例優化推薦，在其產品詳細資訊頁面提供產品推薦。他們在一個月內上傳了 10 GB 的資料，擁有 800,000 名使用者。這些推薦系統的流量從未超過每小時 6,000 次瀏覽。
當月使用 Amazon Personalize 的收費為：
-
資料處理和儲存費用 = 10 GB x 每 GB 0.05 USD = 0.50 USD
-
使用者費用︰
-
首 10 萬用戶 = 每小時 0.375 美元每月 720 小時 4 位推薦人 = 1,080.00 美元
-
接下來的 7 萬用戶 = 7 萬用戶每小時 0.045 美元/10 萬用戶每月 720 小時 * 4 位推薦人 = 907.20 美元
-
推薦小時費用總計 = 1080.00 USD + 907.20 USD = 1,987.20 USD
-
-
額外推薦變更︰
-
由於公司推薦系統從未超過每小時 6,000 條推薦，因此沒有額外的推薦費用。
-
總費用 = 0.50 USD + 1,987.20 USD = 1,987.70 USD
使用者細分
Amazon Personalize
Amazon Personalize 使用機器學習根據使用者對不同產品、類別、品牌等的喜愛程度自動對其進行細分，以建立更有效的行銷活動。
使用以下使用者細分方法時適用以下定價：
-
aws-item-affinity
-
aws-item-attribute
資料擷取
我們會根據上傳至 Amazon Personalize 的資料量以每 GB 計費。這包括串流至 Amazon Personalize 的即時資料，以及透過 Amazon Simple Storage Service (S3) 上傳的批次資料。
資料擷取成本 ：每 GB 0.05 美元
培訓
我們會根據您利用資料培訓自訂解決方案所使用的訓練小時數向您收費。Amazon Personalize 會自動選擇最佳執行個體類型，來訓練您的解決方案。Personalize 會根據使用的執行個體來計算訓練時數，這意味著計費的訓練時數可能會高於訓練期間時鐘上計量的時間。
培訓費用 ：每小時 0.24 美元
批次客群 (推論)
根據 Amazon Personalize 處理的資料集內的使用者數目*，對您請求的客群數目計費。
|
Users in dataset
|
Price per 1,000 users per segment
|
|---|---|
|
前 100,000 個使用者
|
0.016 USD
|
|
後續 900,000 個使用者
|
0.008 USD
|
|
後續 900 萬個使用者
|
0.004 USD
|
|
後續 4,000 萬個使用者
|
0.001 USD
|
*使用者數 (透過 ‘user_id’ 識別) 計算為 ‘Users’ 和 ‘Interactions’ 資料集中的唯一使用者數。
定價範例
範例 1：線上零售商的批次細分
零售商使用批次細分來產生有關正在銷售的特定產品的 SMS 和應用程式內訊息活動的使用者清單。他們在 10 種產品上執行行銷活動，每個行銷活動考慮有 2,000,000 個使用者。他們擷取 10GB 的資料且訓練需要 50 個訓練小時。
針對這些行銷活動使用 Amazon Personalize 的費用是：
-
資料處理和儲存費用 = 10 GB x 每 GB 0.05 USD = 0.50 USD
-
解決方案訓練費用= 50 個訓練小時 * 0.24 USD/訓練小時 = 12.00 USD
-
批次區段產生費用，首 10 萬用戶 = 10 萬用戶 0.016 美元/1,000 個用戶 10 個查詢 = 16. 00 美元
-
批次區段產生費用，接下來的 900,000 個用戶 = 900,000 個用戶 0.008 美元/1,000 個用戶 10 個查詢 = 72.00 美元
-
批次區段產生費用，接下來 1 萬個用戶 = 1 萬個用戶 0.004 美元/1,000 個用戶 10 個查詢 = 40.00 美元
總費用 = 0.50 USD + 12 USD + 16 USD + 72 USD + 40 USD = 140.50 USD
範例 2：媒體公司的批次細分
一家媒體公司使用批次細分來根據電影的屬性 (例如流派、男主角/女主角和獲獎情況) 來識別對串流電影感興趣的使用者。該公司使用產生的使用者客群來定位其電子郵件行銷活動。該公司有 2,000 萬使用者，每個行銷活動都會考慮這些使用者。該公司使用 650 GB 的資料，且訓練需要 1,800 個訓練小時。他們對其行銷活動的 25 種不同電影屬性進行細分。
當月使用 Amazon Personalize 的收費為：
-
資料處理和儲存 = 650 GB x 0.05 USD/GB =32.50 USD
-
解決方案培訓費 = 1,800 個培訓小時 * 0.24 美元/培訓小時 = 432.0 美元
-
推論費用，前 10 萬用戶 = 10 萬用戶 0.016 美元/1,000 個用戶 25 個查詢 = 40 美元
-
批次區段產生費用，接下來的 900,000 個用戶 = 900,000 個用戶 0.008 美元/1,000 個用戶 25 個查詢 = 180 美元
-
批次區段產生費用，接下來 900 萬用戶 = 9,000,000 用戶 0.004/1,000 個用戶 25 個查詢 = 900 美元
-
批次區段產生費用，接下來 1000 萬用戶 = 10 萬用戶 0.001/1,000 個用戶 25 個查詢 = 250 美元
總費用 = 32.50 USD + 432 USD + 40 USD + 180 USD + 900 USD + 250 USD = 1,834.50 USD