计算成本估算

由于统计引擎把 SQL 下推到你的仓库，跑实验产生的成本会出现在 你 的仓库账单上，而不是 ABetterChoice 的单独计费项。本页面汇总成本驱动因素及把成本压住的方式。

ABetterChoice 以 你自己的 Business Account 在你的 BigQuery 项目内运行分析作业 —— 连接会授权平台的代理账号（proxy account）impersonate 你的 Business Account，并在项目级别运行 BigQuery 作业。指标刷新是按计划、按时区进行的（你在仓库连接里设置的 Time Zone 被用于"数据处理和定时指标重算 / scheduled metric reloading"）。

成本驱动因素

• 每实验的指标数量 —— 每个指标都会对事实表贡献一次独立的聚合 pass。
• 刷新频率与时间窗 —— 结果按计划周期重算（scheduled metric reloading），更长的分析窗口意味着每次刷新扫描更多分区。
• 所选维度的基数 —— 用高基数维度（原始用户 ID、自由文本字符串）切分会放大结果表和扫描字节数。
• 底层表的分区 —— 注册了 Partition Field 的事实表 / 分流表能让引擎裁剪分区、每次刷新少扫字节（见定义数据表）。
• HTE（异质性处理效应）分析 —— HTE 查询运行在 Dataproc Serverless 批处理 上，是独立于常规 BigQuery 分析的计算面。不跑 HTE 时常规分析照常工作，相应成本也完全不产生。

控制成本的杠杆

• 选择 Partition Field 与分区粒度和实验窗口对齐的事实表，让每次刷新只裁剪到需要的分区。
• 维度只保留实验负责人真正会用的那些，避免高基数切分。
• 归档没人消费的指标和维度，让它们不再被重算。
• 仅当团队跑 HTE 分析时才授予 Dataproc 权限，否则该计算面保持不启用。