CWM — Consumer World Model · Verbraucherverständnis · Kern
Verhalten verstehen, Signale prüfen und ähnliche Zielgruppen finden — im Workspace, per API oder MCP.
500.000 Startguthaben-Credits für ein neues CWM-Konto
One member prediction returns next behaviors and personal purchase windows, combining consumer signals with brand demand context when the tenant fusion head is ready.
Interactive example
All states and numbers are synthetic examples, not live predictions or workspace readiness. No customer data is sent.
Behavior predictions remain available. Purchase windows stay unavailable until the brand's fusion head is trained and validated.
One final distribution over this example's four supported events. Next-event probabilities are uncalibrated.
| Next event | Probability |
|---|---|
| Purchase | 37% |
| Portal visit | 28% |
| Email click | 21% |
| Coupon redemption | 14% |
Email sent is an input context event, not a prediction target. Its probability is null. Other unsupported or uncovered events also stay unavailable.
Personal CWM signals + TimesFM brand demand context.
Chance of at least one purchase. These windows are cumulative; do not add them together or to the event distribution.
One member request returns distribution and purchaseWindows together.
curl --request GET \
"https://YOUR_API_HOST/api/v2/cwm/members/YOUR_MEMBER_UUID/next-behaviors" \
--header "Authorization: Bearer YOUR_API_KEY"{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/call",
"params": {
"name": "cwm_predict_next_behaviors",
"arguments": {
"member_id": "YOUR_MEMBER_UUID"
}
}
}Replace the API host, member UUID and API key with your workspace values.
Required access · predictions:read returns behaviors. Also grant metrics:read (or *) to enable purchase windows when the model is ready.
Synthetic excerpt only. Brand-model responses also include the full event catalog and coverage metadata; public-prior references use a separate six-class vocabulary.
{
"predictionKind": "next_event",
"unit": "probability_0_1",
"status": "degraded",
"distribution": {
"status": "ok",
"vocabulary": "member_event",
"normalization": "conditional_on_supported_events",
"calibrated": false,
"rows": [
{
"key": "purchase.completed",
"label": "Purchase",
"probability": 0.37,
"rank": 1,
"availability": "predicted"
},
{
"key": "portal.visited",
"label": "Portal visit",
"probability": 0.28,
"rank": 2,
"availability": "predicted"
},
{
"key": "email.clicked",
"label": "Email clicked",
"probability": 0.21,
"rank": 3,
"availability": "predicted"
},
{
"key": "coupon.redeemed",
"label": "Coupon redeemed",
"probability": 0.14,
"rank": 4,
"availability": "predicted"
},
{
"key": "email.sent",
"label": "Email sent",
"probability": null,
"rank": null,
"availability": "context_only"
}
]
},
"purchaseWindows": {
"unit": "probability_0_1",
"probabilities": {
"7": null,
"30": null,
"90": null
},
"calibrated": false,
"envelope": {
"status": "unavailable",
"backend": "cwm-timesfm-2.5",
"reasonCodes": [
"fusion_not_trained"
]
}
},
"reasonCodes": [
"fusion_not_trained"
]
}Synthetic data · TimesFM 2.5
An example forecast from 128 days of synthetic history. Compare the recent pattern with future daily demand and its quantiles.
Synthetic demand units
| Date (UTC) | Point forecast | q10–q90 |
|---|---|---|
| 2026-10-05 | 22.9 | 22.8–23.0 |
| 2026-10-06 | 21.3 | 21.2–21.4 |
| 2026-10-07 | 18.7 | 18.6–18.8 |
| 2026-10-08 | 17.1 | 17.0–17.1 |
| 2026-10-09 | 17.7 | 17.6–17.7 |
| 2026-10-10 | 20.0 | 20.0–20.1 |
| 2026-10-11 | 22.3 | 22.3–22.4 |
| 2026-10-12 | 22.9 | 22.9–22.9 |
| 2026-10-13 | 21.3 | 21.2–21.3 |
| 2026-10-14 | 18.7 | 18.6–18.7 |
| 2026-10-15 | 17.1 | 17.0–17.2 |
| 2026-10-16 | 17.7 | 17.6–17.7 |
| 2026-10-17 | 20.0 | 19.9–20.1 |
| 2026-10-18 | 22.4 | 22.3–22.4 |
| 2026-10-19 | 22.9 | 22.8–23.0 |
| 2026-10-20 | 21.3 | 21.2–21.4 |
| 2026-10-21 | 18.7 | 18.6–18.7 |
| 2026-10-22 | 17.1 | 17.0–17.1 |
| 2026-10-23 | 17.7 | 17.6–17.7 |
| 2026-10-24 | 20.0 | 19.9–20.0 |
| 2026-10-25 | 22.3 | 22.3–22.4 |
| 2026-10-26 | 22.9 | 22.8–22.9 |
| 2026-10-27 | 21.3 | 21.2–21.3 |
| 2026-10-28 | 18.7 | 18.6–18.7 |
| 2026-10-29 | 17.1 | 17.0–17.2 |
| 2026-10-30 | 17.7 | 17.6–17.7 |
| 2026-10-31 | 20.0 | 20.0–20.1 |
| 2026-11-01 | 22.4 | 22.3–22.4 |
| 2026-11-02 | 22.9 | 22.8–22.9 |
| 2026-11-03 | 21.3 | 21.2–21.3 |
Synthetic example, generated with TimesFM 2.5 weights. The forecast starts on 2026-10-05 (UTC); dates are fixed for the demo. Quantile coverage is uncalibrated. Values do not represent a customer's demand or individual purchase probabilities.
Receive one final probability distribution and ranking. The evaluated brand model takes priority, with up to 23 covered targets. When it is unavailable, internal public-prior models form a single six-class reference. Unsupported and context-only events remain unavailable.
Included automatically in the same member response: a tenant-private lightweight head combines CWM signals with TimesFM brand trends. Ready heads serve directly; missing training or evaluation leaves only the purchase windows unavailable.
Where the TimesFM 2.5 service is configured and daily history is complete, forecast revenue, orders or units sold for up to 90 days, with point estimates and nine quantiles.
Next-event probabilities sum to 100% over supported candidates and are uncalibrated. Purchase windows separately estimate at least one purchase within 7/30/90 days and are cumulative, never normalized with event classes. Elapsed silence is not conditioned in the event vector. The public-prior reference has not earned workspace validation.
Demand quantiles describe aggregate uncertainty; they are not individual purchase intervals and have not been calibrated. Missing data remain unavailable. No accuracy lift is asserted before your own evaluation.
Prüfen Sie beobachtetes Verhalten, Verbraucherzustände und Standardmodellsignale zu Käufen, längerer Inaktivität und entfernten Warenkorbartikeln. Fehlende Daten und die Grenzen jedes Signals werden angezeigt.
Untersuchen Sie ähnliche Verhaltensmuster, Cluster und Auffälligkeiten. Ähnlichkeit unterstützt die Analyse einer Zielgruppe; sie garantiert keine Konversionsrate.
Nutzen Sie CWM über die Konsole, REST API oder MCP in Anwendungen und KI-Clients. Schlüssel mit begrenzten Berechtigungen steuern den Zugriff auf den Workspace.
Analysen benötigen unterstützte Datenformate und ausreichend Verhaltenshistorie. Nicht verfügbare Signale werden ausdrücklich ausgewiesen. Ein neues Konto enthält weder Kundendaten noch Prognosen.
Prüfen Sie Analysen in der Konsole oder erlauben Sie Anwendungen und KI-Clients, CWM abzufragen. Importieren Sie unterstützte Daten, erstellen Sie einen berechtigungsbegrenzten Schlüssel und prüfen Sie verfügbare Operationen in der öffentlichen Referenz.
API- und MCP-Referenz öffnen →Neue Konten erhalten Credits. Berechtigte Operationen verbrauchen diese zu den veröffentlichten Tarifen. Kaufen Sie bei Bedarf zusätzliche Credits und prüfen Sie Guthaben und Nutzung im Workspace.
Registrieren Sie sich mit E-Mail und Passwort oder Google und stimmen Sie den CWM-Nutzungsbedingungen zu. Die regionale Verfügbarkeit wird bei der Registrierung angezeigt.
CWM testen →Verhaltensmodellierung, digitale Zwillinge, markenspezifische Modellvalidierung und Simulation werden getrennt von den derzeit im Self-Service verfügbaren Standardoperationen beschrieben.
CWM / Harness / Loop Marketing
Verbraucherverständnis · Kern
Consumer World Model
Verhalten verstehen, Signale prüfen und ähnliche Zielgruppen finden — im Workspace, per API oder MCP.
Entdecken CWM →KI-Ausführung · Laufzeit
SocialHub Harness
KI mit Kontext, Skills und Werkzeugen ausstatten. Aufgaben innerhalb von Berechtigungen, Budgets und Prüfregeln ausführen.
Entdecken Harness →Marketingergebnisse · Anwendung
Agentic Retention Loop
Verhalten erfassen, Aktionen entscheiden, kanalübergreifend aktivieren und Loyalität aufbauen. Ergebnisse fließen in den nächsten Zyklus.
Entdecken Loop Marketing →Beobachtete Ergebnisse informieren den nächsten Zyklus. Modellupdates benötigen Datenqualität und Validierung.
CWM
Workspace erstellen, Konsole erkunden und Daten verbinden. Zusätzliche Credits bei Bedarf kaufen.
500.000 Startguthaben-Credits für ein neues CWM-Konto
Harness + Loop Marketing
Erfahren Sie, wie die drei Produkte zu Ihren Daten, Kanälen und Abläufen passen.
Demo buchen →