CWM · Entender y predecir
Consumer World Model convierte los hechos de miembros, pedidos y comportamiento en un perfil de cliente que equipos, aplicaciones y asistentes de IA pueden usar. Las predicciones salen del historial de ese cliente. Empieza por el análisis estándar disponible hoy y luego conéctalo a tu flujo.
500.000 créditos de bienvenida para una nueva cuenta CWM
Consumer World Model
Datos → Comprensión
Datos de miembros, pedidos y comportamiento
Señales del consumidor y representaciones conductuales.
Tu consola, aplicación o flujo de trabajo de IA
La predicción de un miembro devuelve los próximos comportamientos y ventanas de compra personal, combinando las señales del consumidor con el contexto de demanda de la marca cuando el jefe de fusión del inquilino esté listo.
Ejemplo interactivo
Todos los estados y números son ejemplos sintéticos, no predicciones en tiempo real ni disponibilidad del espacio de trabajo. No se envían datos de clientes.
Las predicciones de comportamiento siguen disponibles. Las ventanas de compra no estarán disponibles hasta que el sistema de integración de la marca esté entrenado y validado.
Una distribución final sobre los cuatro eventos admitidos en este ejemplo. Las probabilidades del próximo evento no están calibradas.
| Siguiente evento | Probabilidad |
|---|---|
| Compra | 37% |
| Visita al portal | 28% |
| Clic en correo electrónico | 21% |
| Canje de cupones | 14% |
El correo electrónico enviado es un evento de contexto de entrada, no un objetivo de predicción. Su probabilidad es nula. Otros eventos no compatibles o descubiertos tampoco están disponibles.
Señales personales CWM + contexto de demanda de marca TimesFM.
Probabilidad de al menos una compra. Estos periodos son acumulativos; no los sumes ni los incluyas en la distribución de eventos.
Un miembro solicita la distribución de devoluciones y purchaseWindows juntos.
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"
}
}
}Reemplace el host API, el UUID del miembro y la clave API con los valores de su espacio de trabajo.
Acceso requerido · predictions:read devuelve comportamientos. También conceder metrics:read (o *) para habilitar ventanas de compra cuando el modelo esté listo.
Solo extracto sintético. Las respuestas del modelo de marca también incluyen el catálogo completo de eventos y los metadatos de cobertura; las referencias públicas previas utilizan un vocabulario independiente de seis clases.
{
"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"
]
}Datos sintéticos · TimesFM 2,5
Un ejemplo de pronóstico basado en 128 días de historial sintético. Compara el patrón reciente con la demanda diaria futura y sus cuantiles.
Unidades de demanda sintéticas
| Fecha (UTC) | Previsión de puntos | 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 |
Ejemplo sintético, generado con TimesFM 2,5 pesos. El pronóstico comienza el 2026-10-05 (UTC); Las fechas están fijadas para la demostración. La cobertura cuantil no está calibrada. Los valores no representan la demanda de un cliente ni las probabilidades de compra individuales.
Recibe una distribución de probabilidad y una clasificación final. El modelo de marca evaluado tiene prioridad, con hasta 23 objetivos cubiertos. Cuando no está disponible, los modelos internos de prioridad pública forman una única referencia de seis clases. Los eventos no compatibles y los que solo dependen del contexto permanecen no disponibles.
Incluido automáticamente en la misma respuesta del miembro: un encabezado ligero y privado para inquilinos combina las señales de CWM con las tendencias de la marca TimesFM. Los encabezados listos funcionan directamente; la falta de capacitación o evaluación deja solo las ventanas de compra inaccesibles.
Cuando el servicio TimesFM 2.5 está configurado y el historial diario está completo, pronostique ingresos, pedidos o unidades vendidas hasta por 90 días, con estimaciones puntuales y nueve cuantiles.
Las probabilidades del próximo evento suman 100 % sobre los candidatos admitidos y no están calibradas. Las ventanas de compra estiman por separado al menos una compra en un plazo de 7/30/90 días y son acumulativas, nunca normalizadas con las clases de eventos. El silencio transcurrido no se condiciona en el vector de eventos. La referencia pública previa no ha obtenido la validación del espacio de trabajo.
Los cuantiles de demanda describen la incertidumbre agregada; no son intervalos de compra individuales y no se han calibrado. Los datos faltantes no están disponibles. No se afirma ninguna mejora en la precisión antes de su propia evaluación.
Se revisa el comportamiento observado, el estado del consumidor y las señales del modelo estándar para la compra, los periodos prolongados de inactividad y la retirada del carrito. Los resultados identifican los datos faltantes y los límites de cada señal.
Explora comportamientos similares, agrupaciones y análisis de anomalías. La similitud te ayuda a investigar a una audiencia; no garantiza una tasa de conversión.
Utilice la consola CWM, REST, API o MCP desde su aplicación o cliente de IA. Las claves de acceso controlan el acceso a su espacio de trabajo.
Un análisis útil requiere datos compatibles e historial de comportamiento suficiente. Las señales no disponibles se informan explícitamente; una cuenta nueva no contiene datos de clientes ni predicciones.
Flujo de trabajo ilustrativo · no es una predicción en vivo
Importado con la identidad y los permisos de su espacio de trabajo.
Su equipo o aplicación elige cómo utilizar el resultado.
Consola / REST API / MCP
Revise el análisis en la consola o permita que una aplicación o cliente de IA autorizado consulte CWM. Importe los datos compatibles, cree una clave con ámbito y siga la referencia pública para las operaciones disponibles.
Consulta la referencia de API y MCP →Uso prepago
Las nuevas cuentas CWM reciben créditos de bienvenida. Las operaciones elegibles deducen créditos a las tarifas publicadas. Compra créditos adicionales en tu espacio de trabajo; su saldo y uso permanecen visibles allí.
Regístrese con correo electrónico y contraseña o Google y acepte el acuerdo de usuario CWM. La disponibilidad del servicio se muestra durante el registro.
Probar CWM →Investigación y dirección de modelos avanzados
La dirección CWM más amplia incluye modelos de comportamiento y gemelos digitales. Los puntos de referencia de investigación, la validación y simulación de modelos por marca se describen por separado de las operaciones estándar disponibles en el espacio de trabajo de autoservicio.
CWM / Harness / Loop Marketing
Entender y predecir · Núcleo
Consumer World Model
Entiende a cada cliente en un perfil y predice el riesgo de abandono, la próxima compra y el valor a 12 meses a partir del historial de ese cliente. Si el historial es demasiado escaso, no se muestra una puntuación.
Explorar CWM →Orquestar acciones · Runtime
SocialHub Harness
Orquesta la siguiente acción con empleados de IA y skills gobernados, dentro de permisos, presupuestos y reglas de revisión.
Explorar Harness →Resultados que se miden · Aplicación
Resultados medidos en los canales propios
Entrega campañas, fidelización y resultados medidos en canales propios: correo, SMS, in-app y tienda. La relación con el cliente y los datos se quedan con la marca.
Explorar Loop Marketing →Los resultados observados orientan el siguiente ciclo. Las actualizaciones del modelo dependen de la calidad y la validación de los datos. La relación con el cliente y los datos se quedan con la marca.
CWM
Crea un espacio de trabajo, explora la consola y conecta tus datos de clientes. Compra créditos cuando necesites más capacidad.
500.000 créditos de bienvenida para una nueva cuenta CWM
Harness + Loop Marketing
Mira cómo CWM, Harness y Loop Marketing encajan con tus datos de clientes, tus canales propios y los asistentes de IA que tus equipos ya usan.
Solicitar una demo →