CWM · Faham dan ramal
Consumer World Model menukar fakta ahli, pesanan dan tingkah laku kepada satu profil pelanggan yang boleh digunakan pasukan, aplikasi dan pembantu AI. Ramalan datang daripada sejarah pelanggan itu sendiri. Mulakan dengan analisis standard yang ada hari ini, kemudian sambungkan ke aliran kerja anda.
500,000 kredit alu-aluan untuk akaun CWM baharu
Consumer World Model
Fakta → Pemahaman
Data ahli, pesanan dan tingkah laku
Isyarat pengguna dan perwakilan tingkah laku
Aliran kerja konsol, aplikasi atau AI anda
Ramalan satu ahli mengembalikan tingkah laku seterusnya dan tetingkap pembelian peribadi, menggabungkan isyarat pengguna dengan konteks permintaan jenama apabila ketua gabungan penyewa sedia.
Contoh interaktif
Semua keadaan dan nombor adalah contoh sintetik, bukan ramalan langsung atau kesediaan ruang kerja. Tiada data pelanggan dihantar.
Ramalan tingkah laku kekal tersedia. Tetingkap pembelian kekal tidak tersedia sehingga ketua gabungan jenama dilatih dan disahkan.
Satu taburan terakhir ke atas empat peristiwa yang disokong dalam contoh ini. Kebarangkalian peristiwa seterusnya tidak dikalibrasi.
| Acara seterusnya | Kebarangkalian |
|---|---|
| Pembelian | 37% |
| Lawatan portal | 28% |
| Klik e-mel | 21% |
| Penebusan kupon | 14% |
E-mel yang dihantar ialah peristiwa konteks input, bukan sasaran ramalan. Kebarangkaliannya ialah null. Peristiwa lain yang tidak disokong atau tidak ditemui juga kekal tidak tersedia.
Isyarat peribadi CWM + konteks permintaan jenama TimesFM.
Peluang sekurang-kurangnya satu pembelian. Tetingkap ini adalah kumulatif; jangan tambahkannya bersama atau pada taburan acara.
Satu permintaan ahli mengembalikan pengedaran dan purchaseWindows bersama-sama.
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"
}
}
}Gantikan hos API, UUID ahli dan kekunci API dengan nilai ruang kerja anda.
Akses diperlukan · predictions:read mengembalikan tingkah laku. Berikan juga metrics:read (atau *) untuk mendayakan tetingkap pembelian apabila model sedia.
Petikan sintetik sahaja. Respons model jenama juga merangkumi katalog acara penuh dan metadata liputan; rujukan awam terdahulu menggunakan perbendaharaan kata enam kelas yang berasingan.
{
"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"
]
}Data sintetik · TimesFM 2.5
Contoh ramalan daripada 128 hari sejarah sintetik. Bandingkan corak terkini dengan permintaan harian masa hadapan dan kuantilnya.
Unit permintaan sintetik
| Tarikh (UTC) | Ramalan titik | 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 |
Contoh sintetik, dijana dengan TimesFM 2.5 pemberat. Ramalan bermula pada 2026-10-05 (UTC); tarikh ditetapkan untuk demo. Liputan kuantil tidak dikalibrasi. Nilai tidak mewakili permintaan pelanggan atau kebarangkalian pembelian individu.
Terima satu taburan kebarangkalian dan kedudukan akhir. Model jenama yang dinilai diutamakan, dengan sehingga 23 sasaran yang dilindungi. Apabila ia tidak tersedia, model pendahuluan awam dalaman membentuk rujukan enam kelas tunggal. Peristiwa yang tidak disokong dan konteks sahaja kekal tidak tersedia.
Disertakan secara automatik dalam respons ahli yang sama: kepala ringan penyewa-persendirian menggabungkan isyarat CWM dengan trend jenama TimesFM. Kepala sedia berkhidmat secara langsung; latihan atau penilaian yang terlepas hanya meninggalkan tetingkap pembelian yang tidak tersedia.
Di mana perkhidmatan TimesFM 2.5 dikonfigurasikan dan sejarah harian selesai, ramalkan hasil, pesanan atau unit yang dijual sehingga 90 hari, dengan anggaran mata dan sembilan kuantil.
Kebarangkalian peristiwa seterusnya berjumlah 100% berbanding calon yang disokong dan tidak dikalibrasi. Tetingkap pembelian secara berasingan menganggarkan sekurang-kurangnya satu pembelian dalam tempoh 7/30/90 hari dan bersifat kumulatif, tidak pernah dinormalisasikan dengan kelas peristiwa. Kesunyian berlalu tidak dikondisikan dalam vektor peristiwa. Rujukan awam-terdahulu belum memperoleh pengesahan ruang kerja.
Kuantil permintaan menggambarkan ketidakpastian agregat; ia bukan selang pembelian individu dan belum dikalibrasi. Data yang hilang masih tidak tersedia. Tiada peningkatan ketepatan yang dinyatakan sebelum penilaian anda sendiri.
Semak tingkah laku yang diperhatikan, keadaan pengguna dan isyarat model standard untuk pembelian, jurang yang panjang dan penyingkiran troli. Keputusan mengenal pasti data yang hilang dan had setiap isyarat.
Terokai persamaan tingkah laku, kluster dan semakan anomali. Kesamaan membantu anda menyiasat khalayak; ia bukan kadar penukaran yang dijanjikan.
Gunakan konsol CWM, REST API atau MCP daripada aplikasi atau klien AI anda. Kekunci berskop mengawal akses ke ruang kerja anda.
Analisis yang boleh digunakan memerlukan data yang disokong dan sejarah tingkah laku yang mencukupi. Isyarat yang tidak tersedia dilaporkan secara eksplisit; akaun baharu tidak mengandungi data atau ramalan pelanggan.
Aliran kerja ilustrasi · bukan ramalan langsung
Diimport dengan identiti dan kebenaran ruang kerja anda.
Pasukan atau aplikasi anda memilih cara menggunakan hasilnya.
Konsol / REST API / MCP
Semak analisis dalam konsol atau biarkan aplikasi yang dibenarkan atau klien AI membuat pertanyaan CWM. Import fakta yang disokong, cipta kunci berskop dan ikut rujukan awam untuk operasi yang tersedia.
Baca rujukan API & MCP →Penggunaan prabayar
Akaun CWM baharu menerima kredit alu-aluan. Operasi yang layak akan memotong kredit pada kadar yang diterbitkan. Beli kredit tambahan di ruang kerja anda; baki dan penggunaan anda kekal kelihatan di sana.
Daftar dengan e-mel dan kata laluan atau Google, dan setuju dengan perjanjian pengguna CWM. Ketersediaan perkhidmatan ditunjukkan semasa pendaftaran.
Cuba CWM →Penyelidikan & hala tuju model lanjutan
Hala tuju CWM yang lebih luas merangkumi pemodelan tingkah laku dan kembar digital. Penanda aras penyelidikan, pengesahan model setiap jenama dan simulasi diterangkan secara berasingan daripada operasi standard yang tersedia di ruang kerja layan diri.
CWM / Harness / Loop Marketing
Faham dan ramal · Teras
Consumer World Model
Fahami setiap pelanggan dalam satu profil dan ramal risiko churn, pembelian seterusnya serta nilai 12 bulan daripada sejarah pelanggan itu sendiri. Skor tidak dipaparkan jika sejarah terlalu nipis.
Terokai CWM →Atur tindakan · Runtime
SocialHub Harness
Atur tindakan seterusnya dengan pekerja AI dan kemahiran yang ditadbir, dalam had kebenaran, bajet dan semakan.
Terokai Harness →Hasil yang diukur · Aplikasi
Hasil yang diukur pada saluran milik jenama
Sampaikan kempen, kesetiaan dan hasil yang diukur pada saluran milik jenama: e-mel, SMS, dalam apl dan kedai. Hubungan pelanggan dan data kekal dengan jenama.
Terokai Loop Marketing →Hasil yang diperhatikan memaklumkan kitaran seterusnya. Kemas kini model bergantung pada kualiti dan pengesahan data. Hubungan pelanggan dan data kekal dengan jenama.
CWM
Cipta ruang kerja, terokai konsol dan sambungkan data pelanggan anda. Beli kredit apabila kapasiti tambahan diperlukan.
500,000 kredit alu-aluan untuk akaun CWM baharu
Harness + Loop Marketing
Lihat cara CWM, Harness dan Loop Marketing sesuai dengan data pelanggan, saluran milik jenama dan pembantu AI yang pasukan anda sudah guna.
Tempah demo →