下一步可能做什么？
一份最终分布，覆盖本示例的4个支持事件；下一行为概率尚未经校准。
| 下一事件 | 概率 |
|---|---|
| 购买 | 37% |
| 访问会员门户 | 28% |
| 点击邮件 | 21% |
| 核销优惠券 | 14% |
为什么有些事件没有概率？
“发送邮件”属于输入上下文，不是预测目标，因此概率为 null。不支持或没有数据覆盖的事件同样保持不可用。
CWM — Consumer World Model · 消费者理解 · 核心
什么是 CWM？理解消费者行为的模型。
理解行为、查看消费者信号、发现相似人群，通过控制台、API 或 MCP 使用 CWM。
新注册 CWM 账号获赠 500,000 信用点
下一行为、购买窗口与整体需求趋势
一次会员预测同时返回下一行为与个人购买窗口；品牌融合头可用时，将个人信号与整体需求趋势结合。
交互示例
一个消费者，一份统一预测。
所有状态与数值均为合成示例，不代表实时预测或工作区可用状态；不会发送客户数据。
部分可用
已有行为预测仍可返回。品牌融合头完成训练并通过验证前，个人购买窗口保持不可用。
未来多久内可能购买？
CWM 个人信号 + TimesFM 品牌需求趋势。
- 7 天内
- 不可用
- 30 天内
- 不可用
- 90 天内
- 不可用
预测窗口内至少购买一次的累计概率。三个窗口之间、窗口与行为分布之间均不能相加。
把同一份结果接入工作流程
一次会员请求同时返回 distribution 与 purchaseWindows。
查看 API / MCP 调用
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"
}
}
}请替换 API 域名、会员 UUID 与工作区 API 密钥。
所需权限 · predictions:read 可读取行为；额外授予 metrics:read（或 *）后，可在模型就绪时获取购买窗口。
查看响应节选
仅为合成示例节选。品牌模型响应还包含完整事件目录及覆盖信息；公共先验参考采用独立的6类词表。
{
"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"
]
}合成数据 · TimesFM 2.5
探索逐日需求趋势
基于128天合成历史生成的预测示例，对比近期需求走势、未来逐日预测和分位数范围。
合成需求单位
- 近期日均需求
- 20.0
- 预测日均需求
- 20.1
- 预测累计需求
- 604.3
第 1天 · 2026-10-05
- 预测值
- 22.9
- q10
- 22.8
- q90
- 23.0
查看每日预测数据
| 日期（UTC） | 预测值 | 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 |
本示例输入为合成数据，预测由真实TimesFM 2.5权重生成。预测起点为2026-10-05（UTC），演示日期固定；分位数覆盖率尚未经校准。数值不代表客户实际需求或个人购买概率。
一份完整的下一行为概率
一次获得一份最终概率分布与排序。通过评测的品牌模型优先，最多支持23类有数据覆盖的目标；品牌模型不可用时，内部公共先验模型汇总成一份6类参考分布。不支持及仅作上下文的事件保持不可用。
7 / 30 / 90天购买窗口
自动包含在同一份会员响应中：租户独立的轻量融合头结合 CWM 信号与 TimesFM 品牌趋势。合格融合头直接输出；缺少训练或评测时，购买窗口保持不可用，已有行为预测仍可返回。
品牌与品类的逐日预测
TimesFM 2.5 服务已配置且逐日历史完整时，可预测未来最多90天的销售额、订单数或商品销量，并提供预测值和9个分位数。
如何理解这些结果
下一行为概率在支持的候选类别中合计为100%，尚未经校准。购买窗口单独预测7/30/90天内至少购买一次的累计概率，不与行为类别一起归一化。行为分布未按静默时长调整；公共先验参考尚未通过工作区验证。
需求分位数表达整体不确定性，不是个人购买区间，覆盖率尚未经校准。缺失数据保持不可用；在工作区评测完成前，不宣称精度提升。
现在可以用 CWM 做什么？
理解消费者行为
查看已发生的行为、消费者状态，以及购买、长时间未活动和移除购物车商品等标准模型信号。结果会说明缺失数据和信号的适用范围。
发现并比较人群
探索行为相似人群、聚类和异常行为。相似度帮助你研究人群，并不代表承诺的转化率。
融入你的工作流程
通过控制台、REST API 或 MCP，在应用或 AI 客户端中使用 CWM。限定权限的密钥控制工作空间访问。
分析需要支持的数据格式和足够的行为历史。不可用的信号会明确标注；新账号不含客户数据或预测结果。
从消费者事件到可用信号。
你的输入
- 会员记录
- 订单与购买历史
- 支持的浏览及行为事件
你可以查看的结果
- 已发生的事实与数据覆盖情况
- 可用的消费者信号及其限制
- 行为相似度与候选人群
从 500,000 注册赠送信用点开始。
新账号获赠信用点。符合条件的操作按公布的费率扣点；需要更多用量时，在工作空间内购买信用点并查看余额和使用记录。
使用邮箱和密码或 Google 注册，并同意 CWM 用户协议。注册时会提示服务可用范围。
体验 CWM →CWM / Harness / Loop Marketing
一个核心，三层协作。
消费者理解 · 核心
CWM
Consumer World Model
理解行为、查看消费者信号、发现相似人群，通过控制台、API 或 MCP 使用 CWM。
了解 CWM →AI 执行 · 运行层
Harness
SocialHub Harness
为 AI 配置上下文、技能与工具，在权限、预算和审核规则内完成任务。
了解 Harness →营销成果 · 应用层
Loop Marketing
Agentic Retention Loop
采集行为、决定行动、跨渠道触达、积累会员资产，将结果反馈到下一轮。
了解 Loop Marketing →实际结果用于指导下一轮决策，模型更新取决于数据质量和验证结果。