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。
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
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。
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。
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% |
“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 个人信号 + TimesFM 品牌需求趋势。
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。
一次会员请求同时返回 distribution 与 purchaseWindows。
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。
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
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
| 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。
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。
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。
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。
分析观察到的行为、消费者状态以及购买、长时间未购买和购物车移除的标准模型信号。结果会识别缺失数据以及每个信号的局限性。
探索行为相似人群、聚类和异常审查。相似性有助于您研究受众;它并非承诺的转化率。
使用应用程序或 AI 客户端中的 CWM 控制台、REST、API 或 MCP。范围密钥控制对您工作区的访问权限。
有效的分析需要支持的数据和足够的行为历史记录。不可用的信号会明确报告;新账户不包含客户数据或预测。
说明性工作流程·不是实时预测
使用您的工作区身份和权限导入。
您的团队或应用程序选择如何使用结果。
控制台 / REST API / MCP
在控制台中查看分析结果,或允许授权应用程序或 AI 客户端查询 CWM。导入受支持的事实,创建作用域密钥,并遵循公开参考文档了解可用操作。
阅读 API 和 MCP 参考资料 →预付费使用
新的 CWM 帐户将收到欢迎积分。符合条件的业务按公布的费率扣除积分。在您的工作空间中购买额外的积分;您的余额和使用情况仍然可见。
使用邮箱和密码或Google注册,并同意CWM用户协议。服务可用性会在注册期间显示。
体验 CWM →研究与高级模型方向
更广泛的CWM方向包括行为建模和数字孪生。研究基准、每个品牌的模型验证和模拟与自助服务工作区中可用的标准操作分开描述。
CWM / Harness / Loop Marketing
理解与预测 · 核心
Consumer World Model
在同一份画像里理解每位客户,并根据该客户自己的历史预测流失风险、下一次购买和 12 个月价值。历史太薄时,不显示分数。
了解 CWM →编排行动 · 运行层
SocialHub.AI Harness
用受治理的 AI 员工和技能编排下一步行动,工作停在权限、预算和审核规则之内。
了解 Harness →可衡量的结果 · 应用层
自有渠道上可衡量的结果
在自有渠道上交付营销、会员和可衡量的结果:邮件、短信、应用内和门店。客户关系与数据留在品牌这边。
了解 Loop Marketing →观察到的结果指导下一轮。模型更新取决于数据质量与验证。客户关系与数据留在品牌这边。