SocialHub.AI

CWM · 理解与预测

CWM 理解每位客户,并预测他们的下一步。

Consumer World Model 把会员、订单和行为事实收成一份客户画像,供团队、应用和 AI 助手使用。预测来自该客户自己的历史。先从今天可用的标准分析开始,再接到你的工作流。

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。

选择示例状态
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。

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。

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"

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。

预测窗口

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
历史 · 最近28天预测值
历史需求、未来逐日预测和q10–q90分位范围深蓝线为最近28天历史,绿线为所选窗口的预测,阴影为q10–q90分位范围。可通过日期滑块查看每天的预测。
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
2026-10-0522.922.8–23.0
2026-10-0621.321.2–21.4
2026-10-0718.718.6–18.8
2026-10-0817.117.0–17.1
2026-10-0917.717.6–17.7
2026-10-1020.020.0–20.1
2026-10-1122.322.3–22.4
2026-10-1222.922.9–22.9
2026-10-1321.321.2–21.3
2026-10-1418.718.6–18.7
2026-10-1517.117.0–17.2
2026-10-1617.717.6–17.7
2026-10-1720.019.9–20.1
2026-10-1822.422.3–22.4
2026-10-1922.922.8–23.0
2026-10-2021.321.2–21.4
2026-10-2118.718.6–18.7
2026-10-2217.117.0–17.1
2026-10-2317.717.6–17.7
2026-10-2420.019.9–20.0
2026-10-2522.322.3–22.4
2026-10-2622.922.8–22.9
2026-10-2721.321.2–21.3
2026-10-2818.718.6–18.7
2026-10-2917.117.0–17.2
2026-10-3017.717.6–17.7
2026-10-3120.020.0–20.1
2026-11-0122.422.3–22.4
2026-11-0222.922.8–22.9
2026-11-0321.321.2–21.3
下载示例数据(JSON) ↓

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。

查看预测 API 与 MCP 文档 →

您今天就可以在 CWM 中使用这些信息。

可在 CWM 工作区中使用

理解客户并预测行为

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。

发现并比较受众

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。

为您的工作流程注入智能

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

从消费者事件到可用信号。

您的输入

  • 会员记录
  • 订单和购买历史记录
  • 支持的浏览和行为事件

使用您的工作区身份和权限导入。

您评论的内容

  • 观察到的事实和数据覆盖范围
  • 可用的消费者信号及其局限性
  • 行为相似性和目标受众

您的团队或应用程序选择如何使用结果。

控制台 / REST API / MCP

一个工作区,您的专属使用方式。

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

从 500,000 个欢迎积分开始。

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

探索模型背后的科学原理。

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

CWM 负责理解与预测。Harness 负责编排。Loop Marketing 交付结果。

理解与预测 · 核心

CWM

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

Harness

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

Loop Marketing

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。

从客户开始。

CWM

从 CWM 开始

创建工作区,了解控制台,并接入你的客户数据。需要更多用量时再购买信用点。

新注册 CWM 账号获赠 500,000 信用点

  1. 1创建 CWM 账号
  2. 2导入支持的客户数据
  3. 3完成首次分析
体验 CWM →

Harness + Loop Marketing

用 Harness 与 Loop Marketing 编排

了解 CWM、Harness 与 Loop Marketing 如何贴合你的客户数据、自有渠道,以及团队已经在用的 AI 助手。

预约演示 →