次に何が起こるでしょうか?
この例でサポートされている 4 つのイベントに対する最後の配布が 1 つあります。次のイベントの確率は調整されていません。
| 次のイベント | 確率 |
|---|---|
| 購入 | 37% |
| ポータル訪問 | 28% |
| 電子メールのクリック | 21% |
| クーポンの引き換え | 14% |
イベントが見つからないのはなぜですか?
送信された電子メールは入力コンテキスト イベントであり、予測ターゲットではありません。その確率はゼロです。その他のサポートされていないイベントや対象外のイベントも利用できないままです。
開発者センター · エンジニアリングリファレンス
Decide ノードの下のモデル レイヤー: ブランドごとの 行動モデル (各メンバーがどのように行動するかのイベント シーケンス モデル) と、それを実行する デジタル ツイン レイヤー (反事実シミュレーションと総合調査パネル)。このページでは、インテグレーターが実際に触れることができるもの、つまり、インテグレーターにフィードを供給するイベント、インテグレーターが機能するかどうかを決定するゲート、出力が到達するサーフェス、およびパネルを駆動する MCP ツールについて説明します。
1 つのメンバーの予測には、以下の管理された読み取り専用の REST エンドポイントまたは MCP ツールを使用します。次の行動の結果と個人の購入ウィンドウは、明示的な可用性と許可のチェックを伴う応答を共有します。イベントは依然として通常の統合サーフェスを介して侵入します。追加の出力は、セグメント、メンバー プロファイル、類似、送信時間の最適化、および合成パネルに表示されます。
1 人のメンバー予測は、テナント フュージョン ヘッドの準備ができたときに消費者シグナルとブランド需要コンテキストを組み合わせて、次の行動と個人の購入ウィンドウを返します。
インタラクティブな例
すべての状態と数値は合成例であり、実際の予測やワークスペースの準備状況ではありません。顧客データは送信されません。
行動予測は引き続き利用可能です。ブランドのフュージョン責任者がトレーニングされ、検証されるまで、購入ウィンドウは利用できません。
この例でサポートされている 4 つのイベントに対する最後の配布が 1 つあります。次のイベントの確率は調整されていません。
| 次のイベント | 確率 |
|---|---|
| 購入 | 37% |
| ポータル訪問 | 28% |
| 電子メールのクリック | 21% |
| クーポンの引き換え | 14% |
送信された電子メールは入力コンテキスト イベントであり、予測ターゲットではありません。その確率はゼロです。その他のサポートされていないイベントや対象外のイベントも利用できないままです。
個人のCWMシグナルとTimesFMブランド需要のコンテキスト。
少なくとも 1 回購入のチャンス。これらのウィンドウは累積されます。これらを一緒に追加したり、イベント配布に追加したりしないでください。
メンバーのリクエストがディストリビューションを返します。 purchaseWindows 一緒に。
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"
}
}
}API ホスト、メンバー UUID、および API キーをワークスペースの値に置き換えます。
必要なアクセス · predictions:read 動作を返します。また、 metrics:read (または*)モデルが準備できたときに購入期間を有効にする。
合成抜粋のみ。ブランド モデルの応答には、完全なイベント カタログとカバレッジ メタデータも含まれます。 public-prior 参照では、別の 6 クラスの語彙が使用されます。
{
"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"
]
}合成データ · TimesFM 2.5
128 日間の合成履歴からの予測の例。最近のパターンを将来の日次需要およびその分位数と比較します。
合成需要単位
| 日付 (UTC) | ポイント予想 | 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 |
TimesFM 2.5 の重みで生成された合成例。予測は 2026 年 10 月 5 日 (UTC) に開始します。デモの日付は固定されています。分位数のカバレッジは調整されていません。値は顧客の需要や個々の購入確率を表すものではありません。
最終的な確率分布とランキングを受け取ります。評価されたブランド モデルが優先され、最大 23 のターゲットが対象となります。それが利用できない場合、内部のパブリック優先モデルは単一の 6 クラス参照を形成します。サポートされていないイベントやコンテキストのみのイベントは引き続き利用できません。
同じメンバーの応答に自動的に含まれます。テナント専用の軽量ヘッドは、CWM シグナルと TimesFM ブランド トレンドを組み合わせます。レディヘッドは直接サービスを提供します。トレーニングや評価が欠けていると、購入期間だけが利用できなくなります。
TimesFM 2.5 サービスが構成され、毎日の履歴が完了している場合、点推定値と 9 つの分位数を使用して、最大 90 日間の収益、注文、または販売個数を予測します。
次のイベントの確率の合計はサポートされている候補よりも 100% になり、調整されていません。購入ウィンドウは、7/30/90 日以内に少なくとも 1 回の購入を個別に見積もり、累積され、イベント クラスで正規化されることはありません。沈黙の経過はイベント ベクトルでは条件付けされません。 public-prior 参照はワークスペースの検証を取得していません。
需要分位数は、総合的な不確実性を表します。これらは個別の購入間隔ではなく、調整されていません。欠落したデータは利用できないままになります。あなた自身の評価の前に精度上昇はアサートされません。
# Bearer API key; predictions:read
GET /api/v2/cwm/capabilities
GET /api/v2/cwm/members/{id}/next-behaviors
# metrics:read additionally enables purchaseWindows in next-behaviors
# predictions:read AND metrics:read for standalone trend/windows
GET /api/v2/cwm/trends?metric=gmv&horizon_days=30
GET /api/v2/cwm/members/{id}/purchase-windows
# Read-only MCP equivalents
cwm_get_forecast_capabilities
cwm_predict_next_behaviors
cwm_forecast_aggregate_trend
cwm_predict_purchase_windows購入確率は0~1単位と累積単調ウィンドウを使用します。トレーニングと検証が完了するまで、応答には確率が含まれます: {"7":null,"30":null,"90":null} そして較正済み: false。 既存 CWM 0~100の質量スコアは意味を保持します。集計予測は、完全なUTC日ごとに1ポイントとq10~q90を返します。欠落している日次バケットはゼロで埋められません。カテゴリ名には catalog_gmv または units_sold; 入力メトリクスの草案が公開されます。テナントとメンバーの認証はサーバー側で行われます。準備状況によって区別されます。 service_unavailable, awaiting_training, awaiting_validation 準備完了。 TimesFM 2.5 の重みは Apache 2.0 を使用します。
次の行動への反応は predictionKind: next_event 単位: probability_0_11つの回答には、配布と purchaseWindows個々の専門家の結果は内部的なものです。メトリクスへのアクセスが許可されると、購入統合が自動的に呼び出されます。検証済みのテナントヘッドは、累積的な 7/30/90 日の確率を提供します。権限、トレーニング、検証、または入力が不足している場合は、すべてのウィンドウが残ります。 null 明確な理由があります。利用可能な行動予測は読みやすいままです。これらのウィンドウは、次のイベント分布とは合計されません。ブランドモデルの行には、48 の標準イベントすべてが含まれます。26 は消費者の行動、39 はシーケンス語彙への入力、23 は予測ターゲットの上限です。アクティブで評価済みの世代によってサポートされているカバーされた候補のみが確率を受け取ります。その他のすべての行には次の確率があります。 null 明示的な可用性。従来の入力頻度カバレッジはコーパス存在の証拠としては弱く、プロベナンスマスクされたタグターゲットを証明できません。新しいスナップショットは、検証メンバーとマスクされた行を除外し、オプティマイザトレーニングウィンドウからの肯定的なターゲットを使用します。最終的な分布には、ランク、 entropyBits, retainedModelMass, coverageBasis, modelVersion そして校正済み: false利用可能な評価済みのブランド モデルは、代替の専門家の出力を要求せずに直接使用されます。それ以外の場合は、有効な公開事前分布が内部で均等に平均化され、1 つの劣化 pv / fav / cart / buy / rmcart / になります。 buy_disc 参照。集約は区別します single_tenant_model から uniform_valid_experts語彙は候補キー空間を識別します。2つの語彙は決してブレンドされません。均一参照は学習されたマルチクラスゲートではなく、テナント検証もされていません。公開クラストレーニングカバレッジは未検証です。丸められたゼロ質量は、クラストレーニングがないことを証明しません。このエンドポイントには predictions:read; purchaseWindows さらに必要 metrics:read または *。メトリクスの権限がない場合、購入コンポーネントはレポートします。 metrics_scope_required メトリックや融合呼び出しは行いません。ステータスは、獲得した両方のコンポーネントが機能している場合にのみ正常、部分的な結果や参照結果の場合は劣化、どちらも機能していない場合は利用不可となります。ストアへのアクセスとライブ処理の適格性は、個人外部処理の前に再確認されます。証拠が不十分な場合は利用不可のままです。1つのリクエストはライブを共有します CWM 行動と購買に関するデータを内部的に分析する。
モデルは、統合によってすでに生成されているメンバー イベント ストリーム、REST API v2 (注文、メンバー)、Web およびポータルの追跡、POS/レシートのキャプチャ、ロイヤルティおよびクーポン アクティビティでトレーニングされます。イベントはトレーニングに入る前に、ポリシー ファイアウォールを備えた管理されたカタログを通過します。ファイアウォールは慣例ではなくパイプラインで強制されます。
購入、領収書、獲得/引き換えたポイント、階層の変更、クーポンの請求/引き換え、電子メールの開封/クリック、プッシュ開封、ポータルの訪問/クリック、ストアのチェックイン。すべてのイベント タイプは明示的にカタログに登録されます。新しいイベント タイプはサイレントにトレーニングされません。
モデル自体が書き戻すもの (独自のタグとスコア) は除外されます。モデルは自身の出力から学習してはなりません。メッセージの内容とフリーテキストがトレーニングに組み込まれることはありません。モデルは、メッセージの内容ではなく、メンバーがクリックしたことを学習します。
処理制限 (GDPR 第 18 条) の下にあるメンバーは、エンドツーエンドのトレーニングから除外され、消去されたメンバーのデータ (埋め込みを含む) は、削除機構自体の一部として削除されます。
インテグレーターにとっての実際的な結果: イベント フィード (メンバー ID の正確な解決、正確なタイムスタンプ) がより豊富でクリーンになるほど、モデルはより優れたものになります。別個の「トレーニング アップロード」は必要ありません。 REST API および Web トラッキング を参照してください。
ブランドのモデルはテナントごとに決定論的にトレーニングされ (同じデータ ⇒ 同じモデル、バージョン管理)、ブランド独自の保持データに基づいて透明なベースラインを超えた後にのみ機能します。ダウンストリームのコンシューマーはモデルを直接読み取ることはなく、単一のサービング述語を通過します。
モデルがまだその地位を獲得していない、ブランドがスコアリングを一時停止している、またはモデルが古くなっているなど、いずれかのレッグが失敗した場合、すべての消費者はガラス箱の予測モデル (または、類似品の場合は正直な空の状態) に戻ります。何もゼロで埋められることはなく、何も偽ることはありません。埋め込みのないメンバーはフォールバック パスによって提供され、モデルに埋め込まれることはありません。
ブランドが考えるライフサイクル
正直にトレーニングするのに十分な歴史がありません - 何も役に立ちません
訓練を受け、差し押さえられた現実のベースラインに照らしてテストされる
ベースラインを上回る - 埋め込みと予測が機能します
スコアリングが停止するか、モデルが期限切れになると自動的にフォールバックします
3 つの既存の出力ファミリは、以下のメンバー サーフェスとセグメント サーフェスで使用できます。統合された次回イベントの配信および購入ウィンドウには、上記の管理された REST または MCP 予測インターフェイスを使用します。
イベントシーケンス全体から学習された、メンバーごとの行動の指紋。最近隣類似性を強化します。動作を持つすべてのメンバーが類似性を持ちます。タグは必要ありません。
メンバーごとの購入の差し迫りおよびチャーンの差し迫り (0 ~ 100)。行動が決まると更新されます。セグメント条件として公開 — 例: 「購入の差し迫り(予測される次のイベント、0 ~ 100)」 — およびメンバーのプロフィールにあります。
AI エージェントは、管理された MCP サーバーを通じてデジタル ツインの調査パネルを操作できます。ライブ マニフェストからそのまま引用した 4 つのパネル ツールと、上記の読み取り専用予測ツール:
list_synthetic_scenarios
((なし))
合成パネルシミュレーションシナリオを、それぞれの正直なユーザビリティ境界、信頼度上限、および入力フィールドとともにリストします。最初に呼び出して種類を選択します。 metrics:read.
run_synthetic_panel
(segment_id種類、分野)
合成パネルを実行します。セグメントの匿名化されたデジタルツインが刺激に反応し、正直な方向性レポート(実際の絶対値は含まれません)を生成します。ポーリング用のrun_idを返します。1日の実行上限と50個以下のツイン数に制限されます。synthetic:writeが必要です。
get_synthetic_report
(run_id)
合成パネル実行の凍結された正直なレポート(方向性読み取り、信頼度上限、抑制フラグ、テーマ)を読み取ります。準備ができていない場合は、blockReason を読みます。metrics:read が必要です。
get_synthetic_calibration
((なし))
ブランドの合成パネルのキャリブレーション(過去の合成予測と現実の的中率) null バックテストが存在するまで)。 metrics:read.
一般的な流れ
list_synthetic_scenarios → 種類を選んで、そのユーザビリティの境界を読んでください。run_synthetic_panel(segment_id, kind, fields) → run_id // synthetic:write が必要ですget_synthetic_report(run_id) → 方向性読み取り・信頼度上限・抑制・テーマ — または blockReasonget_synthetic_calibration() → ブランドのヒット率と現実の比較(バックテストが存在するまではnull)設計の際の契約事項:実行回数には制限があります(1日の実行回数の上限、1回の実行につき双子50人以下)。レポートは方向性を示し、絶対値ではありません。誠実性チェック(パネルの崩壊、ごますり、サンプル数が少なすぎる)に失敗した実行は、好ましい結果ではなく、blockReasonまたは抑制フラグとともに返されます。これらは最終エラーとして扱い、再試行はできません。実行を開始するのが人間でもエージェントでも、同じ上限とルールが適用されます。セットアップ、認証、スコープ:MCP統合ガイド。
テナントごとに 1 つのモデルがあり、そのテナントのメンバーのみでトレーニングされます。どちらの方向においても、ブランド間でプールされるものは何もありません。
同じデータからはビットごとに同じモデルが生成されます。すべてのスコアは、それを作成したモデルのバージョンまで追跡できます。
メンバーの消去では、クリーンアップ スケジュールではなく、削除トランザクションの一部としてトレーニング データと埋め込みが削除されます。
鮮度期間を過ぎた埋め込みはスケジュールに従って削除され、古いモデルは自動的に提供を停止します。