Geliştirici Merkezi · Mühendislik referansı
Karar düğümünün altındaki model katmanı: marka başına bir Davranış Modeli (her üyenin nasıl davrandığına dair bir olay dizisi modeli) artı bunu ileriye taşıyan bir Dijital İkiz katmanı (karşı olgusal simülasyon ve sentetik araştırma paneli). Bu sayfa, bir entegratörün gerçekte nelere dokunabileceğini kapsar: onu besleyen olaylar, hizmet verip vermeyeceğine karar veren kapı, çıktılarının indiği yüzeyler ve paneli çalıştıran MCP araçları.
Tek bir üye tahmini için aşağıdaki yönetilen salt okunur REST uç noktalarını veya MCP araçlarını kullanın. Sonraki davranış sonuçları ve kişisel satın alma pencereleri, açık kullanılabilirlik ve izin kontrolleriyle birlikte bir yanıtı paylaşır. Olaylar hala normal entegrasyon yüzeylerinden girer; ek çıktılar segmentlerde, üye profillerinde, benzer profillerde, gönderim zamanı optimizasyonunda ve sentetik panelde ortaya çıkar.
Bir üyenin tahmini, kiracı birleştirme başkanı hazır olduğunda tüketici sinyallerini marka talebi bağlamıyla birleştirerek sonraki davranışları ve kişisel satın alma pencerelerini döndürür.
Etkileşimli örnek
Tüm durumlar ve sayılar sentetik örneklerdir, canlı tahminler veya çalışma alanı hazırlığı değildir. Müşteri verisi gönderilmez.
Davranış tahminleri kullanılabilir durumda kalır. Markanın füzyon yöneticisi eğitilip doğrulanana kadar satın alma pencereleri kullanılamaz.
Bu örneğin desteklenen dört etkinliğine ilişkin son bir dağıtım. Sonraki olay olasılıkları kalibre edilmemiştir.
| Sonraki etkinlik | Olasılık |
|---|---|
| Satın almak | 37% |
| Portal Ziyareti | 28% |
| E-posta tıklaması | 21% |
| Kupon kullanımı | 14% |
Gönderilen e-posta bir tahmin hedefi değil, bir giriş bağlamı olayıdır. Olasılığı sıfırdır. Desteklenmeyen veya ortaya çıkarılmayan diğer etkinlikler de kullanılamıyor.
Kişisel CWM sinyaller + TimesFM marka talep bağlamı.
En az bir satın alma olasılığı. Bu aralıklar kümülatiftir; bunları bir araya veya olay dağılımına eklemeyin.
Bir üye talebi dağıtım ve geri dönüşleri sağlıyor. purchaseWindows birlikte.
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 Ana Bilgisayarını, üye UUID'sini ve API anahtarını çalışma alanı değerlerinizle değiştirin.
Gerekli erişim · predictions:read, davranışları döndürür. Ayrıca, model hazır olduğunda satın alma pencerelerini etkinleştirmek için metrics:read (veya *) izni verin.
Sadece sentetik alıntı. Marka modeli yanıtları ayrıca tam etkinlik kataloğunu ve kapsama meta verilerini içerir; kamuya açık ön referanslar ayrı bir altı sınıflı kelime dağarcığı kullanır.
{
"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"
]
}Sentetik veriler · TimesFM 2,5
128 günlük sentetik geçmişten örnek bir tahmin. Son modeli gelecekteki günlük talep ve kantilleriyle karşılaştırın.
Sentetik talep birimleri
| Tarih (UTC) | Nokta tahmini | 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 ağırlıklarla oluşturulmuş sentetik örnek. Tahmin 2026-10-05'te (UTC) başlıyor; Demo için tarihler belirlendi. Kantil kapsamı kalibre edilmemiştir. Değerler müşterinin talebini veya bireysel satın alma olasılıklarını temsil etmez.
Son bir olasılık dağılımı ve sıralama alın. Değerlendirilen marka modeli, 23'e kadar hedef kapsanarak öncelik kazanır. Kullanılamadığında, dahili kamu öncelikli modeller tek bir altı sınıflı referans oluşturur. Desteklenmeyen ve yalnızca bağlamla ilgili olaylar kullanılamaz durumda kalır.
Aynı üye yanıtına otomatik olarak dahil edilir: kiracıya özel hafif bir başlık, CWM sinyallerini TimesFM marka trendleriyle birleştirir. Hazır başlıklar doğrudan hizmet verir; eksik eğitim veya değerlendirme, yalnızca satın alma pencerelerinin kullanılamaz kalmasına neden olur.
TimesFM 2.5 hizmetinin yapılandırıldığı ve günlük geçmişin tamamlandığı durumlarda, 90 güne kadar gelir, sipariş veya satılan birim tahminleri, nokta tahminleri ve dokuz kantil ile yapılır.
Sonraki olay olasılıkları, desteklenen adaylar üzerinden %100'e kadar toplanır ve kalibre edilmemiştir. Satın alma pencereleri, 7/30/90 gün içinde en az bir satın almayı ayrı ayrı tahmin eder ve kümülatiftir, asla olay sınıflarıyla normalize edilmez. Geçen sessizlik, olay vektöründe koşullandırılmamıştır. Kamu önceliği referansı, çalışma alanı doğrulaması kazanmamıştır.
Talep kantilleri toplam belirsizliği tanımlar; bunlar bireysel satın alma aralıkları değildir ve kalibre edilmemiştir. Eksik veriler kullanılamaz durumdadır. Kendi değerlendirmenizden önce herhangi bir doğruluk artışı iddia edilmemektedir.
# 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_windowsSatın alma olasılıkları 0-1 birim ve kümülatif, monoton pencereler kullanır. Eğitilinceye ve doğrulanıncaya kadar, yanıt şu olasılıkları içerir: {"7":null,"30":null,"90":null} ve kalibre edildi: false. Mevcut CWM 0-100 arası kütle puanları anlamlarını korur. Toplu tahminler, tam bir UTC günü için bir puan ve q10-q90 döndürür; eksik günlük dilimler sıfırla doldurulmaz. Kategori adları gereklidir. catalog_gmv veya units_sold; taslak girdi ölçütleri açıklanmıştır. Kiracı ve üye yetkilendirmesi sunucu tarafında kalır. Hazırlık durumu farklılık gösterir. service_unavailable, awaiting_training, awaiting_validation ve hazır. TimesFM 2.5 ağırlıklar Apache 2.0 kullanır.
Sonraki davranışa yönelik yanıtlar kullanılır. predictionKind: next_event ve birim: probability_0_1Yanıtlardan biri dağıtım ve dağıtımı içerir. purchaseWindowsUzmanlardan elde edilen bireysel sonuçlar dahili bilgilerdir. Metrik erişimi izin verdiğinde satın alma birleştirme işlemi otomatik olarak başlatılır. Doğrulanmış bir kiracı yöneticisi, kümülatif 7/30/90 günlük olasılıkları sunar; eksik izin, eğitim, doğrulama veya girdiler tüm pencereleri kapatır. null Açık bir neden ile. Mevcut davranış tahminleri okunabilir durumda kalır. Bu pencereler bir sonraki olay dağılımıyla toplanmaz. Marka modelinin satırları 48 standart olayın tamamını içerir: 26'sı tüketici davranışı, 39'u dizi sözlüğüne girer ve 23'ü tahmin hedefi tavanıdır. Yalnızca aktif, değerlendirilen nesil tarafından desteklenen kapsanan adaylar olasılık alır; diğer tüm satırların olasılığı şöyledir: null ve açık bir kullanılabilirlik. Eski girdi frekansı kapsamı, daha zayıf bir metin varlığı kanıtıdır ve kaynak maskelenmiş etiket hedeflerini doğrulayamaz. Yeni anlık görüntüler, doğrulama üyeleri ve maskelenmiş satırlar hariç, optimize edici eğitim pencerelerinden pozitif hedefleri kullanır. Son dağıtım, sıralamayı içerir, entropyBits, retainedModelMass, coverageBasis, modelVersion ve kalibre edildi: false. Mevcut, değerlendirilmiş bir marka modeli, alternatif uzman çıktıları talep edilmeden doğrudan kullanılır. Aksi takdirde, geçerli kamu önceliği dağılımları, dahili olarak eşit şekilde ortalama alınarak tek bir bozulmuş pv / fav / cart / buy / rmcart / değerine dönüştürülür. buy_disc referans. toplama ayırt eder single_tenant_model nereden uniform_valid_experts; sözlük, aday anahtar alanını tanımlar. İki sözlük asla birleştirilmez. Tekdüze referans, öğrenilmiş çok sınıflı bir geçit değildir ve kiracı tarafından doğrulanmamıştır; kamuya açık sınıf eğitimi kapsamı doğrulanmamıştır. Yuvarlanmış sıfır kütle, sınıf eğitiminin yokluğunu kanıtlamaz. Bu uç nokta gereklidir predictions:read; purchaseWindows ayrıca ihtiyaç duyar metrics:read veya *. Ölçüm izni olmadan, satın alma bileşeni raporları metrics_scope_required ve herhangi bir ölçüm veya birleştirme çağrısı yapmaz. Durum yalnızca kazanılan bileşenlerin her ikisi de hizmet verdiğinde iyidir, kısmi/referans sonuçlar için bozulmuştur ve hiçbiri hizmet vermediğinde kullanılamaz. Kişisel harici işlemden önce mağaza erişimi ve canlı işlem uygunluğu yeniden kontrol edilir; yetersiz kanıt durumunda kullanılamaz. Bir istek canlı bilgilerini paylaşır. CWM Davranış ve satın alma başlıkları genelinde dahili olarak parmak izi oluşturma.
Model, entegrasyonlarınızın zaten ürettiği üye etkinlik akışı üzerinde eğitilir — REST API v2 (siparişler, üyeler), web ve portal takibi, POS/fiş yakalama, sadakat ve kupon etkinliği. Etkinlikler, eğitime girmeden önce politika güvenlik duvarı olan kontrollü bir katalogdan geçer; güvenlik duvarı, geleneksel olarak değil, işlem hattında uygulanır.
Satın almalar, makbuzlar, kazanılan/kullanılan puanlar, kademe değişiklikleri, kupon talepleri/kullanımları, e-posta açma/tıklamalar, anında açma, portal ziyaretleri/tıklamaları, mağaza check-in'leri. Her etkinlik türü açıkça kataloğa kabul edilir; yeni etkinlik türleri sessizce eğitilmez.
Modelin kendisinin geri yazdığı her şey (kendi etiketleri ve puanları) hariç tutulur; bir model kendi çıktısından öğrenmemelidir. Mesaj içeriği ve serbest metin asla eğitime girmez: Model, mesajın ne söylediğini değil, bir üyenin tıkladığını öğrenir.
İşleme kısıtlaması altındaki üyeler (GDPR Madde 18) uçtan uca eğitimden hariç tutulur ve silinen bir üyenin verileri -yerleştirmeleri de dahil olmak üzere- silme mekanizmasının bir parçası olarak kaldırılır.
Entegratörler için pratik sonuç: Etkinlik akışınız ne kadar zengin ve temiz olursa (doğru üye kimlik çözümü, dürüst zaman damgaları), model o kadar iyi olur; ayrı bir "eğitim yüklemesi" olmaz. Bkz. REST API ve Web İzleme.
Bir markanın modeli, her kiracı için deterministik olarak (aynı veri ⇒ aynı model, sürümlü) eğitilir ve yalnızca o markanın kendi ayrılmış verilerinde şeffaf bir temel çizgiyi geçtikten sonra sunar. Aşağı akış tüketicileri modeli asla doğrudan okumazlar — tek bir sunma koşulu üzerinden geçerler:
Herhangi bir aşama başarısız olursa — model henüz yerini kazanmamışsa, marka puanlamayı durdurmuşsa veya model güncelliğini yitirmişse — her tüketici şeffaf kutu tahmin modellerine (veya benzer modellerde olduğu gibi dürüst bir boş duruma) geri döner. Hiçbir şey sıfırla doldurulmaz ve hiçbir şey taklit etmez: gömülü olmayan bir üye, modele asla eklenmeden, yedek yoldan hizmet alır.
Bir markanın gördüğü yaşam döngüsü
Dürüstçe eğitim vermek için yeterli geçmiş yok — hiçbir şey işe yaramaz
eğitilmiş, uzatılmış gerçeklik temeline göre test ediliyor
Temel çizgiyi aş — gömme ve tahminler hizmet eder
puanlama durur veya modelin yaşı geçer — otomatik geri dönüş
Aşağıdaki üye ve segment yüzeylerinde mevcut üç çıktı ailesi mevcuttur. Birleşik sonraki etkinlik dağıtımı ve satın alma pencereleri için yukarıdaki yönetilen REST veya MCP tahmin arayüzünü kullanın.
Üye başına, tüm olay dizisinden öğrenilen bir davranışsal parmak izi. En yakın komşu benzerliğini güçlendirir: davranışa sahip her üyenin bir tane vardır — etiket gerekmez.
Üye başına satın alma yakınlığı ve ayrılma yakınlığı (0-100), davranış değiştikçe güncellenir. Segment koşulları olarak — örneğin "Satın Alma Yakınlığı (tahmin edilen bir sonraki olay, 0-100)" — ve üye profilinde gösterilir.
Her üyenin kendi ritmine göre beklenen bir sonraki satın alma penceresi ve günün hangi saatinde aktif olduğu.
Yapay zeka ajanlarınız, yönetilen MCP sunucusu aracılığıyla Dijital İkiz'in araştırma panelini çalıştırabilir. Yukarıdaki salt okunur tahmin araçlarının yanı sıra, canlı manifestodan birebir alınmış dört panel aracı:
list_synthetic_scenarios
((yok))
Sentetik panel simülasyon senaryolarını, her birinin gerçek kullanılabilirlik sınırını, güven aralığını ve giriş alanlarını listeleyin. Öncelikle bir tür seçmek için iletişime geçin. Gereksinimler metrics:read.
run_synthetic_panel
(segment_id, kind, fields)
Sentetik bir panel çalıştırın: Bir segmentin kimliksizleştirilmiş dijital ikizleri bir uyarıcıya tepki verir ve dürüst bir yönlendirme raporu üretir (asla gerçek mutlak sayılar değil). Bir sonuç döndürür. run_id Anket yapmak için. Günlük koşu sınırı + ≤50 ikiz ile sınırlıdır. Gereksinimler synthetic:write.
get_synthetic_report
(run_id)
Sentetik panel çalışması için dondurulmuş dürüst raporu okuyun — yönlendirmeli okuma, güven tavanı, baskı işaretleri, temalar — veya blockReason Hazır değilse. Gerektirir metrics:read.
get_synthetic_calibration
((yok))
Markanın sentetik panel kalibrasyonu (geçmiş sentetik tahminlerin gerçekliğe göre isabet oranı; null (Geriye dönük testler yapılana kadar). Gerektirir metrics:read.
Tipik akış
list_synthetic_scenarios → bir tür seçin + kullanılabilirlik sınırını okuyunrun_synthetic_panel(segment_id, kind, fields) → run_id // synthetic:write gerektirir>get_synthetic_report(run_id) → yönlü okuma · güven tavanı · bastırma · temalar — veya blockReasonget_synthetic_calibration() → Markanızın başarı oranı ile gerçeklik arasındaki fark (null geriye dönük testler yapılana kadar)Tasarım sözleşmesi şu hususlara dayanmaktadır: denemeler sınırlandırılmıştır (günlük deneme sınırı, deneme başına ≤50 ikiz); raporlar ise şunlardır: yönsel sayılar, asla mutlak sayılar değil.Dürüstlük kontrollerinden (panel çökmesi, dalkavukluk, çok küçük örneklem) geçemeyen bir çalışma, şu sonuçla geri döner: blockReason Ya da olumlu bir sonuç yerine baskılama işaretleri — bunları tekrar denenemez, sonlandırıcı olarak değerlendirin. Çalıştırmayı bir insan mı yoksa sizin temsilciniz mi başlatırsa başlatsın, aynı sınırlar ve kurallar geçerlidir. Kurulum, kimlik doğrulama ve kapsamlar: MCP Entegrasyon Kılavuzu.
Kiracı başına bir model, yalnızca o kiracının üyeleri üzerinde eğitilmiştir. Markalar arasında hiçbir şey birleşmez - her iki yönde de.
Aynı veriler, bit bit aynı modeli üretir; her puan, onu üreten model sürümüne kadar izlenebilir.
Üye silme işlemi, eğitim verilerini siler ve temizleme planına göre değil, silme işleminin bir parçası olarak eklenir.
Tazelik penceresini aşan içerikler program dahilinde silinir ve eski bir model otomatik olarak hizmet vermeyi durdurur.