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。
开发者中心 · 工程参考
决策节点下的模型层:每个品牌的行为模型(描述每个成员行为的事件序列模型)以及一个数字孪生层,用于向前运行该模型(反事实模拟和合成研究小组)。本页涵盖集成商实际可以操作的内容:为其提供数据的事件、决定其是否生效的门槛、其输出的接口以及驱动该小组的MCP工具。
使用下方受管控的只读 REST 端点或 MCP 工具进行单用户预测。后续行为预测结果和个性化购买窗口共享响应,并进行明确的可用性和权限检查。事件仍然通过常规集成界面进入;其他输出则显示在细分、用户画像、相似用户、发送时间优化和合成面板中。
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。
# 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购买概率使用 0 到 1 的单位和累积单调窗口。在训练和验证之前,响应包含概率:{"7":null,"30":null,"90":null}并已校准: false。 现存的 CWM 0-100 的总体评分保持不变。汇总预测返回一个点以及每个完整 UTC 日的 q10 至 q90;缺失的每日区间不会填充零。类别名称需要 catalog_gmv 或者 units_sold;草案输入指标已公开。租户和成员授权仍由服务器端完成。准备情况可区分。 service_unavailable, awaiting_training, awaiting_validation 准备就绪。 TimesFM 2.5 权重使用 Apache 2.0。
后续行为反应的使用 predictionKind: next_event 单位: probability_0_1其中一个回应包括分布和 purchaseWindows个别专家的结果仅供内部参考。当指标访问权限允许时,购买融合功能将自动启用。经验证的租户头文件提供 7/30/90 天的累计概率;缺少权限、培训、验证或输入将导致所有窗口失效。 null 并有明确的理由。可用的行为预测仍然清晰可读。这些窗口不会与下一事件分布相加。品牌模型的行包含所有 48 个标准事件:26 个是消费者行为,39 个进入序列词汇表,23 个是预测目标上限。只有由活跃的、已评估的生成支持的候选对象才会获得概率;所有其他行都有概率: null 以及明确的可用性。传统的输入频率覆盖率作为语料库存在性证据较弱,无法验证来源被屏蔽的标签目标。新的快照使用来自优化器训练窗口的正面目标,排除验证成员和被屏蔽的行。最终分布包括排名, entropyBits, retainedModelMass, coverageBasis, modelVersion 并已校准: false直接使用现有的、经过评估的品牌模型,无需请求其他专家输出。否则,有效的公开先验分布将在内部进行等值平均,形成一个降级的 pv / fav / cart / buy / rmcart / buy_disc 参考。聚合区分 single_tenant_model 来自 uniform_valid_experts词汇表标识候选键空间。这两个词汇表永远不会混合。统一参考并非学习到的多类门,也未经租户验证;公开的类训练覆盖率未经验证。四舍五入为零质量并不能证明缺少类训练。此端点需要 predictions:read; purchaseWindows 此外还需要 metrics:read 或 *。如果没有指标权限,购买组件报告将无法显示。 metrics_scope_required 不进行任何指标或融合调用。仅当两个已获取的组件均正常工作时,状态才为正常;对于部分/参考结果,状态降级;当两个组件均不正常工作时,状态不可用。在进行个人外部处理之前,会重新检查存储访问权限和实时处理资格;证据不足的情况仍然不可用。一个请求共享其实时数据。 CWM 在行为和购买方面进行内部指纹识别。
该模型基于您的集成已生成的成员事件流进行训练—— REST API v2(订单、会员)、网站和门户跟踪、POS/收据采集、会员积分和优惠券活动。事件传递 受策略防火墙约束的目录 在他们能够进入培训之前;防火墙是在流程中强制执行的,而不是通过约定俗成的方式。
购买、收据、积分获得/兑换、会员等级变更、优惠券领取/兑换、电子邮件打开/点击、推送打开、门户网站访问/点击、门店签到。每种活动类型都会被明确添加到目录中——新的活动类型不会自动添加。
模型本身写回的任何内容(它自己的标签和分数)都被排除——模型不能从它自己的输出中学习。消息内容和自由文本永远不会进入训练:模型了解到成员点击了,而不是消息内容。
受处理限制(GDPR 第 18 条)的成员将被排除在端到端训练之外,并且被删除成员的数据(包括其嵌入)将作为删除机制的一部分被移除。
对于集成商来说,实际结果是:您的事件源越丰富、越干净(正确的成员身份解析、诚实的时间戳),模型就越好 — 没有单独的“训练上传”。请参阅REST API 和网络跟踪。
品牌的模型是针对每个租户进行确定性训练的(相同的数据 ⇒ 相同的模型,版本不同),并且仅 服务 在超越了该品牌自身公开数据的透明基准线之后。下游消费者从未直接阅读过该模型——他们只了解一次服务内容:
如果任何环节失败——模型尚未获得认可、品牌暂停评分或模型已过时——所有消费者都会回退到玻璃盒预测模型(或在相似受众的情况下,回退到诚实的空状态)。所有数据都不会被零填充,也不会进行任何伪装:没有嵌入的成员将由回退路径提供服务,而不会被填充到模型中。
品牌生命周期
历史数据不足以进行诚实的培训——没有任何帮助
经过训练,在保留的真实情境下与基准进行对比测试
超越基准——嵌入和预测服务
评分停止或模型老化——自动回退
以下成员和细分市场界面中提供了三种现有的输出类型。使用上方受管控的 REST 或 MCP 预测界面,即可实现统一的下一事件分发和购买窗口。
每个会员的购买紧迫性和流失紧迫性(0-100),会根据其行为进行更新。这些信息会以细分条件的形式呈现,例如“购买紧迫性(预测下次购买时间,0-100)”,并显示在会员个人资料中。
您的AI代理可以通过受控的MCP服务器操作数字孪生研究小组。以下四个面板工具(原文摘自实时清单)与上方只读预测工具并列:
list_synthetic_scenarios
((无))
列出合成面板模拟场景,并注明每个场景的真实可用性边界、置信上限和输入字段。请先调用工具选择类型。需要 metrics:read 权限。
run_synthetic_panel
(segment_id、kind、fields)
运行合成面板:对特定群体的去标识化数字孪生体进行刺激反应,生成客观的趋势性报告(而非绝对真实数据)。返回一个用于轮询的 run_id。每日运行次数上限为 50 个孪生体。需要 synthetic:write 模块。
get_synthetic_report
(run_id)
阅读这份冻结的诚实报告,了解合成面板运行情况——方向性解读、置信上限、抑制标志、主题——或 blockReason 如果尚未准备就绪。需要 metrics:read.
get_synthetic_calibration
((无))
品牌合成面板校准(过去合成预测与实际情况的命中率;null,直到有回测数据为止)。需要 metrics:read 权限。
典型流程
list_synthetic_scenarios → 选择一种类型 + 阅读其可用性边界run_synthetic_panel(segment_id, kind, fields) → run_id // 需要 synthetic:writeget_synthetic_report(run_id) → 定向阅读 · 置信上限 · 抑制 · 主题 — 或 blockReasonget_synthetic_calibration() → 您的品牌命中率与实际情况对比(null 直到有回测数据为止)设计合同需遵守以下规定:运行次数有限制(每日运行次数上限,每次运行≤50个双胞胎);报告是 方向性数字,而非绝对数字;如果某次运行未能通过诚信检查(例如小组崩溃、阿谀奉承、样本量过小),则会返回一个 blockReason 或者使用抑制标志而不是令人满意的结果——将这些视为最终结果,不可重试。无论是由人还是您的代理启动运行,都适用相同的限制和规则。设置、身份验证和范围: MCP 集成指南.
每个租户一个模型,仅使用该租户的成员进行训练。品牌之间不会进行任何形式的数据共享。
相同的数据生成相同的模型,每个分数都可追溯到生成它的模型版本。
成员擦除会删除其训练数据并作为删除事务的一部分嵌入,而不是按照清理计划进行。
过期的嵌入内容会按计划清除,过时的模型会自动停止投放。