SocialHub.AI

开发者中心 · 工程参考

Consumer World Model

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。

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。

集成细节与可用条件
# 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。

1 · 其数据来源

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。

已确认:行为事件

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。

禁止:反馈和内容

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。

禁止访问:受限会员

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。

2 · 诚信之门与服务谓词

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:

serve = verified_win ∧ not_paused ∧ not_stale

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

正在收集数据

历史数据不足以进行诚实的培训——没有任何帮助

每周对比

经过训练,在保留的真实情境下与基准进行对比测试

积极的

超越基准——嵌入和预测服务

已暂停/过期

评分停止或模型老化——自动回退

3 · 输出及其呈现位置

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。

成员嵌入

每个成员的行为指纹,从其完整的事件序列中学习而来。支持最近邻相似性分析:每个有行为的成员都有一个行为指纹——无需标签。

下一事件概率

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。

按成员计时

根据每位会员自身的节奏,预测其下次购买的预期时间窗口和活跃时段。

4 · 驾驶合成面板越过MCP

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

  1. 1. list_synthetic_scenarios → 选择一种类型 + 阅读其可用性边界
  2. 2. run_synthetic_panel(segment_id, kind, fields) → run_id // 需要 synthetic:write
  3. 3. get_synthetic_report(run_id) → 定向阅读 · 置信上限 · 抑制 · 主题 — 或 blockReason
  4. 4. get_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.

5 · 可构建的保证

按品牌隔离

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。

确定性和版本化

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。

擦除完成

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。

清除过期内容

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。