下一步可能做什麼?
一份最終分布,涵蓋本範例的4個支援事件;下一行為概率尚未經校準。
| 下一事件 | 概率 |
|---|---|
| 購買 | 37% |
| 造訪會員入口 | 28% |
| 點擊郵件 | 21% |
| 核銷優惠券 | 14% |
為什麼有些事件沒有概率?
「傳送郵件」屬於輸入脈絡,不是預測目標,因此概率為 null。不支援或沒有資料涵蓋的事件同樣保持不可用。
開發者中心 · 工程參考
決策節點下的模型層:每個品牌的行為模型(描述每個成員行為的事件序列模型)以及一個數位孿生層,用於向前運行該模型(反事實模擬和合成研究小組)。本頁涵蓋整合商實際可以操作的內容:為其提供資料的事件、決定其是否生效的門檻、其輸出的介面以及驅動該小組的MCP工具。
使用下方受管制的唯讀 REST 端點或 MCP 工具進行單一使用者預測。後續行為預測結果和個人化購買視窗共享回應,並進行明確的可用性和權限檢查。事件仍然透過常規整合介面進入;其他輸出則顯示在細分、使用者畫像、相似使用者、發送時間優化和合成面板中。
一次會員預測同時返回下一行為與個人購買窗口;品牌融合頭可用時,將個人訊號與整體需求趨勢結合。
互動範例
所有狀態與數值均為合成範例,不代表即時預測或工作空間可用狀態;不會傳送客戶資料。
已有行為預測仍可返回。品牌融合頭完成訓練並通過驗證前,個人購買窗口保持不可用。
一份最終分布,涵蓋本範例的4個支援事件;下一行為概率尚未經校準。
| 下一事件 | 概率 |
|---|---|
| 購買 | 37% |
| 造訪會員入口 | 28% |
| 點擊郵件 | 21% |
| 核銷優惠券 | 14% |
「傳送郵件」屬於輸入脈絡,不是預測目標,因此概率為 null。不支援或沒有資料涵蓋的事件同樣保持不可用。
CWM 個人訊號 + TimesFM 品牌需求趨勢。
預測窗口內至少購買一次的累計概率。三個窗口之間、窗口與行為分布之間均不能相加。
一次會員請求同時返回 distribution 與 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"
}
}
}請替換 API 網域、會員 UUID 與工作空間 API 金鑰。
所需權限 · predictions:read 可讀取行為;額外授予 metrics:read(或 *)後,可在模型就緒時取得購買窗口。
僅為合成範例節選。品牌模型回應還包含完整事件目錄及涵蓋資訊;公共先驗參考採用獨立的6類詞表。
{
"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"
]
}合成資料 · TimesFM 2.5
基於128天合成歷史生成的預測範例,對比近期需求走勢、未來逐日預測和分位數範圍。
合成需求單位
| 日期(UTC) | 預測值 | 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 |
本範例輸入為合成資料,預測由真實TimesFM 2.5權重生成。預測起點為2026-10-05(UTC),演示日期固定;分位數覆蓋率尚未經校準。數值不代表客戶實際需求或個人購買概率。
一次獲得一份最終概率分布與排序。通過評測的品牌模型優先,最多支援23類有資料覆蓋的目標;品牌模型不可用時,內部公共先驗模型彙總成一份6類參考分布。不支援及僅作上下文的事件保持不可用。
自動包含在同一份會員回應中:租戶獨立的輕量融合頭結合 CWM 訊號與 TimesFM 品牌趨勢。合格融合頭直接輸出;缺少訓練或評測時,購買窗口保持不可用,已有行為預測仍可返回。
TimesFM 2.5 服務已設定且逐日歷史完整時,可預測未來最多90天的銷售額、訂單數或商品銷量,並提供預測值和9個分位數。
下一行為概率在支援的候選類別中合計為100%,尚未經校準。購買窗口另行預測7/30/90天內至少購買一次的累計概率,不與行為類別一起正規化。行為分布未按靜默時長調整;公共先驗參考尚未通過工作區驗證。
需求分位數表達整體不確定性,不是個人購買區間,覆蓋率尚未經校準。缺失資料保持不可用;在工作區評測完成前,不宣稱精度提升。
# 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購買機率使用 0 到 1 的單位和累積單調視窗。在訓練和驗證之前,反應包含機率:{"7":null,"30":null,"90":null}並已校準: false。 現存的 CWM 0-100 的總體評分保持不變。總預測回傳一個點以及每個完整 UTC 日的 q10 至 q90;缺少的每日區間不會填入零。類別名稱需要 catalog_gmv 或者 units_sold;草稿輸入指標已公開。租用戶和成員授權仍由伺服器端完成。準備情況可區分。 service_unavailable, awaiting_training, awaiting_validation 準備就緒。 TimesFM 2.5 權重使用 Apache 2.0。
後續行為反應的使用 predictionKind: next_event 單位: probability_0_1其中一個回應包括分佈和 purchaseWindows個別專家的結果僅供內部參考。當指標存取權限允許時,購買融合功能將自動啟用。經過驗證的租戶頭檔提供 7/30/90 天的累計機率;缺少權限、培訓、驗證或輸入將導致所有視窗失效。 null 並有明確的理由。可用的行為預測仍然清晰可讀。這些視窗不會與下一事件分佈相加。品牌模型的行包含所有 48 個標準事件:26 個是消費者行為,39 個進入序列詞彙表,23 個是預測目標上限。只有由活躍的、已評估的生成支持的候選對象才會獲得機率;所有其他行都有機率: null 以及明確的可用性。傳統的輸入頻率覆蓋率作為語料庫存在性證據較弱,無法驗證來源被屏蔽的標籤目標。新的快照使用來自優化器訓練視窗的正面目標,排除驗證成員和被封鎖的行。最終分佈包括排名, entropyBits, retainedModelMass, coverageBasis, modelVersion 並已校準: false直接使用現有的、經過評估的品牌模型,無需請求其他專家輸出。否則,有效的公開先驗分佈將在內部進行等值平均,形成一個降級的 pv / fav / cart / buy / rmcart / buy_disc 參考。聚合區分 single_tenant_model 來自 uniform_valid_experts詞彙表標識候選鍵空間。這兩個詞彙表永遠不會混合。統一參考並非學習到的多類門,也未經租戶驗證;公開的類訓練覆蓋率未經驗證。四捨五入為零質量並不能證明缺少類訓練。此端點需要 predictions:read; purchaseWindows 另外還需要 metrics:read 或 *。如果沒有指標權限,購買組件報告將無法顯示。 metrics_scope_required 不進行任何指標或融合調用。僅當兩個已取得的元件皆正常運作時,狀態才為正常;對於部分/參考結果,狀態降級;當兩個元件皆不正常運作時,狀態不可用。在進行個人外部處理之前,會重新檢查儲存存取權限和即時處理資格;證據不足的情況仍然不可用。一個請求共享其實時數據。 CWM 在行為和購買方面進行內部指紋識別。
該模型基於您的整合已產生的成員事件流進行訓練—— REST API v2(訂單、會員)、網站和入口網站追蹤、POS/收據採集、會員積分和優惠券活動。事件傳遞 受策略防火牆約束的目錄 在他們能夠進入訓練之前;防火牆是在流程中強制執行的,而不是透過約定俗成的方式。
購買記錄、收據、積分取得/兌換、會員等級變更、優惠券領取/兌換、郵件開啟/點擊、推播通知開啟、入口網站存取/點擊、門市簽到。所有事件類型均明確新增至目錄中—新事件類型不會自動新增。
模型本身所傳回的任何內容(包括其標籤和評分)均被排除在外-模型絕不能從自身的產出中學習。訊息內容和自由文字永遠不會進入訓練集:模型學習的是成員點擊了什麼,而不是訊息的具體內容。
受處理限制(GDPR 第 18 條)的成員將被排除在端到端訓練之外,並且被刪除成員的資料(包括其嵌入)將作為刪除機制的一部分被移除。
對於整合商來說,實際結果是:您的事件來源越豐富、越乾淨(正確的成員資格解析、誠實的時間戳記),模型就越好 — 沒有單獨的「訓練上傳」。請參閱REST API 和網路追蹤。
品牌的模型是針對每個租戶進行確定性訓練的(相同數據 ⇒ 相同模型,版本化),並且只有在超越該品牌自身預留數據的透明基線後才會 提供服務。下游消費者不會直接讀取模型-他們透過一個單一的服務謂詞:
如果任何環節失敗——模型尚未獲得認可、品牌暫停評分或模型已過時——所有消費者都會回退到玻璃盒預測模型(或在相似受眾的情況下,回退到誠實的空狀態)。所有資料都不會被零填充,也不會進行任何偽裝:沒有嵌入的成員將由回退路徑提供服務,而不會被填充到模型中。
品牌生命週期
歷史數據不足以進行誠實的訓練—沒有任何幫助
接受過培訓,正在接受基於真實情況的基準測試
超越基準-嵌入和預測服務
評分停止或模型老化-自動回退
以下成員和細分市場介面中提供了三種現有的輸出類型。使用上方受管制的 REST 或 MCP 預測介面,即可實現統一的下一事件分發和購買視窗。
每位會員的購買緊迫性和流失緊迫性(0-100),會根據其行為進行更新。這些資訊會以細分條件的形式呈現,例如“購買緊迫性(預測下次購買時間,0-100)”,並顯示在會員個人資料中。
您的AI代理可以透過受控的MCP伺服器操作數位孿生研究小組。以下四個面板工具(原文摘自即時清單)與上方唯讀預測工具並列:
list_synthetic_scenarios
((無))
列出合成面板模擬場景,並註明每個場景的真實可用性邊界、置信上限和輸入欄位。請先調用工具選擇類型。需要 metrics:read 權限。
run_synthetic_panel
(segment_id、kind、fields)
運行合成面板:對特定群體的去識別化數位孿生體進行刺激反應,產生客觀的趨勢性報告(而非絕對真實數據)。傳回一個用於輪詢的 run_id。每日運行次數上限為 50 個孿生體。需要 synthetic:write 模組。
get_synthetic_report
(run_id)
閱讀這份凍結的誠實報告,了解合成面板運行情況——方向性解讀、置信上限、抑制標誌、主題——或 blockReason 如果尚未準備就緒。需要 metrics:read.
get_synthetic_calibration
((無))
品牌合成面板校準(過去合成預測與實際狀況的命中率;null,直到有回測資料為止)。需要 metrics:read 權限。
典型流程
list_synthetic_scenarios → 選擇一種類型 + 閱讀其可用性邊界run_synthetic_panel(segment_id, kind, fields) → run_id // 需要 synthetic:writeget_synthetic_report(run_id) → 定向閱讀 · 信賴上限 · 抑制 · 主題 — 或 blockReasonget_synthetic_calibration() → 您的品牌命中率與實際情況比較(null 直到有回測資料為止)設計合約需遵守以下規定:運行次數有限制(每日運行次數上限,每次運行≤50個雙胞胎);報告是 方向性數字,而非絕對數字;如果某次運行未能通過誠信檢查(例如小組崩潰、阿諛奉承、樣本量過小),則會返回一個 blockReason 或使用抑制標誌而不是令人滿意的結果——將這些視為最終結果,不可重試。無論是由人還是您的代理啟動運行,都適用相同的限制和規則。設定、身份驗證和範圍: MCP 整合指南.
每個租戶一個模型,僅使用該租戶的成員進行訓練。品牌之間不會進行任何形式的數據共享。
相同的資料產生相同的模型,每個分數都可追溯到生成它的模型版本。
成員擦除會刪除其訓練資料並將其作為刪除交易的一部分嵌入,而不是按照清理計劃進行。
過期的嵌入內容會按計畫清除,過時的模型會自動停止投放。