NovitàFinanziamento BEI ottenuto

Infrastruttura di AI comportamentale basata sulla scienza computazionale

Synerise è un ecosistema basato su AI per dati comportamentali, analisi predittiva e iper-personalizzazione, progettato per le aziende che si muovono più velocemente dei propri concorrenti.

Behavioral Data Hub
Behavioral Data Hub

Unisciti alle organizzazioni innovative che utilizzano la Synerise Platform

ed esplora centinaia di casi d'uso low code

Banco Ripley
Carrefour
Castorama
CCC
Coca-Cola
Crocs
Decathlon
DOZ
Drogaria São Paulo
Empik
eobuwie
G2A
H&M
Homla
Hugo Boss
IKEA
InPost
JD
mBank
Media Expert
Modivo
New Balance
Nike
Orange

Perché Synerise?

Progettato in modo diverso. Progettato per durare.

La maggior parte delle piattaforme assembla strumenti di terze parti definendolo un prodotto. Synerise costruisce ogni livello da zero, creando l'unica infrastruttura AI in cui dati, intelligenza e automazione costituiscono veramente un unico sistema.

0% VENDOR LOCK-IN

Tecnologia Proprietaria

Ogni livello — da TerrariumDB a BaseModel.ai — è sviluppato internamente. Nessuna dipendenza da AI, database o fornitori cloud di terze parti.

0K PREVISIONI/SEC

AI Pluripremiata

Il foundation model comportamentale vince competizioni internazionali e alimenta previsioni in tempo reale su scala enterprise.

<0MS DI LATENZA

Tempo Reale come Standard

Dalla cattura dell'evento all'arricchimento del profilo alla decisione dell'AI — tutto avviene in meno di 50 millisecondi. Non batch. Non quasi in tempo reale. Tempo reale.

0 GIORNI AL ROI

Time-to-Value Immediato

Vai in produzione in settimane, non in mesi. Modelli AI preconfigurati, integrazioni pronte all'uso e onboarding guidato ti permettono di ottenere un ROI misurabile entro 90 giorni — non dopo un progetto di implementazione durato un anno.

0 HUB INDIPENDENTI

Architettura Componibile

Implementa solo ciò di cui hai bisogno. Ogni hub funziona in modo indipendente o combinato — dall'acquisizione dei dati all'AI, dall'automazione alla delivery dell'esperienza.

0B EVENTI/MESE

Scala Planetaria

Progettata per gestire 57 miliardi di eventi al mese, 50,19 miliardi di chiamate API e 17,68 miliardi di decisioni di workflow — con scalabilità orizzontale lineare.

CERTIFICATO ISO 27001

Sicurezza Enterprise

SaaS, Private Cloud o On-Premise. GDPR, SOC 2, architettura zero-trust. I tuoi dati, le tue regole, la tua infrastruttura.

0 PIATTAFORMA, NON 12 STRUMENTI

Piattaforma End-to-End

Sostituisci il tuo stack frammentato di CDP, motori di personalizzazione, strumenti di analytics e marketing automation con un unico sistema unificato.

Direzione strategica

IA agentica come direzione strategica

Synerise tratta l'automazione agentica non come un esperimento, ma come un pilastro strategico fondamentale. Definisce il modo in cui costruiamo i prodotti, assegniamo le risorse e definiamo la nostra visione a lungo termine. Questo impegno è formalizzato in tutta l'organizzazione, dai framework di policy dedicati ai team interfunzionali che guidano l'esecuzione.

01

Policy

Una policy formale di IA agentica regola il funzionamento degli agenti all'interno della piattaforma, definendo limiti, regole di accesso ai dati, requisiti di conformità e barriere etiche che garantiscono un'automazione responsabile su larga scala.

02

Roadmap

Una roadmap dedicata all'automazione agentica guida lo sviluppo del prodotto, con traguardi chiaramente definiti per le capacità degli agenti, protocolli di integrazione, supporto ai modelli e framework di valutazione della qualità.

03

Team

I team interfunzionali sono organizzati attorno all'ecosistema degli agenti, combinando ricerca sull'IA, ingegneria della piattaforma, product design ed esperienza nel settore per offrire esperienze agentiche coese.

04

Strategia

L'automazione agentica è integrata nel piano strategico dell'azienda, allineando gli obiettivi di business, il posizionamento sul mercato e gli investimenti tecnologici alla visione di una produttività guidata dall'IA.

La Piattaforma

Un'unica piattaforma. Potenzialità infinite.

Synerise combina dati comportamentali in tempo reale, AI predittiva e automazione in un'unica piattaforma di infrastruttura componibile — progettata da zero per scalare insieme al tuo business.

Behavioral Data Hub

Behavioral Data Hub

Elaborazione Continua dei Segnali Comportamentali a Qualsiasi Scala

Il data engine proprietario Terrarium cattura, trasforma e arricchisce flussi comportamentali eterogenei in rappresentazioni di profilo in continua evoluzione. Ogni evento osservato aggiorna un identity graph dinamico — abilitando inferenza, personalizzazione e modellazione predittiva in tempo reale.

Scopri di più su Behavioral Data Hub
Behavioral Data Hub
Integra i dati

Livello di Ingestione dei Segnali Unificato

Consolida flussi di dati comportamentali, operativi e contestuali eterogenei in un unico piano di osservazione — con deduplicazione deterministica e latenza sotto il secondo.

ProdottiOfferteClick streamCalls & Chat LogsOnline & POS PurchasesProfili comportamentaliSistemi di terze partiDati meteoLocalità
Web SDK
Mobile
POS
API
CRM
Cloud
Unified Data Layer
Pipeline di ingestione in tempo reale
Unifica le Informazioni

Unificazione Continua dello Stato del Profilo

Unisci sequenze di interazione, cronologie delle transazioni, vettori di attributi e timeline di attività in un'unica rappresentazione di entità in continua evoluzione.

Gestione del consensoVista profilo unificataFusione profiliProgrammi di fidelizzazioneMessaggistica in tempo realeAnalisi approfonditaControllo delle policyAttributi dinamici
Profilo unificato
ID: 8f3a…e91d
Dal vivo
2,481
Eventi
94
Punteggio
$1.2k
LTV
E-mail aperta2m fa
Prodotto visualizzato12m fa
Acquisto #48211h fa
Sessione app3h fa
Gestisci i Dati e Controlla gli Accessi

Primitive di Controllo Accessi e Data Governance

Policy di controllo degli accessi formali, data lineage completo di audit e gestione degli oggetti flessibile a livello di schema — progettati per la conformità normativa su scala enterprise.

Accesso APIGestione catalogoGestione eventi in streamingImportatore dati self-serviceOggetti personalizzatiFiltraggio avanzato dei ruoliACL & password policies
Controllo accessi
Amministrazione
Analista
Visualizzatore
Registro di audit
Chiave API ruotata · 4m fa
Ruolo aggiornato · 18m fa
Esportazione bloccata · 1h fa
Analizza i Flussi di Dati Lifetime

Analisi Temporale dei Flussi di Eventi

Vai oltre le dashboard statiche verso l'analisi longitudinale — osservando come distribuzioni comportamentali, dinamiche di coorte e stati di sistema evolvono nel tempo.

Modellazione dell'attribuzioneMetricheSegmentazione dinamicaFunnelIstogrammiTrendDiagrammi di SankeyAnalisi del churnDashboard
Cruscotto analitico
1D7D30D
GenGiuDic
Funnel di conversione
Visite
Visualizzazioni
Carrello
Acquista
Prevedi, Decidi e Personalizza

Modelli di Inferenza Predittiva e Raccomandazione

Applica apprendimento supervisionato e auto-supervisionato per inferire l'intento, generare raccomandazioni a livello di item e personalizzare le superfici di interazione — con aggiornamenti continui del modello online.

ScoringRaccomandazioni guidate dall'AIPredizioniModelli di propensioneLookalike audienceRicerca visivaSegmentazione comportamentale
Motore IA
Elaborazione di 65K decisioni/sec
Probabilità di acquisto
Rischio di abbandono
Punteggio di engagement
Raccomandazioni
Automatizza e Orchestra

Orchestrazione ed Esecuzione Adattiva dei Workflow

Componi workflow diretti multi-step con branching condizionale, sincronizzazione dei sistemi e cicli di ottimizzazione guidati dal feedback.

Test A/B/XTrasformazione datiSincronizzazione di sistemaAutomazione dei workflowContent studioPrioritizzazione dei serviziMessaggistica contestuale
Workflow Builder
Attivo
Trigger
Carrello abbandonato
Attendi 2 ore
Nodo di attesa
Split A/B
Divisione equa
E-mail
Personalizzato
Push
App mobile
Distribuisci Contenuti e Attiva i Profili

Distribuzione Multi-Canale Multimodale

Invia interventi comportamentali su tutta la topologia dei canali — con selezione contestuale, ottimizzazione della frequenza e feedback dei segnali in tempo reale.

SMSE-mailPush mobileContenuto web dinamicoIn-AppExternal Apps & POSSocial networkReti pubblicitarieLocalità
Gestore campagne
Broadcasting
E-mail
Inviati 12.4K
SMS
Inviati 8.1K
Push
Inviati 24.7K
Web
Dal vivo
In-App
Dal vivo
Social
In coda
Crea, Connetti ed Estendi

Livello di Estensibilità: API, SDK e Portali Personalizzati

Un framework di estensione programmabile — API, SDK, servizi di identità e sistemi di template — progettato per un comportamento deterministico e una sicurezza di livello enterprise.

Registrazione come servizioLogin come servizioAccesso API unificatoTemplates & CookbooksSAMLDesign SystemSDKs & Webhooks
Console API
GET/v4/profiles200
POST/v4/events/batch201
GET/v4/recommendations200
Webhooks
12 attivi
SDK
JS · iOS · Android
SAML & SSO
Azure Entra ID · OIDC
Nuova funzionalità

Brickworks

CMS comportamentale basato su schemi che ti consente di costruire strutture dati personalizzate — programmi fedeltà, cataloghi prodotti, configurazioni di campagne — con personalizzazione AI e delivery zero-copy.

Flessibilità dello schema
Personalizzazione AI-Native
Federazione Zero-Copy
Delivery via API singola
Content Brick: LoyaltyProgram
Live
tier_name:"Oro"string
multiplier:2.5xfloat
benefits:[4 elementi]array
ai_variant:alto_valorecomputed
7ms
Latenza
3
Fonti
v3.2
Schema
Satya Nadella
"Synerise è in grado di tracciare ogni evento, su ogni canale, per il cliente — che si tratti di mobile, web, retail o presenza fisica. Tutto questo costituisce un segnale che viene continuamente raccolto, elaborato e successivamente utilizzato per applicare l'AI e i workflow necessari a guidare l'esperienza."

Satya Nadella

CEO, Microsoft

Microsoft

Scala & Infrastruttura

La spina dorsale dell'intelligence comportamentale

L'infrastruttura proprietaria di Synerise è stata costruita da zero per fornire calcolo in tempo reale su scala globale, elaborando richieste in più regioni con bassa latenza e throughput elevato.

57B

Eventi raccolti al mese

229B

Query a TerrariumDB al mese

5.53B

Raccomandazioni, ricerche e previsioni IA al mese

1.85B

Eventi di visita alle pagine raccolti al mese

1.5B

Eventi di visualizzazione mobile raccolti al mese

129TB

Dati inviati via API al mese

>1.19B

Contenuto dinamico unico generato al mese

~207K

Query a TerrariumDB al secondo di picco

35K

Chiamate API al secondo di picco

65K

Decisioni IA al secondo di picco

150B EUR

GMW elaborati annualmente

1.97B

Messaggi iper-personalizzati inviati al mese

17.68B

Decisioni nei workflow al mese

50.19B

Chiamate API al mese

6B

Profili comportamentali scansionati quotidianamente

16,400

Pod Kubernetes

750+TB

Dimensioni disco

890+

Nodi Kubernetes

420+

Macchine virtuali

40M+

SKU gestiti nei feed

71+TB

RAM

14,400+

vCPU

114

Cluster di database

42B+

Righe nei cluster Postgres

3K

Operatori attivi sulla piattaforma Synerise

70+

Partner attivi in tutto il mondo

1,000+

Certificazioni Synerise rilasciate

>540

Spazi di lavoro in produzione

>220

Organizzazioni

49

Paesi da 6 continenti

+138 % vs HSTU — Nuovo SOTA nella raccomandazione sequenziale
basemodel.ai

Il modello di fondazione comportamentale.

Un unico modello auto-supervisionato che acquisisce l'intero data warehouse e trasforma qualsiasi domanda comportamentale su qualsiasi individuo in una predizione pronta per la produzione — in poche ore, non mesi, senza dover ampliare il team.

8 B+
Eventi per sessione di training
18 M+
Clienti per sessione di training
<1 ms
Latenza di classificazione
9 ms
6 M di raccomandazioni per utente (1× H100)

La pipeline di pre-training e fine-tuning

Dai dati comportamentali grezzi alle predizioni pronte per la produzione — una pipeline in quattro fasi che elimina la complessità del ML tradizionale.

Fase 1Cleora-NX

Embeddings di ipergrafo proprietari

Ogni evento comportamentale è un iper-arco che collega simultaneamente tutti i partecipanti — utente, prodotto, categoria, brand, timestamp. Cleora-NX — il motore proprietario di graph-embedding di Synerise, basato sulla ricerca pubblicata a ICONIP 2021. Solo per produzione; con sostanziali estensioni di performance e funzionalità — non open source. Eseguito in tempo proporzionale al numero di iper-archi; converge in poche iterazioni su grafi con miliardi di interazioni in pochi minuti.

Cleora-NX — proprietario, mai pubblicato; il Cleora open source è il suo predecessore
Supporto multimodale ed estensioni di interazione temporale sull'aggiornamento pubblico di Cleora
Deterministico — nessuna varianza di addestramento, nessuna GPU richiesta
Si scala su grafi con milioni di nodi e miliardi di interazioni
Fase 2TREMDE

Density sketches proprietari

Gli embedding di Cleora-NX (più eventuali embedding di testo, immagine o tabulari) vengono aggregati in density sketches di dimensione fissa da TREMDE — l'estensione proprietaria e temporalmente consapevole di Synerise dell'algoritmo open source EMDE (Synerise, ICONIP 2021). TREMDE produce codici sparsi componibili tramite somma — sommare i codici di due entità produce il codice del loro comportamento combinato — e aggiunge la modellazione dell'interazione temporale, estensioni specifiche per modalità e altri miglioramenti interni non descritti nel paper originale di EMDE. Ogni modalità viene abbozzata indipendentemente e concatenata; la forma dello sketch viene auto-regolata dalla pipeline a partire dai tuoi dati — nessuna configurazione manuale, nessun sweep di iperparametri. I nuovi elementi con feature di contenuto ricevono codici significativi immediatamente — vero cold-start senza necessità di riaddestramento.

TREMDE — proprietario, mai pubblicato; l'EMDE open source è il suo predecessore
Aggiunge la modellazione dell'interazione temporale ed estensioni per modalità sull'EMDE pubblico
Forma dello sketch auto-regolata dai tuoi dati — configurazione manuale zero
Multimodale: feature di grafo, testo, immagine, tabulari
Fase 3Foundation

Backbone FFN personalizzato

Non un MLP da manuale. Un backbone feed-forward personalizzato costruito specificamente per le sequenze comportamentali, che trasporta bias induttivi proprietari adattati alla struttura dei dati di evento. Nessuna attenzione, nessuna ricorrenza — eppure cattura la struttura temporale, le interazioni tra feature e la fusione delle modalità che un MLP standard non può gestire. L'obiettivo è il distributional matching: ogni profondità dello sketch target viene normalizzata per sommare a 1, e la perdita è la cross-entropy tra le distribuzioni di profondità previste e reali, mediata attraverso profondità e modalità.

Cattura la struttura temporale senza ricorrenza o attenzione
Modella le interazioni tra feature e la fusione delle modalità in un unico passaggio
Una singola foundation si trasferisce tra scenari — nessun riaddestramento per compito
Cross-entropy distribuzionale attraverso profondità e modalità
Fase 4Serving

Scoring proprietario · Ray Serve

Gli elementi candidati vengono codificati in codici sparsi TREMDE (componibili tramite somma). Le predizioni vengono valutate utilizzando un metodo di aggregazione proprietario ottimizzato per gli sketch comportamentali. Latenza di classificazione inferiore al millisecondo; 9 ms per utente per valutare l'intero catalogo da 6 M di elementi rel-avito su 1× H100. Servito tramite Ray Serve.

Metodo di aggregazione proprietario ottimizzato per sketch comportamentali
Latenza inferiore al millisecondo per classificazione / regressione
9 ms per utente per valutare un catalogo da 6 M di elementi su 1× H100
Deployment Ray Serve per scoring batch e online

Visualizzazione dello spazio di embedding

BaseModel.ai proietta ogni cliente in uno spazio di embedding comportamentale condiviso. Comportamenti simili si raggruppano — consentendo ricerca di similarità, segmentazione e rilevamento di anomalie istantanei.

Acquirenti ad alto valore
A rischio abbandono
Nuovi utenti
Power user
Acquirenti stagionali
Deal Seekers

Clustering Comportamentale

Gli utenti con pattern simili di navigazione, acquisto ed engagement si raggruppano naturalmente nello spazio degli embedding — senza bisogno di regole di segmentazione manuali.

Rilevamento del Drift in Tempo Reale

Quando il vettore di embedding di un cliente si sposta verso un cluster diverso (ad es. da "fedele" a "a rischio"), il sistema attiva interventi proattivi.

Ragionamento Analogico

Lo spazio degli embedding supporta l'aritmetica vettoriale: "acquirente ad alto valore" meno "acquirente frequente" più "nuovo utente" rivela i prospect emergenti ad alto valore.

Relazioni Cross-Entità

Prodotti, campagne e canali esistono nello stesso spazio degli utenti — abilitando raccomandazioni nearest-neighbor e matching contenuto-utente.

cleora.ai

Cleora.ai — Il motore di embedding

Un motore di embedding di grafi general-purpose che trasforma grafi complessi e multi-relazionali in rappresentazioni vettoriali dense. A differenza dei metodi basati su reti neurali, Cleora.ai utilizza proiezioni casuali iterative, raggiungendo una qualità all'avanguardia ed essendo al contempo ordini di grandezza più veloce e completamente deterministico.

Gli embedding di Cleora.ai formano la spina dorsale rappresentativa di BaseModel.ai. Trasformando miliardi di interazioni comportamentali in vettori significativi, Cleora.ai fornisce il segnale di pre-addestramento che conferisce a BaseModel la sua profonda comprensione del comportamento del cliente.

Scopri di più su Cleora.ai Vedi su GitHub

240×

Nodi/sec

50×

Dimensioni

5 MB

Scala

0

Addestramento

Addestramento deterministico

Nessun random walk, nessun gradiente stocastico. Soluzione in forma chiusa tramite operazioni matriciali iterative — completamente riproducibile a ogni esecuzione.

Scalabilità lineare

Il tempo di addestramento scala linearmente con le dimensioni del grafo. Grafi con miliardi di archi elaborati in pochi minuti su una singola macchina.

Embeddings induttivi

Genera embedding per nodi mai visti prima senza riaddestramento. Nuove entità proiettate nello spazio esistente in tempo reale.

Grafi eterogenei

Grafi multi-relazionali e multimodali. Utenti, prodotti, sessioni: tutti i tipi di entità in un unico spazio di embedding.

Benchmark di performance

AlgorithmAccuracyTimeMemory
Cleora0.9901.23 s22 MB
Node2Vec0.95867.9 s—
NetMF0.95728.8 s1,098 MB

Benchmark su un set di dati e-commerce pubblico (oltre 100M di interazioni). Tempi di addestramento misurati su una singola macchina a 16 core. snap.stanford.edu

Cleora (open source)Algoritmo predecessoreCleora-NX (proprietario)
Eventi grezziCostruzione dell'ipergrafoCleora-NX
Cleora-NXEmbedding comportamentaliPre-training di BaseModel

BaseModel.ai vs. ML tradizionale

Perché i team stanno sostituendo l'intera stack ML con un unico modello fondamentale.

CapacitàML tradizionaleLLMs / Agenti IABaseModel.ai
Cosa produce
Un modello per ogni domanda di business
Testo, codice o analisi
Modelli predittivi pronti per la produzione
Scala dei dati
Dataset curati (GB)
Finestra di contesto (128K–1M token)
Data warehouse su scala petabyte
Feature engineering
Mesi di lavoro manuale per modello
Può generare codice di feature — rimane a scopo singolo
Completamente automatizzato a partire da eventi grezzi
Tempo per il primo modello
3–6 mesi
Ore (ma costruisce pipeline tradizionali)
12 ore di addestramento del foundation su 1× A100 per ~8 Mld di eventi; fine-tuning per scenario in poche ore
Modellazione della popolazione
Statistiche aggregate e segmenti
Un utente alla volta tramite prompt
Modelli a livello individuale per l'intera popolazione
Trasferimento inter-dominio
Non possibile — ogni modello è isolato
Non applicabile — nessuno stato appreso persistente
Integrato — un solo modello per tutti i domini
Persistenza della conoscenza
Riaddestramento da zero per ogni domanda
Nessuna memoria tra le sessioni
Foundation riutilizzata in ogni scenario
Gestione del cold-start
Richiede soglie minime di dati
Richiede un contesto di prompt dettagliato
Sketch induttivi fin dalla prima interazione
Team richiesto
5–15 ingegneri ML + data scientist
Data scientist + prompt engineer
Data engineer o ingegnere ML; un singolo ingegnere ML è sufficiente per le implementazioni tipiche
Latenza su larga scala
50–500 ms tipici
1–30 secondi per generazione
Classificazione in sub-ms; 9 ms/utente per punteggiare 6 M di elementi su 1× H100

Blazingly fast. No clusters needed.

Train on ~18 M clients / ~8 B events in 12 h on a single A100. Serve classification and regression at sub-millisecond latency, and 6 M-item recommendations in 9 ms per user on 1× H100. No distributed infrastructure required.

RelBench MAP — BaseModel vs. miglior baseline (più alto è meglio)

AttivitàBaseModel.aiBaselineNome del baseline
rel-amazon review2.531.63ContextGNN
rel-amazon rate3.062.25ContextGNN
rel-hm purchase3.672.93ContextGNN
rel-avito ad-visit4.683.94RelGNN

Fonte: paper su BaseModel, RelBench (12 attività). BaseModel eguaglia o supera il miglior baseline pubblicato in 10 attività su 12; sono mostrati i quattro risultati migliori.

<1 ms

Sub-millisecond latency

Per-request inference time for classification and regression at production scale.

18 M+
Client per training run
~8 B eventi su 1× A100 in 12 h
1
Singola GPU
Nessun cluster richiesto
<1 ms
Latenza di classificazione
Sotto il ms per richiesta
9 ms
Racc. su 6 M item
Per utente su 1× H100

Impatto reale delle implementazioni

In tutta la piattaforma Synerise basata su BaseModel — numeri provenienti da oltre 340 implementazioni in produzione.

340+
Implementazioni in produzione
Implementazioni aziendali attive in 4 continenti
2.8B
Predizioni giornaliere
Predizioni in tempo reale erogate ogni giorno
+23%
Aumento medio dei ricavi
Incremento medio dei ricavi per i clienti retail
+8.2pp
Guadagno in precisione del modello
Miglioramento medio dell'AUC rispetto ai modelli ML preesistenti
14 days
Velocità di implementazione
Tempo medio dal lancio alle predizioni in produzione
67%
Riduzione dei costi
Riduzione dei costi dell'infrastruttura ML e del team

Un modello. Ogni domanda. Qualsiasi settore.

Seleziona un settore per vedere cosa può rispondere BaseModel.ai — immediatamente.

Generale

"In che modo le interazioni quotidiane dei clienti influenzano i loro comportamenti futuri?"

AI
ML
DL

Comprensione comportamentale a 360°

Pronto per il zero-shot

Costruito in modo diverso

Sei principi architetturali che rendono BaseModel.ai il sistema di AI comportamentale più avanzato mai costruito.

Foundation riutilizzabile

La foundation viene addestrata una sola volta sui tuoi dati comportamentali. Ogni nuovo scenario — churn, LTV, consigli — riutilizza quegli embedding tramite un rapido fine-tuning; nessun riaddestramento completo per ogni singola domanda.

Density sketches multimodali

Gli embedding di grafi, testo, immagini e caratteristiche tabulari vengono abbozzati in una singola rappresentazione a dimensione fissa per entità — creata al volo con un costo lineare basato sulle interazioni.

Previsioni zero-shot

Rispondi a domande comportamentali che non avevi mai modellato esplicitamente — come il rischio di riammissione di un paziente, la propensione all'upgrade di un abbonato o il rischio di abbandono di un dipendente — definendo una funzione obiettivo e riutilizzando gli embedding della foundation.

Inferenza in tempo reale

Latenza di classificazione e regressione inferiore al millisecondo; le raccomandazioni analizzano l'intero catalogo rel-avito di 6 milioni di elementi in 9 ms per utente su 1× H100. Servito tramite Ray Serve per carichi di lavoro batch e online.

Self-hosted per design

Distribuisci all'interno di Snowflake Container Services, Databricks o nel tuo cluster GPU. I dati comportamentali non lasciano mai il tuo ambiente; nessun corpus di modello condiviso tra i clienti.

Trasferimento inter-dominio

La conoscenza comportamentale appresa in un dominio viene trasferita a un altro. I modelli di acquisto migliorano il rilevamento delle frodi; i segnali di coinvolgimento affinano le previsioni sul churn — un trasferimento inter-dominio che nessun modello mono-scopo può replicare.

Governance ed esplicabilità dei modelli

Governance di livello aziendale integrata in ogni livello — dal lignaggio dei dati di addestramento all'audit delle predizioni in produzione.

Obiettivi definiti in YAML

Ogni scenario fine-tuned è descritto da un singolo file YAML: tabelle di origine, funzione obiettivo, finestra di addestramento. Riproducibile per progettazione; rieseguire la configurazione ricostruisce lo stesso modello.

Pesi dei campioni configurabili

I pesi dei campioni per evento e i controlli di bilanciamento dell'obiettivo consentono ai team di regolare i trade-off tra equità e recenza al momento dell'addestramento, con piena visibilità su come gli esempi vengono ponderati.

Sovranità dei dati self-hosted

Distribuisci in Snowflake Container Services, Databricks o nel tuo cluster GPU. I dati comportamentali e gli embeddings rimangono all'interno del tuo ambiente: nessun corpus di modelli condiviso tra i clienti.

Configurazioni e lineage riproducibili

L'addestramento della foundation e ogni esecuzione di fine-tune sono ancorati a una configurazione YAML e a uno schema di connettore, così puoi risalire da qualsiasi previsione alle tabelle, alla finestra temporale e ai parametri esatti che l'hanno prodotta.

Foundation e adapter versionati

I checkpoint della foundation e i fine-tune per scenario sono versionati in modo indipendente. Esegui il rollback di uno scenario senza riaddestrare la foundation; promuovi una nuova foundation quando sei pronto.

Hook di monitoraggio

Metriche in streaming per la distribuzione degli input, la confidenza nelle previsioni e la correlazione con i KPI aziendali: connettile al tuo stack di osservabilità esistente per rilevare precocemente il drift.

Riconosciuto dalla comunità scientifica

BaseModel.ai si basa sulla ricerca pubblicata da Synerise — gli articoli Cleora e EMDE (ICONIP 2021) e il preprint di BaseModel — e si inserisce nel più ampio contesto delle oltre 40 pubblicazioni di Synerise in NeurIPS, KDD, ICONIP e ACM RecSys.

Preprint 2025

BaseModel: un Foundation Model per i dati comportamentali

L'articolo su BaseModel.ai. Definisce la formulazione foundation-model per i flussi di eventi comportamentali e la suite di benchmark riportata su /research. La versione di produzione di BaseModel esegue Cleora-NX, TREMDE e un backbone FFN personalizzato — estensioni interne proprietarie delle basi pubblicate Cleora e EMDE, non descritte nell'articolo.

ICONIP 2021

Cleora: uno schema di embedding di grafi semplice, robusto e scalabile

Lo schema di embedding di ipergrafi pubblicato da Synerise. Definisce l'aggiornamento deterministico e privo di parametri T_{k+1} = normalize(P·T_k). Il predecessore open source di Cleora-NX, il motore proprietario che alimenta BaseModel.ai in produzione.

ICONIP 2021

Un efficiente stimatore di densità su varietà (Manifold Density Estimator) per tutti i sistemi di raccomandazione

L'articolo su EMDE. Introduce density sketches compatti i cui codici sparsi si compongono tramite sommatoria. Il predecessore open source di TREMDE, il motore proprietario per i density sketches con consapevolezza temporale all'interno di BaseModel.ai.

Pronto a scoprire cosa sanno già i tuoi dati?

Esplora BaseModel.ai — implementazione in poche ore, non mesi. Non è richiesto alcun team ML.

Mariano Gomide de Faria
"Synerise è una perla nascosta di Cracovia, in Polonia. Il prodotto Synerise BaseModel è il modello di base privato più avanzato al mondo per i dati comportamentali. Synerise è un modo potente ed efficiente per la tua azienda (tech, SI, retail, produttore o brand) di fare un salto di qualità nel mondo delle applicazioni AI, producendo risultati rapidi ed evitando di spendere milioni in CAPEX per il proprio modello di data engineering. Sono orgoglioso di vedere le aziende tecnologiche più avanzate nate nei mercati emergenti. Siamo lieti di scegliere Synerise come motore dell'infrastruttura AI di VTEX. Proseguiamo con determinazione nella nostra missione di essere la colonna vertebrale del connected commerce. Le funzionalità AI che VTEX sarà in grado di implementare con Synerise sono dirompenti."

Mariano Gomide de Faria

Co-CEO, VTEX

VTEX

TerrariumDB

TerrariumDB.
Il motore di dati comportamentali.

TerrariumDB cattura, risolve e attiva ogni segnale comportamentale in tempo reale. È la base dati dinamica che alimenta BaseModel.ai — trasformando eventi grezzi in identità cliente in continua evoluzione su scala massiva.

57B+
Eventi al mese
<50ms
Latenza di elaborazione
6B+
Profili comportamentali
99.99%
SLA di uptime

Dall'evento all'insight in millisecondi

Una pipeline a quattro stadi che trasforma il rumore comportamentale grezzo in intelligenza cliente azionabile in tempo reale.

01

Capture

Event Ingestion

Every behavioral signal — from clicks and page views to transactions and API calls — is captured in real time via SDKs, APIs, or server-side connectors.

02

Enrich

Identity Resolution

Raw events are matched to unified profiles through deterministic and probabilistic identity resolution. Cross-device, cross-channel, cross-session — one identity.

03

Profile

Dynamic Aggregation

Every resolved event updates living behavioral profiles in real time. Aggregates, sequences, and computed attributes refresh within milliseconds.

04

Activate

Graph & Stream

Enriched profiles feed the identity graph and stream to downstream systems — powering BaseModel.ai, decisioning engines, and personalization in real time.

Progettato per i dati comportamentali su larga scala

Sei funzionalità fondamentali che rendono TerrariumDB il motore di dati comportamentali in tempo reale più avanzato disponibile.

Ingestione in Tempo Reale

Cattura ogni segnale comportamentale nel momento esatto in cui si verifica — clic, transazioni, visualizzazioni di pagina, chiamate API — senza alcun ritardo tra l'evento e il tuo data layer.

Profili Vivi

I dati non vengono archiviati come record statici. Ogni evento arricchisce un'identità comportamentale dinamica e in continua evoluzione che riflette chi è il cliente adesso — non chi era la settimana scorsa.

Identity Graph Unificato

Ogni evento arricchisce un identity graph unificato attraverso canali e dispositivi. Sessioni anonime, utenti autenticati e percorsi cross-device confluiscono in un'unica verità.

Elaborazione Sotto il Secondo

Dalla cattura dell'evento all'arricchimento del profilo in meno di 50 millisecondi. Il decisioning in tempo reale dipende da dati in tempo reale — TerrariumDB fornisce entrambi.

Ingestione Schema-Free

Nessuno schema predefinito necessario. Invia qualsiasi payload JSON e TerrariumDB lo indicizza, arricchisce e rende interrogabile automaticamente. I modelli dati evolvono in tempo reale insieme al tuo business.

Event Streaming e CDC

Change data capture integrato, webhook e connettori dati in tempo reale. Trasmetti eventi arricchiti a qualsiasi sistema a valle — data warehouse, pipeline ML o motori di attivazione.

Progettato per la scalabilità orizzontale

Ogni livello dello stack è progettato per scalare linearmente: dai servizi stateless ai database partizionati, fino alle zone di calcolo indipendenti.

Horizontal Scalability

  • Stateless services
  • Load Balancing
  • Microservices architecture

Database Scalability

  • Core technologies linearly scalable (TerrariumDB, Kafka, ScyllaDB)
  • Data sharding by profileId

Event-Driven Reactive Architecture

  • Data streaming via Kafka
  • Asynchronous processing in stateless microservices

Auto-Scaling Infrastructure

  • Containerization (Docker)
  • Kubernetes native workloads
  • Horizontal pod autoscaler
  • Cloud-Based Auto-Scaling

Monitoring

  • Continuous monitoring with long history

Noisy Neighbor Solution

  • Separate Kafka topics per workspace
  • Dedicated compute zones for workflows and AI recommendations
  • Zones scale independently

La base dati per BaseModel.ai

TerrariumDB non è solo un database, è il substrato vitale che alimenta il primo modello fondazionale comportamentale al mondo. Ogni evento catturato, ogni profilo arricchito e ogni identità risolta da TerrariumDB diventa un segnale di training per BaseModel.ai.

Le sequenze comportamentali in tempo reale confluiscono direttamente nel training del modello
L'identity graph garantisce la qualità degli embedding lungo percorsi frammentati
L'architettura schema-free si adatta a nuove fonti dati senza reingegnerizzazione
L'arricchimento in meno di 50ms abilita l'inferenza in tempo reale al momento della previsione
Pipeline in tempo reale
Eventi Catturati
1.4B/day
Profili Aggiornati
892M/day
Corrispondenze Identità
234M/day
Latenza Media
23msp99

Architettura di livello enterprise

Progettato da zero per carichi di lavoro critici basati su dati comportamentali su scala planetaria.

Deployment Multi-Regione

Effettua il deployment in qualsiasi regione cloud con conformità automatica alla residenza dei dati. Pronto out-of-the-box per GDPR, CCPA e LGPD, con controlli configurabili sulla sovranità dei dati.

Durabilità Garantita

Write-ahead logging, sincronizzazione multi-replica e recovery point-in-time garantiscono zero perdita di dati. Ogni evento è durevole dal momento in cui viene confermato.

Sicurezza e Conformità

Certificato SOC 2 Type II con crittografia end-to-end a riposo e in transito. Controllo degli accessi basato sui ruoli, audit logging e data masking integrati in ogni livello.

I tuoi dati, vivi e pronti.

Scopri come TerrariumDB trasforma gli eventi grezzi in intelligenza comportamentale in tempo reale — potenziando previsioni, personalizzazione e processi decisionali su larga scala.

Ricerca AI di Synerise

AI guidata dalla scienza

Ricerca di classe mondiale che vince competizioni globali e fa avanzare lo stato dell'arte nei sistemi di raccomandazione, graph learning e AI comportamentale.

50+
Articoli pubblicati
15+
Vittorie nelle competizioni
1,200+
Citazioni

Vittorie in evidenza

Dominare le competizioni globali di AI

KDD Cup — 1° posto
ACM RecSys Challenge — Vittorie multiple
Booking.com Challenge — 1° posto
Rakuten Data Challenge — 1° posto
OGB Large-Scale Challenge — Ai vertici della classifica
"Synerise ha costruito uno dei team di ricerca sull'AI applicata più impressionanti che abbia mai incontrato. Il loro lavoro sui graph embeddings e sulla modellazione comportamentale sta facendo avanzare lo stato dell'arte."

Prof. Jure Leskovec — Stanford University

Ultime novità da SAIR

Ricerca8 min di lettura

BaseModel vs TIGER per raccomandazioni sequenziali

Il confronto tra BaseModel e TIGER rivela differenze sostanziali nelle loro scelte architettoniche e nelle prestazioni.

Ricerca8 min di lettura

BaseModel vs HSTU per raccomandazioni sequenziali

Per valutare BaseModel rispetto a HSTU, abbiamo replicato esattamente i protocolli di preparazione dei dati, addestramento, validazione e test.

Ricerca8 min di lettura

Codifica Fourier Feature di variabili numeriche

Il pre-processing dei dati di input è una parte fondamentale di qualsiasi pipeline di machine learning, spesso cruciale per le prestazioni del modello finale.

Ingegneria12 min di lettura

EMDE vs Multiresolution Hash Encoding

Quando abbiamo creato il nostro algoritmo EMDE, avevamo in mente principalmente il dominio del behavioral profiling.

Futuro6 min di lettura

Perché abbiamo bisogno di un'Intelligenza Artificiale inumana

Ci chiediamo continuamente quanto tempo occorrerà affinché l'AI raggiunga il livello di competenza umana in queste attività.

Strumenti8 min di lettura

Hashing efficiente di coppie di interi

I modelli mentali sono espressioni semplici di processi o relazioni complessi.

Sistema di design Colloid

Il linguaggio di design
dietro la piattaforma.

Colloid è il sistema di design proprietario e open source di Synerise: una libreria di 117 pacchetti di componenti React versionati in modo indipendente, 1.189 icone personalizzate e un'infrastruttura completa per i temi che alimenta ogni schermata della piattaforma.

Costruito con TypeScript, Styled Components e react-intl fin dal primo giorno. Non è un wrapper attorno a Material UI o Ant Design, ma un sistema creato da zero, progettato per le esigenze uniche di interfacce di dati comportamentali, dashboard in tempo reale e flussi di lavoro guidati dall'AI.

117

Pacchetti di componenti

1,189

Icone personalizzate

4

Varianti di dimensione icone

100%

Copertura TypeScript

Esplora il sistema di design Visualizza su GitHub
Colloid Design System — Synerise UI components

117 pacchetti React

Ogni componente è un pacchetto npm versionato in modo indipendente, da ds-button a ds-table fino a ds-wizard. Installa solo ciò di cui hai bisogno.

1.189 icone personalizzate

Una libreria di icone proprietaria in 4 varianti di dimensione (M, L, XL, colore), progettata appositamente per piattaforme dati, analisi e interfacce di AI comportamentale.

Storybook Open Source

Ogni componente è documentato e interattivo in un'istanza pubblica di Storybook. I designer revisionano, gli ingegneri costruiscono, il QA testa: da un'unica fonte di verità.

TypeScript Nativo

Scritto interamente in TypeScript con tipi statici prevedibili. IntelliSense completo, sicurezza in fase di compilazione e zero ambiguità in ogni API dei componenti.

Componenti stilizzati

Styling basato su temi con Styled Components. Ogni token (colore, spaziatura, tipografia, elevazione) deriva da un oggetto di tema centrale per una personalizzazione istantanea.

i18n di default

Internazionalizzazione integrata tramite react-intl. Ogni etichetta, segnaposto e messaggio è traducibile, supportando implementazioni aziendali globali fin da subito.

Vetrina dei componenti

Colloid Design System — Anteprima dal vivo

Repliche visive di @synerise/ds-* componenti, che corrispondono ai token e ai pattern del design system Colloid utilizzati in produzione.

Varianti di ds-button

Dimensioni pulsanti

import DSButton from '@synerise/ds-button';
<DSButton type="primary">Primary</DSButton>

I componenti seguono i design token di Colloid: spaziatura, colori e tipografia corrispondono al sistema di design in produzione.

Apri Storybook

Componenti reali dal repository

Ogni componente di seguito è un vero pacchetto npm @synerise/ds-* pubblicato in modo indipendente, proveniente direttamente dal repository open source su GitHub.

Inserimento Dati18
InputInputNumberSelectAutocompleteCascaderCheckboxRadioSwitchSliderDatePickerDateRangePickerTimePickerColorPickerEmojiPickerFileUploaderCodeAreaInlineEditSubtleForm
Navigazione12
MenuAppMenuNavbarSidebarSidebarObjectTabsCardTabsStepperPaginationBreadcrumbsWizardPageHeader
Visualizzazione Dati17
TableListListItemCardCardSelectMetricCardAvatarAvatarGroupBadgeTagTagsStatusDescriptionTypographyStepCardInformationCardItemsRoll
Feedback16
AlertInlineAlertModalDrawerToastPopconfirmPopoverTooltipResultLoaderSkeletonProgressBarSectionMessageBannerBroadcastBarConfirmation
Layout e Struttura12
GridFlexBoxLayoutPanelPanelsResizerDividerBlockTrayToolbarFooterScrollbarActionArea
Avanzato17
FilterItemFilterItemPickerFactorsOperatorsConditionLogicManageableListSortableCollectorColumnManagerMappingInsightSearchBarContextSelectorCompletedWithinEstimation
Open Source · Licenza MIT

Esplora la documentazione viva.

Ogni componente è dotato di documentazione Storybook interattiva, che mostra varianti, stati, props, note di accessibilità ed esempi di utilizzo reale. I designer esaminano. Gli ingegneri costruiscono. Il QA testa. Tutto dalla stessa fonte.

Colloid non è solo un UI kit, è il linguaggio condiviso tra prodotto, design e ingegneria in Synerise. Racchiude anni di apprendimento sulla creazione di interfacce per dati comportamentali, previsioni AI e automazione in tempo reale su scala planetaria.

Visualizza su GitHub synerise-design
@synerise/ds-*

// Installa pacchetti individuali

yarn add @synerise/ds-core

yarn add @synerise/ds-button

yarn add @synerise/ds-table

// Avvolgi la tua applicazione

import { DSProvider } from '@synerise/ds-core'

import Button from '@synerise/ds-button'

<DSProvider>

<Button>¡Clicca qui!</Button>

</DSProvider>

Sicurezza Aziendale

Sicurezza e infrastruttura affidabili.
Certificazioni di conformità, sovranità dei dati e privacy by design.

Infrastruttura di livello enterprise con certificazioni di conformità, sovranità dei dati e privacy by design — per supportare le organizzazioni globali con i più elevati standard di sicurezza.

SaaS

Cloud completamente gestito

Private Cloud

Infrastruttura dedicata

On-Premise

Il tuo data center

SOC 2 Type II

Controlli di sicurezza certificati

GDPR

Protezione dei dati UE

CCPA

Conformità privacy California

ISO 27001

Sicurezza delle informazioni

Video

Le ultime dal nostro canale

Vedi tutti i video