Phrase Data (TMS)

El contenido se traduce automáticamente del inglés por Phrase Language AI.

Phrase Data está disponible en dos niveles:

Básico
Disponible para
- Planes Team, Professional, Business, Enterprise y Software UI/UX
Ponte en contacto con el equipo de ventas para preguntar por nuestros planes.
Premium

El nivel Premium ofrece el mismo acceder que el nivel Basic, además de acceder a datos a nivel de segmento.
Disponible para
- los planes Business y Enterprise
Ponte en contacto con el equipo de ventas para preguntar por nuestros planes.
Disponible para
- Plan Enterprise (anterior)
Ponte en contacto con el equipo de ventas para preguntar por nuestros planes.

Los almacenes de datos en la nube (como Snowflake) Habilitar a los cliente a acceder de forma segura a sus datos a través de una interfaz SQL.

Phrase Data muestra datos relevantes para el uso que hace el cliente de TMS desde la fecha en que el cliente se suscribió por primera vez a Phrase hasta la fecha actual. Phrase se reserva el derecho de cambiar el período durante el cual se muestran los datos, previo aviso al cliente.

Documentación técnica completa de la integración de Phrase Data.

Phrase Data ayuda a la toma de decisiones estratégicas, demuestra el impacto en el Business y puede justificar las inversiones. Los datos se pueden combinar con métricas más amplias de la empresa para revelar el impacto en los ingresos, la penetración en el mercado y la satisfacción del cliente:

Tráfico web, como visitas a la página, tasas de rebote, datos demográficos del usuario.
Datos de marketing, como tasas de clics, tasas de conversión, interacción en redes sociales
Datos de atención al cliente, analizar si los materiales de soporte localizados conducen a una resolución más rápida del problema y a una mayor satisfacción del cliente.
Cifras de ventas, comparando los costes con los ingresos generados a partir del contenido localizado.

La información ayuda a comprender el alcance y la reputación del contenido global a nivel mundial y garantiza que el mensaje de una empresa tenga éxito en todos los idiomas.

Retorno de la inversión (ROI) de los esfuerzos de localización

Se utiliza para respaldar el mantenimiento o el aumento de los presupuestos al demostrar que las inversiones en traducción generan retornos. También señala ahorros de costes, como la forma en que el uso de la traducción automática ahorró dinero con el tiempo, lo que contribuye al ROI general.
Adaptación del contenido, eficacia y participación del usuario

Comprender cómo funciona el contenido localizado con las audiencias. El seguimiento de la retención de cliente en cada localización sugiere que las traducciones satisfacen las necesidades del usuario. Esta retroalimentación puede influir en la estrategia de calidad de un Team o en cómo ajustar el estilo para conectar mejor con los usuarios locales. Un caso de usar de cliente correlaciona las adaptaciones de contenido con las métricas de interacción. Al usar diferentes prompts con AutoAdapt para personalizar el contenido según la demografía (p. ej., edad, género, región, idioma), esto permitiría realizar un seguimiento del aumento del rendimiento a nivel local o de campaña.
Priorización de mercado e idioma

Ayuda a decidir en qué idiomas o regiones centrarse para lograr el máximo impacto. Garantiza que el Team asigne recursos a las traducciones que generen el mayor retorno de Business. También puede guiar la secuencia de lanzamientos de nuevos idioma o justificar la localización para mercados en los que desean crecer.
Optimización de procesos y estrategia tecnológica

Evaluar la duración del flujo de trabajo y el impacto de la automatización conduce a mejoras continuas en los procesos y ayuda a elegir la tecnología adecuada. Medir cómo el mayor usar de traducción automática en términos de calidad y velocidad (p. ej., tiempo de posedición y puntuación de calidad) cuantifica las ganancias de productividad.
Evaluación comparativa del rendimiento interno

Con el tiempo, los puntos de referencia internos, como el coste medio por palabra, el tiempo de entrega medio para un tipo de contenido determinado y la puntuación de calidad media, se convierten en objetivos estratégicos de mejora. Revela los resultados de las prácticas inteligentes y las ganancias de eficiencia que justifican aún más los programas de localización.

Conecte Phrase Data con los flujos de trabajo de Orchestrator para ejecutar consultas pesadas y automatizaciones avanzadas de manera más eficiente. La integración de Orchestrator también ayuda a agilizar las comprobaciones de calidad y la optimización de procesos mediante el muestreo de proyectos o la identificación más rápida de trabajos que coinciden con criterios específicos.

Casos de usar de nivel básico

En cualquier sector que dependa de la traducción y la localización lingüística, los Team necesitan información de datos sólida para guiar las decisiones. Sin embargo, los informes de estadísticas y la información varían según las necesidades del Team (Localización, contenido, partes interesadas ejecutivas), que requieren métricas operativas (eficiencia diaria, rendimiento, costes) e información estratégica (ROI a largo plazo, impacto en el usuario, crecimiento del mercado).

Las estadísticas operativas ayudan a los gestores de localización a agilizar los flujos de trabajo y gestionar los costes a diario.

Volumen (también conocido como rendimiento)

El seguimiento de la cantidad de contenido traducido a lo largo del tiempo (por ejemplo, palabras por semana/mes) indica la capacidad del Team. Esto ayuda con la planificación de recursos.
Puntualidad (también conocida como tiempo de entrega)

El tiempo de entrega mide cuánto tiempo toma traducir el contenido de principio a terminar. Los Team de localización realizan un seguimiento de si las traducciones se entregan a tiempo o si enfrentan retrasos. Esto es crucial para cumplir con las fechas de lanzamiento de productos, los SLA e investigar los retrasos.
Desempeño del proveedor y del lingüista

Si se utilizan proveedores de traducción externos o lingüistas independientes, el Team de localización querrá evaluar su desempeño. Se realiza un seguimiento de métricas como el tiempo de entrega por proveedor, la entrega a tiempo por proveedor y las puntuaciones de calidad por lingüista.
Métricas de calidad (control de calidad lingüístico)

Mida el porcentaje de traducciones que superan los controles de QA en el primer intento (sin necesidad de volver a trabajar), lo que indica una traducción inicial eficaz. De igual manera, detallar la categoría y la gravedad de los problemas de error encontrados, por ejemplo, terminología, precisión, etc.
Métricas de costo y eficiencia

Por lo general, los Team realizan un seguimiento del costo por palabra y el gasto total por proyecto, idioma o departamento para garantizar que se cumplan los presupuestos. Así como los ahorros para Comparar el costo de traducción bruta frente al costo con descuento después de aplicar un esquema a tasa neta, destacando el valor de mantener las coincidencias de TM y las repeticiones. Por ejemplo, si el 30% de las palabras en un nuevo proyecto se tradujeron mediante coincidencias de TM del 100%, el Team puede cuantificar el costo ahorrado al no volver a traducir esos segmentos.
Aprovechamiento de la automatización (MT y TM)
- Esfuerzo de posedición, como las ediciones promedio o el tiempo necesario en los resultados de MT, para ayudar a evaluar la MT.
- Tasa de aprovechamiento de TM al observar el % de contenido por coincidencias de TM, lo que indica la eficiencia de reutilización de TM y el ahorro de costos.
- Tasa de uso de MT, como el % de segmentos traducidos inicialmente por MT. Esto presenta la cobertura de automatización y las oportunidades para la reducción de costes/tiempo: solo Premium.

Casos de uso del nivel Premium

Utilización de la memoria de traducción (TM)

Realice un seguimiento de cuándo se usó una TM por última vez y cuántos segmentos se reutilizaron a lo largo del tiempo. Esto ayuda a evaluar la frescura de la TM, la contribución al valor y si todavía vale la pena mantener las TM obsoletas.

Análisis sugerido:

Use segment_statistic_v2 and filter on translation_origin = TM.
- Una TM se puede identificar usando el translation_memory_id.
- Agrupe los segmentos por TM y usar el campo date_created para ver cuándo se usó la TM. También es bueno calcular y ver el editing_time_ms y la score promedio.
Unir con job_v2 usando el job_id para extraer información del idioma, p. ej., target_locale.
Unir con project_v2 usando el project_id para contextualizar el uso por dominio, cliente, unidad de negocio, etc.

Beneficios:

Ahorro de costes: Ayuda a retirar las TM sin usar o de bajo rendimiento para reducir los gastos generales de mantenimiento.
Calidad: Identifica las TM antiguas con un alto esfuerzo de posedición y señala la acción adecuada.
Eficiencia: Usar TM de alto rendimiento que reduzcan el tiempo de Editar y aumenten la confirmación automática. Considere ajustar el umbral de la TM en consecuencia.

Optimización del motor de traducción automática (MT)

Comparar motores de MT por QPS (puntuación de calidad por segmento) y tiempo de posedición, lo que permite un enrutamiento más inteligente del contenido al motor de MT correcto.

Análisis sugerido:

Usar segment_statistic_v2 con filtro en translation_origin = MT.
Unir con machine_translate_setting_v2 usando el machine_translate_setting_id.
- Un motor de MT puede ser identificado usando el machine_translate_setting_name.
- Agregar segmentos por motor de MT y calcular la suma de segment_id, el QPS promedio y el editing_time_ms promedio.
Unir con job_v2 usando el job_id para extraer información del idioma, p. ej., target_locale.
Unir con project_v2 para diferentes tipos de contenido como dominio, cliente, unidad de negocio, etc.

Beneficios:

Menor coste: Identificar y usar los motores adecuados para el trabajo que sean más apropiados para el tipo de contenido y el idioma con tasas de edición históricamente bajas.
Cuantificar el tiempo de entrega: Observando los tiempos de edición por combinación, tipo de contenido, etc.

Maximizar los segmentos de confirmación automática (es decir, contenido sin intervención)

Identificar el punto más eficiente donde un QPS alto y sin tiempo de edición sea elegible para la confirmación automática para así separar la mayor cantidad de contenido posible de requerir revisión humana.

Análisis sugerido:

Use segment_statistic_v2:
- Filtrar donde el segmento translation_origin = MT, is_confirmed = true, editing_time_ms = 0 y confirmation_source = MT.
- Agregar el recuento de segmentos (segment_id) y el recuento de palabras (words_processed) por QPS.
- Unir con job_v2 usando el job_id para extraer información del idioma, p. ej., target_locale.
- Unir con project_v2 usando el project_id para extraer metadatos de contenido.

Beneficios:

Ahorro de costes: Encontrar el umbral de QPS óptimo para aumentar la confirmación automática y reducir el tiempo de edición donde la calidad ya es lo suficientemente buena.
Reducir el tiempo de entrega: Evitar que el contenido sea revisado innecesariamente.

Plantillas de consulta

Consultas de muestra para usar como guía para ayudar a comenzar con las tablas relevantes:

Salida de MT pretraducida de mes a mes

SELECT
    ssv.QPS
    ,DATE(DATE_TRUNC('month', ssv.date_created)) AS date_month
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
FROM segment_statistic_v2 ssv
LUGAR
    ssv.date_created >= DATEADD('day', -365, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origin = 'MT' -- segmentos pretraducidos por MT
GROUP BY
    ssv.QPS
    ,DATE(DATE_TRUNC('month', ssv.date_created));

Variación de calidad de MT pretraducido entre metadatos de proyecto Personalizar

SELECT
    ssv.QPS
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
FROM segment_statistic_v2 ssv
JOIN job_v2 jv
    ON ssv.job_id = jv.job_id
JOIN project_custom_metadata_v2 pcmv
    ON jv.project_id = pcmv.project_id
LUGAR
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origin = 'MT' -- segmentos pretraducidos por MT
GROUP BY
    ssv.QPS
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values;

Variación de calidad de MT pretraducido entre configuraciones regionales

SELECT
    ssv.QPS
    ,jv.locale_pair
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
FROM segment_statistic_v2 ssv
JOIN job_v2 jv
    ON ssv.job_id = jv.job_id
LUGAR
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origin = 'MT' -- segmentos pretraducidos por MT
GROUP BY
    ssv.QPS
    ,jv.locale_pair;

Volumen y calidad de MT pretraducido

SELECT
    ssv.QPS
    ,mtsv.machine_translate_setting_type
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
FROM segment_statistic_v2 ssv
JOIN machine_translate_setting_v2 mtsv
    ON ssv.machine_translate_setting_id = mtsv.machine_translate_setting_id
LUGAR
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origin = 'MT' -- segmentos pretraducidos por MT
GROUP BY
    ssv.QPS
    ,mtsv.machine_translate_setting_type;

Cantidad de segmentos de MT pretraducidos confirmados automáticamente por QPS

SELECT
    QPS
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
    ,COUNT(DISTINCT IFF(LOWER(confirmation_fuente) IN ('MT', 'TM', 'NT', 'ir', 'ut'), segmento_ID, NULL)) AS mt_segmentos_confirmados_automáticamente
FROM segmento_statistic_v2
LUGAR
    date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND date_created < CURRENT_DATE
    AND translation_origin = 'MT' -- segmentos pre-traducidos por MT
GROUP BY
    QPS;

Cantidad de segmentos MT pre-traducidos editados por QPS

SELECT
    QPS
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
    ,COUNT(DISTINCT IFF(COALESCE(editing_time_ms, 0) > 0, segmento_id, NULL)) AS mt_segmentos_editados
FROM segmento_statistic_v2
LUGAR
    date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND date_created < CURRENT_DATE
    AND translation_origin = 'MT' -- segmentos pre-traducidos por MT
GROUP BY
    Qps;

Cantidad de palabras ahorradas de la revisión humana al reducir el umbral de QPS

WITH QPS_segmentos AS (
    SELECT
        ssv.QPS
        ,SUM(words_processed) AS words_processed
    FROM segment_statistic_v2 ssv
    LUGAR
        ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
        AND ssv.date_created < CURRENT_DATE
        AND ssv.translation_origin = 'MT' -- segmentos pretraducidos por MT
    GROUP BY
        ssv.QPS
)

SELECT
    qps AS new_qps_threshold
    ,SUM(words_processed) OVER (orden BY QPS DESC) AS words_saved
FROM QPS_segmentos;

Phrase Data (TMS)

El contenido se traduce automáticamente del inglés por Phrase Language AI.

Disponible para

Disponible para

Disponible para

Casos de usar de nivel básico

Casos de uso del nivel Premium

Utilización de la memoria de traducción (TM)

Optimización del motor de traducción automática (MT)

Maximizar los segmentos de confirmación automática (es decir, contenido sin intervención)

Plantillas de consulta

Salida de MT pretraducida de mes a mes

Variación de calidad de MT pretraducido entre metadatos de proyecto Personalizar

Variación de calidad de MT pretraducido entre configuraciones regionales

Volumen y calidad de MT pretraducido

Cantidad de segmentos de MT pretraducidos confirmados automáticamente por QPS

Cantidad de segmentos MT pre-traducidos editados por QPS

Cantidad de palabras ahorradas de la revisión humana al reducir el umbral de QPS