Amministrazione
    1. Phrase
    2. Phrase TMS
    3. Amministrazione

    Phrase Data (TMS)

    Contenuti tradotti automaticamente dall'inglese con Phrase Language AI.

    Phrase Data è disponibile in due versioni:

    • Base

      Disponibile per

      • Piani Team, Professional, Business, Enterprise e Software UI/UX

      Mettiti in contatto con il reparto vendite per dubbi relativi alle licenze.

    • Premium

      La versione Premium offre lo stesso accesso del livello Base, oltre all'accesso ai dati a livello di segmento.

      Disponibile per

      • Piani Business ed Enterprise

      Mettiti in contatto con il reparto vendite per dubbi relativi alle licenze.

      Disponibile per

      • Piano Enterprise (legacy)

      Mettiti in contatto con il reparto vendite per dubbi relativi alle licenze.

    I data warehouse cloud (come Snowflake) abilita i clienti ad accedere in modo sicuro ai propri dati tramite un'interfaccia SQL.

    Phrase Data visualizza i dati rilevanti per l'utilizzo del TMS da parte del cliente dalla data in cui il cliente si è abbonato per la prima volta a Phrase fino alla data odierna. Phrase si riserva il diritto di modificare il periodo per il quale vengono visualizzati i dati, previa notifica al cliente.

    Documentazione tecnica completa dell'integrazione Phrase Data.

    Phrase Data aiuta il processo decisionale strategico, dimostra l'impatto sul Business e può giustificare gli investimenti. I dati possono essere combinati con metriche aziendali più ampie per rivelare l'impatto su entrate, penetrazione del mercato e soddisfazione del cliente:

    • Traffico web, come visualizzazioni di pagina, frequenze di rimbalzo, dati demografici dell'utente.

    • Dati di marketing, come percentuali di clic, tassi di conversione, coinvolgimento sui social media

    • Dati di assistenza cliente, analizzare se i materiali di supporto con impostazioni locali portano a una risoluzione più rapida del problema e a una maggiore soddisfazione del cliente.

    • Dati di vendita, confrontando i costi con i ricavi generati dal contenuto con impostazioni locali.

    Gli insight offrono Guida per comprendere la portata e la reputazione del contenuto globale a livello mondiale e garantiscono che il messaggio di un'azienda abbia successo tra le lingue.

    • Ritorno sull'investimento (ROI) degli sforzi di localizzazione

      Utilizzato per supportare il mantenimento o l'aumento dei budget dimostrando che gli investimenti nella traduzione generano rendimenti. Indica anche risparmi sui costi, come il modo in cui l'utilizzo della traduzione automatica ha fatto risparmiare denaro nel tempo, contribuendo al ROI complessivo.

    • Adattamento del contenuto, efficacia e coinvolgimento dell'utente

      Comprendere come il contenuto con impostazioni locali si comporta con il pubblico. Il monitoraggio della fidelizzazione del cliente in ogni impostazioni locali suggerisce che le traduzioni soddisfano le esigenze dell'utente. Questo feedback può influenzare la strategia di qualità di un Team o come modificare lo stile per risuonare meglio con gli utenti locali. Un caso d'uso del cliente correla gli adattamenti del contenuto con le metriche di coinvolgimento. Utilizzando diversi prompt con AutoAdapt per personalizzare il contenuto in base ai dati demografici (ad es. età, genere, regione, lingua), ciò consentirebbe di monitorare l'aumento delle prestazioni a livello locale o di campagna.

    • Priorità di mercato e lingua

      Aiuta a decidere su quali lingue o regioni concentrarsi per il massimo impatto. Garantisce che il Team assegni risorse alle traduzioni che producono il maggior ritorno Business. Può anche guidare la sequenza di nuovi lanci di lingua o giustificare la localizzazione per i mercati in cui si desidera crescere.

    • Ottimizzazione del flusso di lavoro e strategia tecnologica

      La valutazione della durata del flusso di lavoro e dell'impatto dell'automazione porta a continui miglioramenti del processo e aiuta a scegliere la tecnologia giusta. Misurare come l'aumento dell'usare la traduzione automatica in termini di qualità e velocità (ad es. tempo di post-editing e punteggio di qualità) quantifica i guadagni di produttività.

    • Benchmarking delle prestazioni interne

      Nel tempo, i benchmark interni come il costo medio per parola, il tempo di consegna medio per un determinato tipo di contenuto e il punteggio di qualità medio diventano obiettivi strategici di miglioramento. Rivela i risultati di pratiche intelligenti e guadagni di efficienza che giustificano ulteriormente i programmi di localizzazione.

    Collega Phrase Data con i flussi di lavoro di Orchestrator per eseguire query complesse e automazioni avanzate in modo più efficiente. L'integrazione di Orchestrator aiuta anche a semplificare i controlli di qualità e l'ottimizzazione del flusso di lavoro campionando i progetti o identificando più rapidamente i lavori che corrispondono a criteri specifici.

    Casi d'uso versione Base

    In qualsiasi settore che si affidi alla traduzione e alla localizzazione linguistica, i Team hanno bisogno di dati approfonditi e solidi per guidare le decisioni. Tuttavia, la reportistica di analisi e gli approfondimenti differiscono in base alle esigenze del Team (Localizzazione, contenuto, stakeholder esecutivi) che richiedono metriche operative (efficienza quotidiana, produttività, costi) e approfondimenti strategici (ROI a lungo termine, impatto sull'utente, crescita del mercato).

    L'analisi operativa aiuta i responsabili della localizzazione a semplificare i flussi di lavoro e a gestire i costi su base giornaliera.

    • Volume (noto anche come produttività)

      Il monitoraggio della quantità di contenuto tradotto nel tempo (ad es. parole per settimana/mese) indica la capacità del Team. Questo aiuta nella pianificazione delle risorse.

    • Tempestività (nota anche come tempo di consegna)

      Il tempo di consegna misura quanto tempo è necessario per tradurre il contenuto dall'inizio alla finire. I Team di localizzazione tengono traccia se le traduzioni vengono consegnate nei tempi previsti o se subiscono ritardi. Questo è fondamentale per rispettare le date di lancio del prodotto, gli SLA e per indagare sui ritardi.

    • Prestazioni di vendor e traduttore

      Se vengono utilizzati vendor di traduzione esterni o traduttore freelance, il Team di localizzazione vorrà valutarne le prestazioni. Vengono monitorate metriche come il tempo di consegna per vendor, la consegna puntuale per vendor e i punteggi di qualità per traduttore.

    • Metriche di qualità (quality assurance linguistica)

      Misurare la percentuale di traduzioni che superano i controlli QA al primo tentativo (nessuna rilavorazione necessaria), indicando un'efficace traduzione iniziale. Analogamente, dettagliare la categoria e la gravità dei problemi di errore riscontrati, ad esempio terminologia, accuratezza, ecc.

    • Metriche di costo ed efficienza

      In genere i Team tengono traccia del costo per parola e della spesa totale per progetto, lingua o dipartimento per garantire il rispetto dei budget. Oltre ai risparmi per Confronta il costo di traduzione grezzo rispetto al costo scontato dopo l'applicazione di uno schema di tariffa netta, evidenziando il valore del mantenimento delle corrispondenze TM e delle ripetizioni.  Ad esempio, se il 30% delle parole in un nuovo progetto è stato tradotto tramite corrispondenze TM al 100%, il Team può quantificare il costo risparmiato non ritraducendo quei segmenti.

    • Sfruttamento dell'automazione (MT e TM)

      • Sforzo di post-editing, come le modifiche medie o il tempo necessario sugli output MT, per aiutare a valutare la MT.

      • Tasso di sfruttamento della TM osservando la % di contenuto tramite corrispondenze TM, che indica l'efficienza di riutilizzo della TM e i risparmi sui costi.

      • Tasso di utilizzo della MT come la % di segmenti inizialmente tradotti dalla MT. Ciò presenta la copertura dell'automazione e le opportunità di riduzione di costi/tempi – Solo Premium.

    Casi d'uso versione Premium

    Utilizzo della memoria di traduzione (TM)

    Tracciare quando una TM è stata usata l'ultima volta e quanti segmenti sono stati riutilizzati nel tempo. Questo aiuta a valutare la freschezza della TM, il contributo di valore e se vale ancora la pena mantenere le TM obsolete.

    Analisi suggerita:

    • Usare segment_statistic_v2 e filtrare su translation_origin = TM.

      • Una TM può essere identificata usando il translation_memory_id.

      • Aggregare i segmenti per TM e usare il campo date_created per vedere quando la TM è stata usata. È anche utile calcolare e vedere il editing_time_ms medio e il score medio.

    • Unire con job_v2 usando il job_id per estrarre informazioni sulla lingua, ad esempio target_locale.

    • Unire con project_v2 usando il project_id per contestualizzare l'utilizzo per dominio, cliente, unità aziendale, ecc.

    Vantaggi:

    • Risparmio sui costi: Aiuta a dismettere le TM inutilizzate o con scarse prestazioni per ridurre i costi di manutenzione.

    • Qualità: Identifica le TM obsolete con un elevato sforzo di post-editing e segnala l'azione appropriata.

    • Efficienza: Usare TM ad alte prestazioni che riducono il tempo di Modifica e aumentano la conferma automatica. Valutare di regolare la soglia della TM di conseguenza.

    Ottimizzazione del motore di traduzione automatica (MT)

    Confrontare i motori MT tramite QPS (punteggio di qualità per segmento) e tempo di post-editing, consentendo un instradamento più intelligente del contenuto verso il giusto motore MT.

    Analisi suggerita:

    • Usare segment_statistic_v2 con filtro su translation_origin = MT.

    • Unire con machine_translate_setting_v2 usando il machine_translate_setting_id.

      • Un motore MT può essere identificato usando il machine_translate_setting_name.

      • Aggregare i segmenti per motore MT e calcolare la somma di segment_id, il QPS medio e la media di editing_time_ms.

    • Unire con job_v2 usando il job_id per estrarre informazioni sulla lingua, ad esempio target_locale.

    • Unire con project_v2 per diversi tipi di contenuto come dominio, cliente, unità aziendale, ecc.

    Vantaggi:

    • Costo inferiore: Identificare e usare i motori giusti per il lavoro che sono più adatti al tipo di contenuto e alla lingua con tassi di Modifica storicamente bassi.

    • Quantificare i tempi di consegna: Esaminando i tempi di Modifica per combinazione linguistica, tipo di contenuto, ecc.

    Massimizzare i segmenti confermati automaticamente (ovvero contenuto senza intervento)

    Identificare il punto più efficiente in cui un QPS elevato e nessun tempo di Modifica sono idonei per la conferma automatica, in modo da separare quanto più contenuto possibile dalla necessità di revisione umana.

    Analisi suggerita:

    • Use  segment_statistic_v2:

      • Filtrare dove origine_traduzione = MT, è_confermato = true, tempo_modifica_ms = 0 e origine_conferma = MT.

      • Aggregare il conteggio dei segmenti (ID_segmento), il conteggio parole (parole_elaborate) per QPS.

      • Unire con job_v2 usando il job_id per estrarre informazioni sulla lingua, ad esempio target_locale.

      • Unire con project_v2 usando l'ID_progetto per estrarre i metadati del contenuto.

    Vantaggi:

    • Risparmio sui costi: Trovare la soglia QPS ottimale per aumentare la conferma automatica e ridurre il tempo di Modifica dove la qualità è già sufficientemente buona.

    • Ridurre i tempi di consegna: Evitare che il contenuto venga revisionato inutilmente.

    Modelli di query

    Query di esempio da usare come Guida per iniziare con le tabelle pertinenti:

    Output MT pre-tradotto di mese in mese

    SELEZIONARE
    ssv.QPS
    ,DATE(DATE_TRUNC('month', ssv.date_created)) AS date_month
    ,COUNT(DISTINCT ID_segmento) AS segmenti_MT
FROM segment_statistic_v2 ssv
WHERE
    ssv.date_created >= DATEADD('day', -365, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origine = 'MT' -- segmento pre-tradotto da MT
GROUP BY
    ssv.QPS
    ,DATE(DATE_TRUNC('month', ssv.date_created));

    Variazione di qualità MT pre-tradotto attraverso metadati di progetto Personalizzato

    SELEZIONARE
    ssv.QPS
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values
    ,COUNT(DISTINCT ID_segmento) AS segmenti_MT
FROM segment_statistic_v2 ssv
unire job_v2 jv
    ON ssv.job_id = jv.job_id
JOIN project_custom_metadata_v2 pcmv
    ON jv.project_id = pcmv.project_id
WHERE
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origine = 'MT' -- segmento pre-tradotto da MT
GROUP BY
    ssv.QPS
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values;

    Variazione di qualità MT pre-tradotto attraverso impostazioni locali

    SELEZIONARE
    ssv.QPS
    ,jv.locale_pair
    ,COUNT(DISTINCT ID_segmento) AS segmenti_MT
FROM segment_statistic_v2 ssv
unire job_v2 jv
    ON ssv.job_id = jv.job_id
WHERE
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origine = 'MT' -- segmento pre-tradotto da MT
GROUP BY
    ssv.QPS
    ,jv.locale_pair;

    Variazione di qualità MT pre-tradotto e volume

    SELEZIONARE
    ssv.QPS
    ,mtsv.machine_translate_setting_type
    ,COUNT(DISTINCT ID_segmento) AS segmenti_MT
FROM segment_statistic_v2 ssv
JOIN machine_translate_setting_v2 mtsv
    ON ssv.machine_translate_setting_id = mtsv.machine_translate_setting_id
WHERE
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origine = 'MT' -- segmento pre-tradotto da MT
GROUP BY
    ssv.QPS
    ,mtsv.machine_translate_setting_type;

    Quantità di segmento MT pre-tradotto confermato automaticamente da QPS

    SELEZIONARE
    QPS
    ,COUNT(DISTINCT ID_segmento) AS segmenti_MT
    ,COUNT(DISTINCT IFF(LOWER(confirmation_origine) IN ('MT', 'TM', 'NT', 'ir', 'ut'), ID_segmento, NULL)) AS MT_segmenti_autoconfermato
FROM segment_statistic_v2
WHERE
    date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND date_created < CURRENT_DATE
    AND translation_origine = 'MT' -- segmento pre-tradotto da MT
GROUP BY
    QPS;

    Quantità di segmenti MT pre-tradotti modificati da QPS

    SELEZIONARE
    QPS
    ,COUNT(DISTINCT ID_segmento) AS segmenti_MT
    ,COUNT(DISTINCT IFF(COALESCE(editing_time_ms, 0) > 0, segment_id, NULL)) AS mt_segments_edited
FROM segment_statistic_v2
WHERE
    date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND date_created < CURRENT_DATE
    AND translation_origine = 'MT' -- segmento pre-tradotto da MT
GROUP BY
    QPS;

    Quantità di parole risparmiate dalla revisione umana riducendo la soglia QPS

    WITH QPS_segmento AS (
    SELEZIONARE
        ssv.QPS
        ,SUM(words_processed) AS words_processed
    FROM segment_statistic_v2 ssv
    WHERE
        ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
        AND ssv.date_created < CURRENT_DATE
        AND ssv.translation_origine = 'MT' -- segmento pre-tradotto da MT
    GROUP BY
        ssv.QPS
)

SELEZIONARE
    qps AS new_qps_threshold
    ,SUM(words_processed) OVER (ordine BY QPS DESC) AS words_saved
FROM QPS_segmento;
    Questo articolo ti è stato utile?
    ★ ★ ★ ★ ★

    Sorry about that! In what way was it not helpful?

    The article didn’t address my problem.
    I couldn’t understand the article.
    The feature doesn’t do what I need.
    Other reason.

    Note that feedback is provided anonymously so we aren't able to reply to questions.
    If you'd like to ask a question, submit a request to our Support team.
    Thank you for your feedback.