관리

Phrase Data (TMS)

컨텐츠는 영어 텍스트를 Phrase Language AI를 이용해 기계 번역한 것입니다.

Phrase Data는 두 가지 계층으로 제공됩니다:

  • 기본

    사용 가능:

    • Team, Professional, Business, Enterprise 및 Software UI/UX 플랜

    라이선스에 관한 질문은 영업팀에 문의하십시오.

  • Premium

    Premium 계층은 Basic 계층과 동일한 액세스를 제공하며, 추가로 세그먼트 수준 데이터에 대한 액세스를 제공합니다.

    사용 가능:

    • Business 및 Enterprise 요금제

    라이선스에 관한 질문은 영업팀에 문의하십시오.

    사용 가능:

    • Enterprise 요금제(레거시)

    라이선스에 관한 질문은 영업팀에 문의하십시오.

클라우드 데이터 웨어하우스(예: Snowflake)를 통해 고객은 SQL 인터페이스를 통해 자신의 데이터에 안전하게 액세스할 수 있습니다.

Phrase Data는 고객이 처음 Phrase를 구독한 날부터 현재까지 고객의 TMS 사용과 관련된 데이터를 표시합니다. Phrase는 고객에게 통지한 후 데이터가 표시되는 기간을 변경할 권리를 보유합니다.

Phrase Data 통합에 대한 전체 기술 문서.

Phrase Data는 전략적 의사결정을 돕고, Business 영향력을 입증하며, 투자를 정당화할 수 있습니다. 데이터를 더 광범위한 회사 지표와 결합하여 수익, 시장 침투율 및 고객 만족도에 미치는 영향을 파악할 수 있습니다:

  • 웹 트래픽(예: 페이지 조회수, 이탈률, 사용자 인구 통계).

  • 마케팅 데이터(예: 클릭률, 전환율, 소셜 미디어 참여도).

  • 고객 지원 데이터, 현지화된 지원 콘텐츠가 더 빠른 문제 해결과 더 높은 고객 만족도로 이어지는지 분석합니다.

  • 매출 수치, 현지화된 콘텐츠에서 발생한 수익과 비용 비교.

인사이트는 글로벌 콘텐츠의 도달 범위와 평판을 전 세계적으로 이해하는 데 도움을 주며, 회사의 메시지가 언어 전반에 걸쳐 성공하도록 보장합니다.

  • 현지화 노력의 투자 수익률(ROI)

    번역에 대한 투자가 수익을 창출한다는 것을 증명하여 예산을 유지하거나 늘리는 데 사용됩니다. 또한 기계 번역을 사용하는 것이 시간이 지남에 따라 어떻게 비용을 절감하고 전반적인 ROI에 기여하는지와 같은 비용 절감 효과를 지적합니다.

  • 콘텐츠 적응, 효율성 및 사용자 참여

    현지화된 콘텐츠가 고객에게 어떻게 작용하는지 파악하십시오. 각 로캘에서 고객 유지율을 추적하면 번역이 사용자 요구를 충족하고 있음을 알 수 있습니다. 이 피드백은 Team의 품질 전략에 영향을 주거나 현지 사용자에게 더 잘 공감할 수 있도록 스타일을 조정하는 방법에 영향을 줄 수 있습니다. 고객 사용 사례는 콘텐츠 적응과 참여 지표를 연관시킵니다. AutoAdapt와 함께 다양한 프롬프트를 사용하여 인구 통계(예: 연령, 성별, 지역, 언어)를 기반으로 콘텐츠를 개인화하면 로컬 또는 캠페인 수준에서 성과 향상을 추적할 수 있습니다.

  • 시장 및 언어 우선순위 지정

    최대 효과를 위해 어떤 언어나 지역에 집중할지 결정하는 데 도움이 됩니다. 이를 통해 Team은 가장 큰 Business 수익을 창출하는 번역에 리소스를 할당할 수 있습니다. 또한 새로운 언어 출시 순서를 안내하거나 성장을 원하는 시장에 대한 현지화를 정당화할 수 있습니다.

  • 프로세스 최적화 및 기술 전략

    워크플로 기간과 자동화 영향을 평가하면 지속적인 프로세스 개선으로 이어지며 올바른 기술을 선택하는 데 도움이 됩니다. 품질 및 속도(예: 사후 편집 시간 및 품질 점수) 측면에서 기계 번역 사용 증가를 측정하면 생산성 향상을 정량화할 수 있습니다.

  • 내부 성과 벤치마킹

    시간이 지남에 따라 단어당 평균 비용, 특정 콘텐츠 유형에 대한 평균 처리 시간, 평균 품질 점수와 같은 내부 벤치마크는 전략적 개선 목표가 됩니다. 이는 스마트한 관행과 효율성 향상의 결과를 보여주며, 이는 현지화 프로그램을 더욱 정당화합니다.

Phrase Data를 Orchestrator 워크플로와 통합하여 대규모 쿼리와 고급 자동화를 더 효율적으로 실행하십시오. Orchestrator 통합은 또한 프로젝트를 샘플링하거나 특정 기준과 일치하는 작업을 더 빠르게 식별하여 품질 검사 및 프로세스 최적화를 간소화하는 데 도움이 됩니다.

기본 계층 사용 사례

번역 및 언어 현지화에 의존하는 모든 산업에서 Team은 의사결정을 안내할 강력한 데이터 인사이트가 필요합니다. 그러나 분석 보고 및 인사이트는 운영 지표(일일 효율성, 처리량, 비용)와 전략적 인사이트(장기적 ROI, 사용자 영향, 시장 성장)가 필요한 Team(현지화, 콘텐츠, 경영진 이해관계자)의 요구에 따라 다릅니다.

운영 분석은 도움말 현지화 관리자가 워크플로를 간소화하고 매일 비용을 관리하도록 지원합니다.

  • 분량(처리량이라고도 함)

    시간 경과에 따른 번역된 콘텐츠의 양(예: 주/월당 단어 수)을 추적하면 Team의 역량을 알 수 있습니다. 이는 자원 계획에 도움이 됩니다.

  • 적시성(처리 시간이라고도 함)

    처리 시간은 콘텐츠를 시작부터 완료까지 번역하는 데 걸리는 시간을 측정합니다. 현지화 Team은 번역이 일정대로 전달되는지 또는 지연되는지 추적합니다. 이는 제품 출시일, SLA를 준수하고 지연 원인을 조사하는 데 매우 중요합니다.

  • 공급자 및 번역자 성과

    외부 번역 공급자나 프리랜서 번역자를 사용하는 경우, 현지화 Team은 그들의 성과를 평가하고자 할 것입니다. 공급자별 처리 시간, 공급자별 정시 납품 및 번역자별 품질 점수와 같은 지표가 추적됩니다.

  • 품질 지표 (언어 품질 보증)

    첫 번째 시도에서 QA 검사를 통과한(재작업 불필요) 번역의 비율을 측정하여 효과적인 초기 번역을 나타냅니다. 마찬가지로, 발견된 오류 문제의 범주와 심각도를 상세히 기술합니다(예: 용어, 정확성 등).

  • 비용 및 효율성 지표

    일반적으로 Team은 예산이 충족되도록 프로젝트, 언어 또는 부서별로 단어당 비용과 총 지출을 추적합니다. 또한 TM 일치 및 반복을 유지하는 가치를 강조하는 순 요율제를 적용한 후의 할인된 비용과 원시 번역 비용을 비교하여 절감액을 확인합니다.  예를 들어, 새 프로젝트 단어의 30%가 100% TM 일치를 통해 번역된 경우, Team은 해당 세그먼트를 재번역하지 않음으로써 절감된 비용을 정량화할 수 있습니다.

  • 자동화 활용(MT 및 TM)

    • MT를 평가하는 데 도움말을 주기 위한 MT 출력물에 필요한 평균 편집 또는 시간과 같은 사후 편집 노력.

    • TM 일치율에 따른 콘텐츠 %를 확인하여 TM 재사용 효율성과 비용 절감 효과를 나타내는 TM 활용률입니다.

    • MT에 의해 초기에 번역된 세그먼트의 %와 같은 MT 사용률입니다. 이는 자동화 범위와 비용/시간 절감 기회를 보여줍니다 – 프리미엄 전용.

프리미엄 티어 사용 사례

번역 메모리(TM) 활용

TM이 마지막으로 사용된 시점과 시간이 지남에 따라 얼마나 많은 세그먼트가 재사용되었는지 추적하십시오. 이는 TM의 신선도, 가치 기여도 및 오래된 TM을 계속 유지할 가치가 있는지 평가하는 데 도움이 됩니다.

제안된 분석:

  • segment_statistic_v2를 사용하고 translation_origin = TM로 필터링하십시오.

    • TM은 translation_memory_id를 사용하여 식별할 수 있습니다.

    • TM별로 세그먼트를 집계하고 date_created 필드를 사용하여 TM이 언제 사용되었는지 확인하십시오. 평균 editing_time_msscore를 계산하여 확인하는 것도 좋습니다.

  • job_id를 사용하여 job_v2와 결합하고 target_locale와 같은 언어 정보를 추출하십시오.

  • project_id를 사용하여 project_v2와 결합하고 도메인, 클라이언트, 비즈니스 단위별로 사용 현황을 파악하십시오.

이점:

  • 비용 절감: 사용되지 않거나 성능이 낮은 TM을 정리하여 유지 관리 오버헤드를 줄이는 데 도움이 됩니다.

  • 품질: 사후 편집 노력이 많이 필요한 노후화된 TM을 식별하고 적절한 조치를 취하도록 표시합니다.

  • 효율성: 편집 시간을 단축하고 자동 확인을 증가시키는 고성능 TM을 사용하십시오. 그에 따라 TM 임계값을 조정하는 것을 고려하십시오.

기계 번역(MT) 엔진 최적화

MT 엔진을 QPS(세그먼트당 품질 점수) 및 사후 편집 시간별로 비교하여 콘텐츠를 적절한 MT 엔진으로 더 지능적으로 라우팅할 수 있습니다.

제안된 분석:

  • Use  segment_statistic_v2 with filter on translation_origin = MT.

  • machine_translate_setting_id을(를) 사용하여 machine_translate_setting_v2와(과) 결합하십시오.

    • machine_translate_setting_name을(를) 사용하여 MT 엔진을 식별할 수 있습니다.

    • 세그먼트를 MT 엔진별로 집계하고 segment_id의 합계, 평균 QPS 및 평균 editing_time_ms을(를) 계산하십시오.

  • job_id를 사용하여 job_v2와 결합하고 target_locale와 같은 언어 정보를 추출하십시오.

  • 도메인, 클라이언트, 비즈니스 단위 등과 같은 다양한 콘텐츠 유형에 대해 project_v2와(과) 결합하십시오.

이점:

  • 비용 절감: 콘텐츠 유형 및 언어에 가장 적합하고 편집률이 역사적으로 낮은 작업을 위한 적절한 엔진을 식별하고 사용하십시오.

  • 처리 시간 정량화: 언어 쌍, 콘텐츠 유형별 편집 시간을 조사하여 확인합니다.

자동 확인 세그먼트(즉, 손대지 않은 콘텐츠)를 최대화하십시오

높은 QPS와 편집 시간이 소요되지 않아 자동 확인이 가능한 가장 효율적인 지점을 파악하여, 사람이 검토할 필요가 없는 콘텐츠를 최대한 분리하십시오.

제안된 분석:

  • Use  segment_statistic_v2:

    • 세그먼트 translation_origin = MT, is_confirmed = true, editing_time_ms = 0confirmation_source = MT인 경우를 필터링하십시오.

    • QPS별로 세그먼트 수(segment_id)와 단어 수(words_processed)를 집계하십시오.

    • job_id를 사용하여 job_v2와 결합하고 target_locale와 같은 언어 정보를 추출하십시오.

    • project_id를 사용하여 project_v2와 결합하여 콘텐츠 메타데이터를 추출하십시오.

이점:

  • 비용 절감: 최적의 QPS 임계값을 찾아 자동 확인을 늘리고 품질이 이미 충분히 좋은 경우 편집 시간을 줄이십시오.

  • 처리 시간 단축: 콘텐츠가 불필요하게 검토되는 것을 방지하십시오.

문의 템플릿

관련 테이블을 시작하는 데 도움이 되는 가이드로 사용할 샘플 문의입니다:

월별 사전 번역된 MT 아웃풋

SELECT
    ssv.qps
    ,DATE(DATE_TRUNC('month', ssv.date_created)) AS date_month
    ,COUNT(DISTINCT 세그먼트_ID) AS mt_세그먼트
FROM segment_statistic_v2 ssv
WHERE
    ssv.date_created >= DATEADD('day', -365, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origin = 'mt' -- MT에 의해 사전 번역된 세그먼트
GROUP BY
    ssv.qps
    ,DATE(DATE_TRUNC('month', ssv.date_created));

사용자 지정 프로젝트 메타데이터 전반의 사전 번역된 MT 품질 변동

SELECT
    ssv.qps
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values
    ,COUNT(DISTINCT 세그먼트_ID) AS mt_세그먼트
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
WHERE
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origin = 'mt' -- MT에 의해 사전 번역된 세그먼트
GROUP BY
    ssv.qps
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values;

로캘별 사전 번역된 MT 품질 변동

SELECT
    ssv.qps
    ,jv.locale_pair
    ,COUNT(DISTINCT 세그먼트_ID) AS mt_세그먼트
FROM segment_statistic_v2 ssv
JOIN 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_origin = 'mt' -- MT에 의해 사전 번역된 세그먼트
GROUP BY
    ssv.qps
    ,jv.locale_pair;

사전 번역된 MT 분량 및 품질

SELECT
    ssv.qps
    ,mtsv.machine_translate_setting_type
    ,COUNT(DISTINCT 세그먼트_ID) AS mt_세그먼트
FROM segment_statistic_v2 ssv
결합 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_origin = 'mt' -- MT에 의해 사전 번역된 세그먼트
GROUP BY
    ssv.qps
    ,mtsv.machine_translate_setting_type;

QPS에 의해 자동 확인됨 처리된 사전 번역된 MT 세그먼트 수

SELECT
    QPS
    ,COUNT(DISTINCT 세그먼트_ID) AS mt_세그먼트
    ,COUNT(DISTINCT IFF(LOWER(confirmation_source) IN ('mt', 'tm', 'nt', 'ir', 'ut'), 세그먼트_ID, NULL)) AS mt_세그먼트_자동확인됨
FROM segment_statistic_v2
WHERE
    date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND date_created < CURRENT_DATE
    AND translation_origin = 'mt' -- MT에 의해 사전 번역된 세그먼트
GROUP BY
    qps;

QPS에 의해 편집된 사전 번역된 MT 세그먼트 수

SELECT
    QPS
    ,COUNT(DISTINCT 세그먼트_ID) AS mt_세그먼트
    ,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_origin = 'mt' -- MT에 의해 사전 번역된 세그먼트
GROUP BY
    QPS;

QPS 임계값을 낮추어 사람이 검토하지 않아도 되는 단어 수

WITH QPS_segments AS (
    SELECT
        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_origin = 'mt' -- MT에 의해 사전 번역된 세그먼트
    GROUP BY
        ssv.qps
)

SELECT
    qps AS new_qps_threshold
    ,SUM(words_processed) OVER (ORDER BY QPS DESC) AS words_saved
FROM QPS_segments;
도움이 되었습니까?

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.