Dados de Frases (TMS)

O conteúdo de toda a Central de Ajuda é traduzido automaticamente de inglês pelo Phrase Language AI.

Os Dados de Frases estão disponíveis em dois níveis:

Básico
Disponível para
- Planos Team, Profissional, Business, Enterprise e Software UI/UX
Entre em contato com Vendas para perguntas sobre licenciamento.
Premium

O nível Premium oferece o mesmo acesso que o nível Básico, além de acesso a dados em nível de segmento.
Disponível para
- Planos Business e Enterprise
Entre em contato com Vendas para perguntas sobre licenciamento.
Disponível para
- Plano Enterprise (legado)
Entre em contato com Vendas para perguntas sobre licenciamento.

Armazenamentos de dados em nuvem (como Snowflake) permitem que os clientes acessem seus dados de forma segura através de uma interface SQL.

Os Dados de Frases exibem dados relevantes para o uso do cliente no TMS desde a data em que o cliente se inscreveu pela primeira vez no Phrase até a data atual. A Phrase reserva-se o direito de alterar o período pelo qual os dados são exibidos, mediante aviso ao cliente.

Documentação técnica completa da integração de Dados de Frases.

Os Dados de Frases auxiliam na tomada de decisões estratégicas, demonstram o impacto nos negócios e podem justificar investimentos. Os dados podem ser combinados com métricas mais amplas da empresa para revelar o impacto na receita, penetração de mercado e satisfação do cliente:

Tráfego da web, como visualizações de página, taxas de rejeição, demografia dos usuários.
Dados de marketing, como taxas de cliques, taxas de conversão, engajamento nas redes sociais
Dados de suporte ao cliente, analisando se materiais de suporte localizados levam a uma resolução de problemas mais rápida e maior satisfação do cliente.
Números de vendas, comparando os custos com a receita gerada a partir de conteúdo localizado.

Insights ajudam a entender o alcance e a reputação do conteúdo globalmente e garantem que a mensagem de uma empresa tenha sucesso em diferentes idiomas.

Retorno sobre Investimento (ROI) dos Esforços de Localização

Usado para apoiar a manutenção ou aumento de orçamentos, provando que investimentos em tradução geram retornos. Isso também aponta economias de custo, como o uso de tradução automática que economizou dinheiro ao longo do tempo, contribuindo para o ROI geral.
Adaptação de Conteúdo, Eficácia e Engajamento do Usuário

Entender como o conteúdo localizado se desempenha com o público. Acompanhando a retenção de clientes em cada local sugere que as traduções estão atendendo às necessidades dos usuários. Esse feedback pode influenciar a estratégia de qualidade de uma equipe ou como ajustar o estilo para ressoar melhor com os usuários locais. Um caso de uso de cliente correlaciona adaptações de conteúdo com métricas de engajamento. Ao usar diferentes prompts com AutoAdapt para personalizar conteúdo com base em dados demográficos (por exemplo, idade, gênero, região, idioma), isso rastrearia o aumento de desempenho em nível local ou de campanha.
Prioritização de Mercado e Idioma

Ajuda a decidir quais idiomas ou regiões focar para o máximo impacto. Garante que a equipe aloque recursos para traduções que gerem o maior retorno comercial. Também pode orientar a sequência de lançamentos de novos idiomas ou justificar a localização para mercados onde desejam crescer.
Otimização de Processos e Estratégia de Tecnologia

Avaliar a duração do fluxo de trabalho e o impacto da automação leva a melhorias contínuas de processos e ajuda a escolher a tecnologia certa. Medir como o aumento do uso de tradução automática em termos de qualidade e velocidade (por exemplo, tempo de pós-edição e resultados de qualidade) quantifica os ganhos de produtividade.
Benchmarking de Desempenho Interno

Com o tempo, benchmarks internos, como custo médio por palavra, tempo médio de resposta para um determinado tipo de conteúdo e resultado médio de qualidade, tornam-se metas estratégicas para melhoria. Revela os resultados de práticas inteligentes e ganhos de eficiência que justificam ainda mais os programas de localização.

Conecte os dados de frases com os fluxos de trabalho do Orchestrator para executar consultas pesadas e automações avançadas de forma mais eficiente. A integração do Orchestrator também ajuda a agilizar as verificações de qualidade e a otimização de processos, amostrando projetos ou identificando trabalhos que correspondem a critérios específicos mais rapidamente.

Casos de Uso do Nível Básico

Em qualquer setor que dependa de tradução e localização linguística, as equipes precisam de insights robustos de dados para orientar decisões. No entanto, os relatórios e insights de estatísticas diferem conforme as necessidades da equipe (Localização, Conteúdo, Stakeholder Executivo), que requerem métricas operacionais (eficiência do dia a dia, produtividade, custos) e insights estratégicos (ROI a longo prazo, impacto do usuário, crescimento do mercado).

As estatísticas operacionais ajudam os gerentes de localização a agilizar fluxos de trabalho e gerenciar custos diariamente.

Volume (também conhecido como produtividade)

Acompanhar a quantidade de conteúdo traduzido ao longo do tempo (por exemplo, palavras por semana/mês) indica a capacidade da equipe. Isso ajuda no planejamento de recursos.
Pontualidade (também conhecida como tempo de resposta)

O tempo de resposta mede quanto tempo leva para traduzir conteúdo do início ao fim. As equipes de localização acompanham se as traduções são entregues dentro do prazo ou enfrentam atrasos. Isso é crucial para atender às datas de lançamento de produtos, SLAs e investigar atrasos.
Desempenho de fornecedores e linguistas

Se fornecedores de tradução externos ou linguistas freelancers forem utilizados, a equipe de localização desejará avaliar seu desempenho. Métricas como tempo de resposta por fornecedor, entrega pontual por fornecedor e pontuações de qualidade por linguista são acompanhadas.
Métricas de qualidade (Controle de Qualidade Linguística)

Meça a porcentagem de traduções que passam nas verificações de QA na primeira tentativa (sem necessidade de retrabalho), indicando uma tradução inicial eficaz. Da mesma forma, detalhar a categoria e a gravidade dos problemas de erro encontrados, por exemplo, terminologia, precisão, etc.
Métricas de custo e eficiência

Normalmente, as equipes acompanham o custo por palavra e o gasto total por projeto, idioma ou departamento para garantir que os orçamentos sejam atendidos. Além das economias para comparar o custo da tradução bruta versus o custo com desconto após a aplicação de uma tabela de contagens ponderadas, destacando o valor de manter correspondências e repetições de TM. Por exemplo, se 30% das palavras em um novo projeto foram traduzidas por meio de correspondências de TM 100%, a equipe pode quantificar o custo economizado ao não retraduzir esses segmentos.
Aproveitamento da Automatização (MT e TM)
- Esforço de pós-edição, como a média de edições ou o tempo necessário nas saídas de MT, para ajudar a avaliar a MT.
- Taxa de aproveitamento de TM observando a % de conteúdo por correspondências de TM, o que indica a eficiência de reutilização de TM e as economias de custo.
- Taxa de uso de MT, como a % de segmentos inicialmente traduzidos por MT. Isso apresenta a cobertura de automatização e oportunidades para redução de custo/tempo – Apenas Premium.

Casos de Uso do Nível Premium

Utilização da Memória de Tradução (TM)

Acompanhe quando uma TM foi usada pela última vez e quantos segmentos foram reutilizados ao longo do tempo. Isso ajuda a avaliar a atualidade da TM, a contribuição de valor e se as TMs desatualizadas ainda valem a pena serem mantidas.

Análise sugerida:

Use segment_statistic_v2 e filtre por translation_origin = TM.
- Uma TM pode ser identificada usando o translation_memory_id.
- Agregue segmentos por TM e use o campo date_created para ver quando a TM foi utilizada. Também é bom calcular e ver a média de editing_time_ms e score.
Una-se a job_v2 usando o job_id para extrair informações de idioma, por exemplo, target_locale.
Una-se a project_v2 usando o project_id para contextualizar o uso por domínio, cliente, unidade de negócios, etc.

Benefícios:

Economia de custos: Ajuda a descontinuar TMs não utilizados ou de baixo desempenho para reduzir a sobrecarga de manutenção.
Qualidade: Identifica TMs envelhecidos com alto esforço de pós-edição e sinaliza a ação adequada.
Eficiência: Use TMs de alto desempenho que reduzem o tempo de edição e aumentam a auto-confirmação. Considere ajustar o limite do TM de acordo.

Otimização do mecanismo de Tradução Automática (MT)

Compare mecanismos de MT por QPS (resultado de qualidade por segmento) e tempo de pós-edição, permitindo um roteamento mais inteligente do conteúdo para o mecanismo de MT correto.

Análise sugerida:

Use segment_statistic_v2 com filtro em translation_origin = MT.
Una-se a machine_translate_setting_v2 usando o machine_translate_setting_id.
- Um mecanismo de MT pode ser identificado usando o machine_translate_setting_name.
- Agregue segmentos por mecanismo de MT e calcule a soma de segment_id, a média de QPS e a média de editing_time_ms.
Una-se a job_v2 usando o job_id para extrair informações de idioma, por exemplo, target_locale.
Una-se a project_v2 para diferentes tipos de conteúdo, como domínio, cliente, unidade de negócios, etc.

Benefícios:

Menor Custo: Identifique e use os mecanismos certos para o trabalho que são mais adequados para o tipo de conteúdo e idioma com taxas de edição historicamente baixas.
Quantificar o tempo de resposta: Analisando os tempos de edição por par de idiomas, tipo de conteúdo, etc.

Maximize segmentos de auto-confirmação (ou seja, conteúdo sem intervenção)

Identifique o ponto mais eficiente onde alta QPS e nenhum tempo de edição são elegíveis para auto-confirmação, separando o máximo de conteúdo possível que não requer revisão humana.

Análise sugerida:

Use segment_statistic_v2:
- Filtre onde o segmento translation_origin = MT, is_confirmed = true, editing_time_ms = 0 e confirmation_source = MT.
- Agregue a contagem de segmentos (segment_id), contagem de palavras (words_processed) por QPS.
- Una-se a job_v2 usando o job_id para extrair informações de idioma, por exemplo, target_locale.
- Una-se a project_v2 usando o project_id para extrair metadados do conteúdo.

Benefícios:

Economia de Custos: Encontre o limite de QPS ideal para aumentar a auto-confirmação e reduzir o tempo de edição onde a qualidade já é boa o suficiente.
Reduzir o tempo de resposta: Evite que o conteúdo seja revisado desnecessariamente.

Modelos de consulta

Consultas de exemplo para usar como guia para ajudar a começar com as tabelas relevantes:

Saída de MT pré-traduzida de mês a mês

SELECIONAR
    ssv.qps
    ,DATA(DATE_TRUNC('month', ssv.date_created)) AS date_month
    ,CONTAR(DISTINCT segment_id) AS mt_segments
DE segment_statistic_v2 ssv
ONDE
    ssv.date_created >= DATEADD('day', -365, CURRENT_DATE)
    E ssv.date_created < CURRENT_DATE
    E ssv.translation_origin = 'mt' -- segmentos pré-traduzidos por MT
AGRUPAR POR
    ssv.qps
    ,DATA(DATE_TRUNC('month', ssv.date_created));

Variação de qualidade de MT pré-traduzida em metadados de projeto personalizado

SELECIONAR
    ssv.qps
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values
    ,CONTAR(DISTINCT segment_id) AS mt_segments
DE segment_statistic_v2 ssv
JOIN job_v2 jv
    ON ssv.job_id = jv.job_id
UNIR project_custom_metadata_v2 pcmv
    ON jv.project_id = pcmv.project_id
ONDE
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    E ssv.date_created < CURRENT_DATE
    E ssv.translation_origin = 'mt' -- segmentos pré-traduzidos por MT
AGRUPAR POR
    ssv.qps
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values;

Variação de qualidade de MT pré-traduzido entre locais

SELECIONAR
    ssv.qps
    ,jv.locale_pair
    ,CONTAR(DISTINCT segment_id) AS mt_segments
DE segment_statistic_v2 ssv
JOIN job_v2 jv
    ON ssv.job_id = jv.job_id
ONDE
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    E ssv.date_created < CURRENT_DATE
    E ssv.translation_origin = 'mt' -- segmentos pré-traduzidos por MT
AGRUPAR POR
    ssv.qps
    ,jv.locale_pair;

Volume e qualidade de MT pré-traduzido

SELECIONAR
    ssv.qps
    ,mtsv.machine_translate_setting_type
    ,CONTAR(DISTINCT segment_id) AS mt_segments
DE segment_statistic_v2 ssv
JOIN machine_translate_setting_v2 mtsv
    ON ssv.machine_translate_setting_id = mtsv.machine_translate_setting_id
ONDE
    ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
    E ssv.date_created < CURRENT_DATE
    E ssv.translation_origin = 'mt' -- segmentos pré-traduzidos por MT
AGRUPAR POR
    ssv.qps
    ,mtsv.machine_translate_setting_type;

Quantidade de segmentos de MT pré-traduzidos auto-confirmados por QPS

SELECIONAR
    qps
    ,CONTAR(DISTINCT segment_id) AS mt_segments
    ,CONTAR(DISTINCT IFF(BAIXO(confirmation_source) IN ('mt', 'tm', 'nt', 'ir', 'ut'), segment_id, NULL)) AS mt_segments_autoconfirmed
FROM segment_statistic_v2
ONDE
    data_criada >= DATEADD('dia', -28, DATA_ATUAL)
    E data_criada < DATA_ATUAL
    E translation_origin = 'mt' -- segmentos pré-traduzidos por MT
AGRUPAR POR
    qps;

Quantidade de segmentos de MT pré-traduzidos editados por QPS

SELECIONAR
    qps
    ,CONTAR(DISTINCT segment_id) AS mt_segments
    ,COUNT(DISTINCT IFF(COALESCE(editing_time_ms, 0) > 0, segment_id, NULL)) AS mt_segments_edited
FROM segment_statistic_v2
ONDE
    data_criada >= DATEADD('dia', -28, DATA_ATUAL)
    E data_criada < DATA_ATUAL
    E translation_origin = 'mt' -- segmentos pré-traduzidos por MT
AGRUPAR POR
    Qps;

Quantidade de palavras economizadas da revisão humana ao reduzir o limite de QPS

WITH qps_segments AS (
    SELECIONAR
        ssv.qps
        ,SOMA(words_processed) AS words_processed
    DE segment_statistic_v2 ssv
    ONDE
        ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
        E ssv.date_created < CURRENT_DATE
        E ssv.translation_origin = 'mt' -- segmentos pré-traduzidos por MT
    AGRUPAR POR
        ssv.qps
)

SELECIONAR
    qps AS new_qps_threshold
    ,SOMA(words_processed) OVER (ORDER BY qps DESC) AS words_saved
FROM qps_segments;

Dados de Frases (TMS)

O conteúdo de toda a Central de Ajuda é traduzido automaticamente de inglês pelo Phrase Language AI.

Disponível para

Disponível para

Disponível para

Casos de Uso do Nível Básico

Casos de Uso do Nível Premium

Utilização da Memória de Tradução (TM)

Otimização do mecanismo de Tradução Automática (MT)

Maximize segmentos de auto-confirmação (ou seja, conteúdo sem intervenção)

Modelos de consulta

Saída de MT pré-traduzida de mês a mês

Variação de qualidade de MT pré-traduzida em metadados de projeto personalizado

Variação de qualidade de MT pré-traduzido entre locais

Volume e qualidade de MT pré-traduzido

Quantidade de segmentos de MT pré-traduzidos auto-confirmados por QPS

Quantidade de segmentos de MT pré-traduzidos editados por QPS

Quantidade de palavras economizadas da revisão humana ao reduzir o limite de QPS