Phrase Data (TMS)

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

O Phrase Data está disponível em dois níveis:

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

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

Data warehouses em nuvem (como Snowflake) Ativar clientes a acessar com segurança seus dados por meio de uma interface SQL.

O Phrase Data exibe dados relevantes para o uso do TMS pelo cliente, desde a data em que o cliente assinou o Phrase pela primeira vez até a data atual. O Phrase reserva-se o direito de alterar o período para o qual os dados são exibidos, mediante aviso ao cliente.

Documentação técnica completa da integração do Phrase Data.

O Phrase Data auxilia na tomada de decisões estratégicas, demonstra o impacto no Business e pode 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, dados demográficos do usuário.
Dados de marketing, como taxas de cliques, taxas de conversão, engajamento em mídias sociais
Dados de suporte ao cliente, analisar se os materiais de suporte localizados levam a uma resolução de problema mais rápida e a uma maior satisfação do cliente.
Números de vendas, comparando os custos com a receita gerada a partir de conteúdo localizado.

Os insights ajudam a entender o alcance e a reputação do conteúdo global globalmente e garantem que a mensagem de uma empresa tenha sucesso em todos os idiomas.

Retorno sobre o Investimento (ROI) dos Esforços de Localização

Usado para apoiar a manutenção ou o aumento de orçamentos, provando que os investimentos em tradução geram retornos. Também aponta economias de custos, como a forma como o uso de tradução automática economizou dinheiro ao longo do tempo, contribuindo para o ROI geral.
Adaptação de conteúdo, Eficácia e Engajamento do usuário

Entenda como o conteúdo localizado performa com o público. Rastrear a retenção de cliente em cada local sugere que as traduções estão atendendo às necessidades do usuário. Esse feedback pode influenciar a estratégia de qualidade de uma Team 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 o AutoAdapt para personalizar conteúdo com base em dados demográficos (por exemplo, idade, gênero, região, idioma), isso rastrearia o aumento de desempenho em um nível local ou de campanha.
Priorização de mercado e idioma

Ajuda a decidir em quais idiomas ou regiões focar para obter o máximo impacto. Isso garante que a Team aloque recursos para traduções que geram o maior retorno de Business. Também pode orientar a sequência de lançamentos de novos idiomas ou justificar a localização para mercados onde desejam crescer.
Otimização de fluxo de trabalho e estratégia de tecnologia

Avaliar a duração do fluxo de trabalho e o impacto da automatização leva a melhorias contínuas no processo e ajuda a escolher a tecnologia certa. Medir como o maior uso de tradução automática em termos de qualidade e velocidade (por exemplo, tempo de pós-edição e resultado de qualidade) quantifica os ganhos de produtividade.
Benchmarking de desempenho interno

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

Conecte o Phrase Data com fluxos de trabalho do Orchestrator para executar consultas pesadas e automatizações avançadas com mais eficiência. A integração com o Orchestrator também ajuda a otimizar as verificações de qualidade e a otimização de processos, amostrando projetos ou identificando trabalhos que correspondem a critérios específicos mais rapidamente.

Casos de uso de nível básico

Em qualquer setor que dependa de tradução e localização linguística, as Team precisam de insights de dados robustos para orientar as decisões. No entanto, os relatórios de estatísticas e insights diferem de acordo com as necessidades da Team (Localização, conteúdo, partes interessadas executivas), que exigem métricas operacionais (eficiência diária, rendimento, custos) e insights estratégicos (ROI de longo prazo, impacto no usuário, crescimento de mercado).

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

Volume (também conhecido como rendimento)

Rastrear a quantidade de conteúdo traduzido ao longo do tempo (por exemplo, palavras por semana/mês) indica a capacidade da Team. 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 terminar. As Teams de localização rastreiam se as traduções são entregues no prazo ou se enfrentam atrasos. Isso é crucial para cumprir as datas de lançamento de produtos, SLAs e investigar atrasos.
Desempenho de fornecedor e linguista

Se fornecedores de tradução externos ou linguistas freelancers forem usados, a Team de localização desejará avaliar seu desempenho. Métricas como tempo de entrega por fornecedor, entrega no prazo por fornecedor e pontuações de qualidade por linguista são rastreadas.
Métricas de qualidade (Controle de qualidade linguístico)

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

Normalmente, as Teams rastreiam o custo por palavra e o gasto total por projeto, idioma ou departamento para garantir que os orçamentos sejam cumpridos. Bem como economias para Comparar o custo de tradução bruta versus o custo com desconto após a aplicação de uma tabela de contagens ponderadas, destacando o valor de manter correspondências de memória de tradução e repetições. Por exemplo, se 30% das palavras em um novo projeto foram traduzidas via 100% de correspondências de memória de tradução, a Team pode quantificar o custo economizado por não retraduzir esses segmentos.
Aproveitamento de automatização (tradução automática e memória de tradução)
- Esforço de pós-edição, como as edições médias ou o tempo necessário nas saídas de tradução automática, para ajudar a avaliar a tradução automática.
- Taxa de alavancagem da memória de tradução observando a % de conteúdo por correspondências da memória de tradução, o que indica a eficiência de reutilização da memória de tradução e a economia de custos.
- Taxa de uso de tradução automática, como a % de segmentos inicialmente traduzidos por tradução automática. 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 memória de tradução foi usada pela última vez e quantos segmentos foram reutilizados ao longo do tempo. Isso ajuda a avaliar o frescor da memória de tradução, a contribuição de valor e se ainda vale a pena manter memórias de tradução desatualizadas.

Análise sugerida:

Usar segment_statistic_v2 e filtrar em translation_origin = TM.
- Uma memória de tradução pode ser identificada usando o translation_memory_id.
- Agregue segmentos por memória de tradução e use o campo date_created para ver quando a memória de tradução foi usada. Também é bom calcular e ver a editing_time_ms média e a score média.
Unir com job_v2 usando o job_id para extrair informações de idioma, por exemplo, target_locale.
Unir com project_v2 usando o project_id para contextualizar o uso por domínio, cliente, unidade de negócios, etc.

Benefícios:

Economia de custos: Ajuda a desativar memórias de tradução não utilizadas ou de baixo desempenho para reduzir a sobrecarga de manutenção.
Qualidade: Identifica memórias de tradução obsoletas com alto esforço de pós-edição e sinaliza a ação adequada.
Eficiência: Usar memórias de tradução de alto desempenho que reduzem o tempo de Editar e aumentam a confirmação automática. Considere ajustar o limite da memória de tradução adequadamente.

Otimização do mecanismo de tradução automática (MT)

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

Análise sugerida:

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

Benefícios:

Custo mais baixo: Identificar e usar os mecanismos certos para o trabalho que sejam 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.

Maximizar segmentos de confirmação automática (ou seja, conteúdo sem toque)

Identificar o ponto mais eficiente onde um QPS alto e sem tempo de edição é elegível para confirmação automática, de modo a separar o máximo de conteúdo possível da necessidade de revisão humana.

Análise sugerida:

Use segment_statistic_v2:
- Filtrar onde segmento translation_origin = MT, is_confirmed = true, editing_time_ms = 0 e confirmation_source = MT.
- Agregar contagem de segmento (segment_id), contagem de palavras (words_processed) por QPS.
- Unir com job_v2 usando o job_id para extrair informações de idioma, por exemplo, target_locale.
- Unir com project_v2 usando o project_id para extrair metadados de conteúdo.

Benefícios:

Economia de custos: Encontrar o limite de QPS ideal para aumentar a confirmação automática e reduzir o tempo de edição onde a qualidade já é boa o suficiente.
Reduzir o tempo de resposta: Evitar 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 tradução automática pré-traduzida de mês a mês

SELECIONAR
    ssv.QPS
    ,DATE(DATE_TRUNC('month', ssv.date_created)) AS date_month
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
FROM segmento_statistic_v2 ssv
WHERE
    ssv.date_created >= DATEADD('day', -365, CURRENT_DATE)
    AND ssv.date_created < CURRENT_DATE
    AND ssv.translation_origin = 'mt' -- segmentos pré-traduzidos por tradução automática
GROUP BY
    ssv.QPS
    ,DATE(DATE_TRUNC('month', ssv.date_created));

Variação da qualidade da tradução automática pré-traduzida em metadados de projeto Personalizado

SELECIONAR
    ssv.QPS
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
FROM segmento_statistic_v2 ssv
JOIN job_v2 jv
    ON ssv.job_id = jv.job_id
JOIN projeto_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' -- segmentos pré-traduzidos por tradução automática
GROUP BY
    ssv.QPS
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values;

Variação da qualidade da tradução automática pré-traduzida entre localidades

SELECIONAR
    ssv.QPS
    ,jv.locale_pair
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
FROM segmento_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' -- segmentos pré-traduzidos por tradução automática
GROUP BY
    ssv.QPS
    ,jv.locale_pair;

Volume e qualidade da tradução automática pré-traduzida

SELECIONAR
    ssv.QPS
    ,mtsv.machine_translate_setting_type
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
FROM segmento_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_origin = 'mt' -- segmentos pré-traduzidos por tradução automática
GROUP BY
    ssv.QPS
    ,mtsv.machine_translate_setting_type;

Quantidade de segmentos de tradução automática pré-traduzidos confirmados automaticamente pelo QPS

SELECIONAR
    QPS
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
    ,COUNT(DISTINCT IFF(LOWER(confirmation_source) IN ('tradução automática', 'memória de tradução', 'NT', 'ir', 'ut'), ID do segmento, NULL)) AS mt_segments_autoconfirmed
FROM segment_statistic_v2
WHERE
    date_created >= DATEADD('day', -28, CURRENT_DATE)
    AND date_created < CURRENT_DATE
    AND translation_origin = 'tradução automática' -- segmentos pré-traduzidos por tradução automática
GROUP BY
    qps;

Quantidade de segmentos de tradução automática pré-traduzidos editados por QPS

SELECIONAR
    QPS
    ,COUNT(DISTINCT segmento_ID) AS mt_segmentos
    ,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 = 'tradução automática' -- segmentos pré-traduzidos por tradução automática
GROUP BY
    Qps;

Quantidade de palavras salvas da revisão humana pela redução do limite de QPS

WITH qps_segments AS (
    SELECIONAR
        ssv.QPS
        ,SUM(words_processed) AS words_processed
    FROM segmento_statistic_v2 ssv
    WHERE
        ssv.date_created >= DATEADD('day', -28, CURRENT_DATE)
        AND ssv.date_created < CURRENT_DATE
        AND ssv.translation_origin = 'mt' -- segmentos pré-traduzidos por tradução automática
    GROUP BY
        ssv.QPS
)

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

Phrase Data (TMS)

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

Disponível para

Disponível para

Disponível a partir de

Casos de uso de nível básico

Casos de uso do nível Premium

Utilização da memória de tradução (TM)

Otimização do mecanismo de tradução automática (MT)

Maximizar segmentos de confirmação automática (ou seja, conteúdo sem toque)

Modelos de consulta

Saída de tradução automática pré-traduzida de mês a mês

Variação da qualidade da tradução automática pré-traduzida em metadados de projeto Personalizado

Variação da qualidade da tradução automática pré-traduzida entre localidades

Volume e qualidade da tradução automática pré-traduzida

Quantidade de segmentos de tradução automática pré-traduzidos confirmados automaticamente pelo QPS

Quantidade de segmentos de tradução automática pré-traduzidos editados por QPS

Quantidade de palavras salvas da revisão humana pela redução do limite de QPS