Управление
    1. Phrase
    2. Phrase TMS
    3. Управление

    Данные фраз (TMS)

    Контент автоматически переведен с английского языка с помощью Phrase Language AI.

    Данные фраз доступны в двух уровнях:

    • Базовый

      Доступно для

      • Командных, Профессиональных, Бизнес, Предприятия и программ UI/UX

      Свяжитесь с продажами по вопросам лицензирования.

    • Премиум

      Премиум уровень предлагает такой же доступ, как и Базовый уровень, плюс доступ к данным на уровне сегмента.

      Доступно для

      • Планы Бизнес и Предприятие

      Свяжитесь с продажами по вопросам лицензирования.

      Доступно для

      • План Предприятия (Устаревшая версия)

      Свяжитесь с продажами по вопросам лицензирования.

    Облачные хранилища данных (такие как Snowflake) позволяют клиентам безопасно получать доступ к своим данным через SQL интерфейс.

    Данные фраз отображают данные, относящиеся к использованию TMS клиентом с момента первой подписки клиента на Phrase до настоящего времени. Phrase оставляет за собой право изменять период, за который отображаются данные, уведомив клиента.

    Полная техническая документация интеграции данных фраз.

    Данные фраз помогают в стратегическом принятии решений, демонстрируют бизнес-эффект и могут обосновать инвестиции. Данные могут быть объединены с более широкими метриками компании, чтобы выявить влияние на доход, рыночное проникновение и удовлетворенность клиентов:

    • Веб-трафик, такой как просмотры страниц, коэффициенты отказов, демография пользователей.

    • Маркетинговые данные, такие как коэффициенты кликов, коэффициенты конверсии, вовлеченность в социальных сетях

    • Данные службы поддержки клиентов, анализируйте, приводят ли локализованные материалы поддержки к более быстрому разрешению вопросов и более высокой удовлетворенности клиентов.

    • Финансовые показатели, сравнивая затраты с доходом, полученным от локализованного контента.

    Аналитика помогает понять охват и репутацию глобального контента и гарантирует, что сообщение компании успешно передается на разных языках.

    • Возврат инвестиций (ROI) от усилий по локализации

      Используется для поддержки сохранения или увеличения бюджетов, доказывая, что инвестиции в перевод приносят доход. Также указывает на экономию средств, например, как использование машинного перевода экономило деньги с течением времени и способствовало общему ROI.

    • Адаптация контента, эффективность и вовлеченность пользователей

      Понимание того, как локализованный контент работает с аудиторией. Отслеживание удержания клиентов в каждом языковом стандарте предполагает, что переводы соответствуют потребностям пользователей. Эта обратная связь может повлиять на стратегию качества команды или на то, как скорректировать стиль, чтобы лучше резонировать с местными пользователями. Случай использования клиента коррелирует адаптации контента с метриками вовлеченности. Используя различные подсказки с AutoAdapt для персонализации контента на основе демографических данных (например, возраст, пол, регион, язык), это будет отслеживать повышение производительности на местном или уровне кампании.

    • Приоритизация рынка и языка

      Помогает решить, на каких языках или регионах сосредоточиться для максимального воздействия. Это гарантирует, что команда выделяет ресурсы на переводы, которые приносят наибольшую бизнес-отдачу. Также может направлять последовательность новых языковых запусков или обосновывать локализацию для рынков, на которых они хотят расти.

    • Оптимизация процессов и стратегия технологий

      Оценка продолжительности рабочего процесса и влияния автоматизации приводит к постоянным улучшениям процессов и помогает выбрать правильные технологии. Измерение того, как увеличенное использование машинного перевода в терминах качества и скорости (например, время постредактирования и уровни качества) количественно оценивает прирост производительности.

    • Внутреннее бенчмаркинг производительности

      Со временем внутренние бенчмарки, такие как средняя стоимость за слово, среднее время выполнения для данного типа контента и средний уровень качества, становятся стратегическими целями для улучшения. Это раскрывает результаты умных практик и приростов эффективности, которые дополнительно обосновывают программы локализации.

    Связывайте данные фраз с рабочими процессами Оркестратора для более эффективного выполнения тяжелых запросов и сложных автоматизаций. Интеграция Оркестратора также помогает оптимизировать контроль качества и процессы, проводя выборку проектов или быстро определяя задания, которые соответствуют определенным критериям.

    Основные сценарии использования базового уровня

    В любой отрасли, которая зависит от перевода и лингвистической локализации, командам нужны надежные аналитические данные для принятия решений. Тем не менее, отчеты по аналитике и аналитические данные различаются в зависимости от потребностей команды (локализация, контент, заинтересованные стороны), которые требуют операционных метрик (ежедневная эффективность, производительность, затраты) и стратегических аналитических данных (долгосрочная рентабельность инвестиций, влияние на пользователей, рост рынка).

    Операционная аналитика помогает менеджерам по локализации оптимизировать рабочие процессы и управлять затратами на ежедневной основе.

    • Объем (также известный как производительность)

      Отслеживание объема переведенного контента с течением времени (например, слова в неделю/месяц) указывает на мощность команды. Это помогает в планировании ресурсов.

    • Своевременность (также известная как время выполнения)

      Время выполнения измеряет, сколько времени требуется для перевода контента от начала до конца. Команды по локализации отслеживают, доставляются ли переводы в срок или сталкиваются с задержками. Это критически важно для соблюдения сроков запуска продукта, соглашений об уровне обслуживания и расследования задержек.

    • Производительность исполнителей и лингвистов

      Если используются внешние переводческие исполнители или фрилансеры-лингвисты, команда по локализации захочет оценить их производительность. Отслеживаются такие метрики, как время выполнения на исполнителя, своевременная доставка на исполнителя и оценки качества на лингвиста.

    • Метрики качества (Контроль лингвистического качества)

      Измерьте процент переводов, которые проходят проверки качества с первой попытки (без необходимости доработки), что указывает на эффективный первоначальный перевод. Аналогично, укажите категорию и критичность обнаруженных ошибок, например, терминология, точность и т. д.

    • Метрики затрат и эффективности

      Обычно команды отслеживают стоимость за слово и общие расходы по проекту, языку или отделу, чтобы убедиться, что бюджеты соблюдаются. А также экономия для сравнения сырой стоимости перевода с дисконтом после применения схемы расчета чистой ставки, подчеркивающей ценность поддержания совпадений TM и повторений.  Например, если 30% слов в новом проекте были переведены с помощью 100% совпадений TM, команда может количественно оценить сэкономленные средства, не переводя эти сегменты повторно.

    • Использование автоматизации (МТ и TM)

      • Усилия по постредактированию, такие как среднее количество правок или время, необходимое для выходов МТ, чтобы помочь оценить МТ.

      • Коэффициент использования TM, рассматривая % контента по совпадениям TM, что указывает на эффективность повторного использования TM и экономию средств.

      • Коэффициент использования МТ, такой как % сегментов, изначально переведенных с помощью МТ. Это демонстрирует охват автоматизации и возможности для сокращения затрат/времени – только премиум.

    Сценарии использования премиум-уровня

    Использование памяти переводов (TM)

    Отслеживайте, когда TM использовалась в последний раз и сколько сегментов было повторно использовано с течением времени. Это помогает оценить свежесть TM, вклад в ценность и стоит ли поддерживать устаревшие TM.

    Предложенный анализ:

    • Используйте segment_statistic_v2 и фильтруйте по translation_origin = TM.

      • TM можно идентифицировать с помощью translation_memory_id.

      • Агрегируйте сегменты по TM и используйте поле date_created, чтобы увидеть, когда TM использовалась. Также полезно рассчитать и увидеть среднее editing_time_ms и score.

    • Объедините с job_v2 с использованием job_id, чтобы извлечь информацию о языке, например, target_locale.

    • Объедините с project_v2 с использованием project_id, чтобы контекстуализировать использование по отрасли, клиенту, бизнес-подразделению и т.д.

    Преимущества:

    • Снижение затрат: Помогает отключить неиспользуемые или низкоэффективные ТМ, чтобы сократить затраты на обслуживание.

    • Качество: Определяет устаревшие ТМ с высоким уровнем постредактирования и отмечает подходящие действия.

    • Эффективность: Используйте высокоэффективные ТМ, которые сокращают время редактирования и увеличивают авто-подтверждение. Посмотрите на возможность корректировки порога ТМ соответственно.

    Оптимизация системы машинного перевода (МТ)

    Сравните системы МТ по QPS (уровень качества на сегмент) и времени постредактирования, что позволит более интеллектуально направлять контент к правильной системе МТ.

    Предложенный анализ:

    • Используйте segment_statistic_v2 с фильтром на translation_origin = MT.

    • Объедините с machine_translate_setting_v2 с использованием machine_translate_setting_id.

      • Система МТ может быть идентифицирована с помощью machine_translate_setting_name.

      • Агрегируйте сегменты по системе МТ и вычислите сумму segment_id, средний QPS и среднее editing_time_ms.

    • Объедините с job_v2 с использованием job_id, чтобы извлечь информацию о языке, например, target_locale.

    • Объедините с project_v2 для различных типов контента, таких как отрасль, клиент, бизнес-подразделение и т.д.

    Преимущества:

    • Низкая стоимость: Определите и используйте правильные системы для задания, которые наиболее подходят для типа контента и языка с исторически низкими уровнями редактирования.

    • Квантификация времени выполнения: Изучая время редактирования по языковым парам, типам контента и т.д.

    Максимизируйте авто-подтвержденные сегменты (т.е. контент без изменений)

    Определите наиболее эффективную точку, где высокий QPS и отсутствие времени редактирования подходят для авто-подтверждения, чтобы отделить как можно больше контента от необходимости человеческой проверки.

    Предложенный анализ:

    • Используйте segment_statistic_v2:

      • Фильтруйте, где сегмент translation_origin = MT, is_confirmed = true, editing_time_ms = 0 и confirmation_source = MT.

      • Агрегируйте количество сегментов (segment_id), количество слов (words_processed) по QPS.

      • Объедините с job_v2 с использованием job_id, чтобы извлечь информацию о языке, например, target_locale.

      • Объедините с project_v2 с использованием project_id, чтобы извлечь метаданные контента.

    Преимущества:

    • Снижение затрат: Найдите оптимальный порог QPS для увеличения авто-подтверждения и сокращения времени редактирования, где качество уже достаточно хорошее.

    • Сократите время выполнения: Избегайте ненужной проверки контента.

    Шаблоны запросов

    Примеры запросов, которые можно использовать в качестве руководства для начала работы с соответствующими таблицами:

    Предварительно переведенный результат машинного перевода с месяца на месяц

    ВЫБРАТЬ
    ssv.qps
    ,ДАТА(ДАТА_ОКРУГЛЕНИЯ('месяц', ssv.date_created)) AS date_month
    ,СЧЕТ(РАЗЛИЧНЫЕ segment_id) AS mt_segments
ИЗ segment_statistic_v2 ssv
ГДЕ
    ssv.date_created >= DATEADD('день', -365, ТЕКУЩАЯ_ДАТА)
    И ssv.date_created < ТЕКУЩАЯ_ДАТА
    И ssv.translation_origin = 'mt' -- сегменты, предварительно переведенные МТ
ГРУППИРОВАТЬ ПО
    ssv.qps
    ,ДАТА(ДАТА_ОКРУГЛЕНИЯ('месяц', ssv.date_created));

    Вариация качества предварительно переведенного МТ по метаданным пользовательского проекта

    ВЫБРАТЬ
    ssv.qps
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values
    ,СЧЕТ(РАЗЛИЧНЫЕ segment_id) AS mt_segments
ИЗ segment_statistic_v2 ssv
ОБЪЕДИНИТЬ job_v2 jv
    ПО ssv.job_id = jv.job_id
JOIN project_custom_metadata_v2 pcmv
    ON jv.project_id = pcmv.project_id
ГДЕ
    ssv.date_created >= DATEADD('день', -28, ТЕКУЩАЯ_ДАТА)
    И ssv.date_created < ТЕКУЩАЯ_ДАТА
    И ssv.translation_origin = 'mt' -- сегменты, предварительно переведенные МТ
ГРУППИРОВАТЬ ПО
    ssv.qps
    ,pcmv.custom_field_name
    ,pcmv.custom_field_values;

    Вариация качества предварительно переведенного МТ по регионам

    ВЫБРАТЬ
    ssv.qps
    ,jv.locale_pair
    ,СЧЕТ(РАЗЛИЧНЫЕ segment_id) AS mt_segments
ИЗ segment_statistic_v2 ssv
ОБЪЕДИНИТЬ job_v2 jv
    ПО ssv.job_id = jv.job_id
ГДЕ
    ssv.date_created >= DATEADD('день', -28, ТЕКУЩАЯ_ДАТА)
    И ssv.date_created < ТЕКУЩАЯ_ДАТА
    И ssv.translation_origin = 'mt' -- сегменты, предварительно переведенные МТ
ГРУППИРОВАТЬ ПО
    ssv.qps
    ,jv.locale_pair;

    Объем и качество предварительно переведенного МТ

    ВЫБРАТЬ
    ssv.qps
    ,mtsv.machine_translate_setting_type
    ,СЧЕТ(РАЗЛИЧНЫЕ segment_id) AS mt_segments
ИЗ segment_statistic_v2 ssv
ОБЪЕДИНИТЬ machine_translate_setting_v2 mtsv
    ON ssv.machine_translate_setting_id = mtsv.machine_translate_setting_id
ГДЕ
    ssv.date_created >= DATEADD('день', -28, ТЕКУЩАЯ_ДАТА)
    И ssv.date_created < ТЕКУЩАЯ_ДАТА
    И ssv.translation_origin = 'mt' -- сегменты, предварительно переведенные МТ
ГРУППИРОВАТЬ ПО
    ssv.qps
    ,mtsv.machine_translate_setting_type;

    Количество предварительно переведенных сегментов МТ, автоматически подтвержденных QPS

    ВЫБРАТЬ
    Оценка качества (QPS)
    ,СЧЕТ(РАЗЛИЧНЫЕ segment_id) AS mt_segments
    ,COUNT(DISTINCT IFF(LOWER(confirmation_source) IN ('mt', 'tm', 'nt', 'ir', 'ut'), segment_id, NULL)) AS mt_segments_autoconfirmed
ИЗ segment_statistic_v2
ГДЕ
    date_created >= DATEADD('day', -28, CURRENT_DATE)
    И date_created < CURRENT_DATE
    И translation_origin = 'mt' -- сегменты, предварительно переведенные МТ
ГРУППИРОВАТЬ ПО
    Оценка качества (QPS);

    Количество предварительно переведенных сегментов МТ, отредактированных QPS

    ВЫБРАТЬ
    Оценка качества (QPS)
    ,СЧЕТ(РАЗЛИЧНЫЕ segment_id) AS mt_segments
    ,COUNT(DISTINCT IFF(COALESCE(editing_time_ms, 0) > 0, segment_id, NULL)) AS mt_segments_edited
ИЗ segment_statistic_v2
ГДЕ
    date_created >= DATEADD('day', -28, CURRENT_DATE)
    И date_created < CURRENT_DATE
    И translation_origin = 'mt' -- сегменты, предварительно переведенные МТ
ГРУППИРОВАТЬ ПО
    Оценка качества (QPS);

    Количество слов, сэкономленных от человеческой проверки за счет снижения порога QPS

    С WITH qps_segments AS (
    ВЫБРАТЬ
        ssv.qps
        ,SUM(words_processed) AS words_processed
    ИЗ segment_statistic_v2 ssv
    ГДЕ
        ssv.date_created >= DATEADD('день', -28, ТЕКУЩАЯ_ДАТА)
        И ssv.date_created < ТЕКУЩАЯ_ДАТА
        И ssv.translation_origin = 'mt' -- сегменты, предварительно переведенные МТ
    ГРУППИРОВАТЬ ПО
        ssv.qps
)

ВЫБРАТЬ
    Оценка качества (QPS) AS new_qps_threshold
    ,SUM(words_processed) OVER (ORDER BY qps DESC) AS words_saved
ИЗ qps_segments;
    Была ли эта статья полезной?
    ★ ★ ★ ★ ★

    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.