十种语言里十份口径一致的资料，回头一查是同一篇英文翻出来的

摘要：没做本语言版本的页面，不是排名靠后，是根本不在这门语言的候选池里，这两种状态在后台看是同一个零。翻译能把你放进池子，红利在低资源语言里相当可观；代价有两层，一层是英语默认值被当成本地事实，另一层更隐蔽——十种语言里十份口径一致的资料，回头一查往往是同一篇英文翻出来的，交叉验证在这里整个失效。

不做本语言版本，到底是排名低还是根本不在场？

排名靠后和根本不存在是两种状态

这两件事在报表上长得一模一样，都是零。

但它们对应的动作完全相反。

排名靠后意味着你在候选名单里，只是没被选中。

不存在意味着连名单都没进，优化多少次都不会有反应。

传统搜索时代这两者的界限还算清楚，因为收录状态是可查的。

到了这一层，你没有任何一个后台能告诉你自己在不在候选池里。

没有反馈的缺席，是这件事最难受的地方。页面被降权会有迹象，页面没被收录能查到，而这里的不在场是静默的——你的德语站做得再好，用户用芬兰语提问时，它不会以任何形式出现在这段链路里，也不会有任何信号告诉你这件事发生过。你甚至不知道有过这么一次机会。

还有一个实际的后果：这两种状态需要的说服材料完全不同。跟老板解释排名不好，你能拿出竞品对比、拿出优化清单；解释不在场，你只能拿出一份自己跑的实测记录。后者更难讲，也更容易被当成借口，所以那份实测记录一定要有截图、有日期、有具体的问句。

候选池是按语言分层的

解释一下为什么会这样。

用某门语言提问时，检索优先在这门语言的文档里找。

找不到足够的候选，才会跨语言去找别的语言的资料。

所以你的内容用哪门语言写，决定了它出现在哪一层。

不是权重问题，是分层问题。

层与层之间的门槛，比同一层内部的排名差距大得多。

这个分层机制在研究里已经被反复测过。一份面向文化敏感任务的跨语言稳健性基准给出的观察是：同语言检索在高资源语言上效果好，到了低资源语言反而会拖后腿，因为相关信息压根只存在于别的语言里。反过来读这句话就是本文的起点——低资源语言里，本语言那一层很空，谁往里放东西，谁就被拿去用。

分层还有一个容易被忽略的后果：跨语言那一步是有代价的。系统跨到别的语言去找资料时，语义匹配的精度会掉一截，答案的稳定性也跟着掉。所以本语言那一层空着，受损的不只是你，还有这门语言的用户——他们拿到的答案质量本来就比高资源语言的用户低一档。

隐形这个词不是修辞

选这个词是因为它描述得最准。

不是被排到后面，是不出现在这次检索的视野里。

用户看不到，你也看不到，双方都不知道错过了什么。

传统的可见性指标在这里全部失灵。

展现量为零、点击为零、排名无记录，三个零说的是同一件事。

而它们不能区分不在场和没被选中。

要区分只能靠主动测。拿本语言问十条问题，看来源清单里有没有你、有没有跟你同类的站。如果整个清单里一家本地同行都没有，那多半是这一层还空着；如果本地同行在、只有你不在，那才是排名问题。上一篇讲的那套三列实测正好能拿来做这个判断，跑一次同时能回答两个问题。

顺带说一句这个词的来源。按语言统计的网络语料分布图上，排到几十位之后的语言在纵轴上几乎贴着零线——不是没有，是画在图上看不见。你的内容如果不在那门语言里，处境跟那条看不见的线是一样的。

先确认自己属于哪一种

动手之前的判断只需要一个下午。

第一步，确认这门语言里有没有本地站被引用。

第二步，确认你的品类下有没有本语言的候选出现。

第三步，确认你自己有没有这门语言的内容。

三个是的话，那是排名问题，按常规打法做。

第三个是否的话，先别谈优化，先谈在不在场。

这个顺序反过来做，会浪费掉整个季度。见过一个做家居收纳的团队，为了在北欧几个市场提升可见度，把英语版页面的结构改了三轮，加了问答区、加了标注、重排了段落。三轮下来数据一动不动，因为那几个市场的用户提问用的是本国语言，而他们一份本语言页面都没有。改的三轮全在另一层里进行，跟目标那一层没有交集。

判断的时候不妨也参考一下研究里的结论。一份关于多语言检索系统语言偏好的工作观察到，本语言候选越少，系统转向其他语言的倾向越强。反过来读就是：如果你在自己那门语言里连一个本地同行都测不到，那基本可以确定这一层是空的，问题不在排名。

翻译内容在这个场景下能拿到什么红利？

稀缺性可以直接兑换成引用

先说好消息，这个红利比多数人估计的大。

在一门低资源语言里，某个具体问题往往一份像样的资料都没有。

这时候你翻译过去的页面，可能是这门语言里唯一在正面回答的文档。

唯一的意思是：不需要竞争，只需要存在。

这跟英语市场那种几十家抢几个位置的局面完全不同。

成本是一次翻译，回报是一个品类问题上的独占。

在候选极度稀缺的池子里，存在本身就是一种排名。这句话在英语市场是句空话，在低资源语言里是字面意思。这也解释了一个常被误解的现象：有些质量并不出众的本地页面反复被引用，不是因为它写得好，是因为在那门语言里它没有对手。

要小心的是别把这个红利理解成质量不重要。稀缺带来的是入场资格，不是长期席位；一旦这门语言里出现第二份、第三份认真写的内容，之前那种存在即排名的状态立刻结束，比的重新是内容本身。所以红利期该做的事是尽快把内容做扎实，而不是趁着没人比快速铺量。

中等质量的译文也能进池子

这一节容易被误读，先把边界说清楚。

能进池子不等于可以糊弄，也不等于机翻直发没问题。

说的是这件事的门槛没有想象中那么高。

一份经过人工校对、术语统一、事实核对过的译文就够用了。

它不需要读起来像本地作者原创。

它需要的是事实正确、结构清晰、能被整段摘出来。

这跟机器翻译直接发布那篇划的那条质量红线并不矛盾，两者关心的东西不一样：那条线拦的是原始机翻直接上线带来的收录与排名风险，本文关心的是内容里的事实对不对、能不能被拿去当答案。同一份译文可以同时通过语言质量这一关、卡在事实准确这一关上，反过来也成立，两道关得分别验。

还有一条界限要划清楚：能进池子说的是被检索到的可能性，不是被优先采用的可能性。一份事实准确但表述含混的译文，可能被检索到却始终不被选作答案。所以这道门槛应该理解成必要条件，跨过它之后该做的功课一样都少不了。

这个红利有窗口期

好消息说完，说说它的保质期。

稀缺性来自别人还没进来。

一旦某门语言的某个品类被几家填满，红利就归零了。

填满的速度跟这个市场的商业价值成正比。

所以高价值品类的窗口最短，冷门品类的窗口能开好几年。

判断窗口还剩多久，看这门语言里同类内容每季度新增几篇就行。

这个判断有个很省事的做法：把去年做过的那份供给密度统计原样重跑一遍，对比两次的数字。数字没怎么变，说明窗口还开着；数字翻了一倍，说明有人已经在做同样的事了，该加速了。测量方法在问答长尾那篇里写得很细，二十分钟能测完一个品类。

窗口期还有一个更微妙的特征：它在不同问题上关闭的速度不一样。热门问题先被填满，冷门问题能空很久。所以就算某个品类的整体窗口在收窄，具体到问题层面仍然有大片空地。判断该不该继续投入，要下沉到问题这一层看，别停在品类层面下结论。

代价的第一层：英语默认值被当成了本地事实

哪些字段最容易带着默认值过来

先列清单，这类字段的数量比想象中少，但每一个都要命。

退换货期限、保修年限、税费口径、发票形式。

尺码对照、电压插头、包装规格、计量单位。

安全标准编号、认证标志、合规声明。

配送时效、可达区域、可否托运。

四组加起来十来个字段，覆盖了绝大多数出事的地方。

共同点是：它们在原文里都是正确的，翻译过程也没出错，错的是它们不该被搬过来。翻译工序的验收标准是译文忠于原文，而这类字段恰恰是越忠于原文越错。这是一个工序设计上的结构性漏洞——没有任何一道现有工序的职责是发现这件事，因为它不是翻译错误。

这份清单还有个用法：拿它去反查已经上线的老页面。多数团队的本地站上都躺着几年前翻译的内容，那时候没有这道核对工序，字段大概率是原样搬过来的。按清单扫一遍历史页面，通常能捞出一批需要修正的数字，成本很低但收益立竿见影。

为什么母语审校也很难发现

这一节解释那个漏洞为什么补不上。

母语审校审的是语言，判据是读着自不自然、术语对不对。

十四天还是三十天，审校没有立场去质疑。

他会默认这个数字是业务方给的，是有依据的。

而业务方默认审校会发现不对的地方。

两边各自默认对方负责，于是没人负责。

要补这个漏洞，只能在审校清单里明确加一项：本地规则字段需单独核对，并注明由谁核对。这跟母语审校验收清单那篇的思路一致——验收清单的价值不在于严格，在于把没人负责的地带明确划给某个人。核对的依据也要写清楚，比如欧盟市场就直接对着消费者权益指令的官方说明页和本国的对应法条查，不靠记忆。

还有一种更隐蔽的情形：审校本人其实觉得不对劲，但没说。跨部门提出质疑是有社交成本的，尤其当那个数字来自总部时。要打消这层顾虑，清单上就得明确写着这一项归你判，把提问变成职责而不是多管闲事。

被引用之后，错误会离开你的页面

这是这一层代价里最不好收拾的部分。

页面上写错一个数字，影响范围本来是看到这个页面的人。

一旦这段内容被拿去组织答案，影响范围就变了。

用户可能从来没打开过你的页面，却拿到了你写错的那个数字。

你改页面很容易，但那段已经流出去的答案不受你控制。

而且用户不会知道这个信息来自谁，出了事你也未必被追到。

听起来像是免责，其实是更糟的情形：你既承担了错误的后果——用户带着错误预期来找你——又拿不到修正的机会。这跟传统的页面纠错完全是两种时间尺度，德国民法典里对撤回期的规定写得清清楚楚，一旦你的页面在这个数字上出过错，纠正它需要的时间远比写错它长。

还有一个连带影响是内部的：一旦发现某个错误已经流传出去，团队的第一反应往往是全面停掉本地化产出，等流程整理好再说。这个反应可以理解但代价很大，正确的做法是停掉出问题的那一类字段，其他部分照常推进——把一次局部事故升级成全面停摆，损失比事故本身大得多。

这一层的修法其实很朴素

好在解法不复杂，就是麻烦。

把上面那十来个字段做成一张表，逐语言填。

翻译工序开始之前，这张表先填完。

翻译时这些字段整体锁定，译者不许动，按表填入。

审校时这些字段单独走一遍核对，依据写在旁边。

一个市场填一次，之后除非法规变动，几年不用碰。

这张表还有一个附带好处：它把本地化里最容易出事的部分从流程里摘了出来，变成一份可以被审计的资产。出问题的时候你能指着表说这个数字是哪年哪月依据什么填的，而不是在几十份译文里逐个排查。把易错的部分抽出来做成单一数据源，比在每一处提醒大家小心有效得多。

表的维护也要指定人。字段表最容易出的问题不是填错，是法规变了没人改。建议给每个字段加一个复检日期，跟法规更新周期对齐，到期自动提醒。这比要求大家关注法规动态可靠得多，因为前者不需要任何人记得。

代价的第二层：十份译文其实是同一份原文

多路平行是什么意思

这个概念是本文的核心，值得慢慢说。

同一份英语内容，被不同的人翻译成了很多种语言。

从池子里看，这是十几份不同语言的文档。

从信息上看，这是同一份内容的十几个影子。

语言不同、措辞不同、来源域名不同，唯独信息是同一个。

这种现象在低资源语言里的比例高得惊人。

一份专门统计网络上机器翻译内容占比的研究把这件事量化了出来，两个结论值得记住：一是低资源语言的网络内容里机器翻译占比显著更高，二是这些内容大量呈现多路平行的特征，也就是同一批源文本被翻成许多种语言同时存在。这两条合起来意味着，低资源语言那个本来就很浅的池子里，还有相当一部分是同一口井里打出来的水。

这个现象在中文互联网上其实很好理解，等同于同一篇稿子被十几个号洗过一遍。区别在于跨语言的版本更难被识别——同一篇中文稿的十个版本，人眼一看就知道；同一篇英文稿翻成十种语言，除非有人同时懂这十种语言，否则谁都发现不了它们是一份东西。

交叉验证在同源文档上会失效

这是多路平行真正危险的地方。

多来源相互印证，是判断信息可靠性最基本的方法。

它成立的前提是这些来源彼此独立。

同一份原文翻出来的十份文档，独立性为零。

可它们在形式上完全符合多来源的特征。

不同域名、不同语言、不同措辞，看起来是十家在说同一件事。

共识的可信度来自来源之间的独立性，而翻译恰恰是一种系统性地制造非独立来源的机制。这句话值得多读一遍。它意味着在翻译内容密集的语言里，看起来越一致的信息，可能越不该被当成共识——因为一致性本身就是复制出来的，不是独立验证出来的。

还有一个更细的层次：同源不一定是整篇同源。一篇本地原创的文章里，某一段关于标准或者数据的描述可能是从同一份英语资料翻过来的，其余部分完全原创。所以判断同源要按信息点来判，不能按文档来判——整篇原创的内容里，照样可能藏着一个被复制了十次的错误事实。

一个错会以十种语言同时出现

把上面两条合起来，就是最坏的情形。

原文里有一处本地事实是错的，或者只是不适用于别的市场。

十份译文原样带走这一处。

于是这个错误以十种语言、十个域名的形式同时存在。

任何一次交叉验证都会得出这是公认事实的结论。

而事实上，全世界只有一个人写过这句话。

更麻烦的是纠错路径。你发现自己那份译文错了，改掉很容易；但另外九份不是你的，你既不知道它们在哪儿，也没有立场去改。十语模板那篇讲过一个形态相近的问题：模板的真实风险是把一次内容策划的疏漏原样复制成十份。本文这个更进一步——那时候十份都是你自己的，这回十份分散在十家手里。

这个机制在语料侧也留下了痕迹。按语言切分的开放语料项目在做数据清洗时会专门处理重复与近似重复的文档，而跨语言的同源内容恰恰躲得过这类去重——它们在字面上完全不重复。字符层的去重工具对信息层的重复无能为力，这一点跟模板内容的老问题是同一个根。

怎么自查自己是不是影子之一

最后落到可执行的动作上。

问一句：这份内容里有没有一处事实，是只有本地才知道的。

如果通篇找不出一处，那你多半就是一个影子。

有本地价格、本地服务点、本地法规引用、本地实测数据，就不是。

这个自查不需要工具，一份内容三分钟。

而且它的结论直接指向修法：缺什么就补什么。

把这条做成翻译工单上的最后一栏，写明本地独有信息，不填不能提交。填的时候只要求一句话，比如某国的服务点城市、某国的实测数据、某条本国法规的编号。一句只有本地才写得出的话，就足以让这份内容脱离影子的行列——它不再是可替换的第十一份译文，而是这门语言里必须被读一次的文档。

自查的结果还能拿来排优先级。手上十份译文，其中三份找得出本地独有信息、七份找不出，那接下来该补的就是那七份，而不是继续翻新的。把影子变成实体，比再造一个影子划算得多，而且前者的成本通常只是加两三句话。

那到底该翻译、该原生写，还是干脆不做？

三档决策的判据

把选择压到三档，判断才做得下去。

第一档，原生写：本地规则、本地服务、本地案例，必须本地产出。

第二档，翻译加核对：通用知识、产品原理、使用方法，翻译后核事实。

第三档，不做：这门语言的用户其实在用别的语言搜，那就别做。

判据是三个问题，一个下午能答完。

这个答案会不会随国家变、这门语言里有没有人在答、用户是不是真用这门语言搜。

三个问题的顺序不能换。先问会不会随国家变，能筛掉一大半内容；再问有没有人在答，决定优先级；最后问用户用不用这门语言，这一问是止损，答错了前面两问做得再好也是白做。决策树的第一个分叉一定要放在最省力的那个问题上，否则你会在一堆本来就不用做的内容上做精细分析。

三档之外还要留一个待定档，专门放那些暂时判断不了的内容。硬要在信息不足的时候归档，结果通常是随手归进翻译档，因为那是默认路径。设一个待定档并规定它每月清空一次，比逼着大家当场做决定要健康。

必须原生的字段清单

把第一档具体化，避免执行时各人理解不同。

价格与货币、税费与发票、退换货规则与期限。

配送范围与时效、服务点与联系方式。

本国适用的标准编号、认证与合规声明。

本地客户案例、本地实测数据、本地媒体引用。

这四组是硬清单，一条都不能靠翻译。

其余内容都可以进第二档，只是要过事实核对。

清单要写成模板挂在工单系统里，别指望大家记住。执行层面最有效的动作是把它变成一个提交时的必填项——不填不能提交，比培训十次都管用。这跟前面那条本地独有信息栏是同一个手法：凡是靠自觉的检查项，长期执行率都会掉到很低；变成流程阻塞项之后，执行率就是百分之百。

清单里的每一项还要注明依据来源。比如退换货期限这一格，欧盟市场就写明依据是德国民法典关于撤回后果的条文与本国对应法条，而不是只填一个数字。填数字的表在换人之后没人敢改，填了依据的表任何人都能重新核一遍。

可以放心翻译的部分比想象中多

说完限制说宽松的一侧，免得把人吓住。

产品的工作原理、材料的物理属性、通用的使用方法。

保养步骤、故障排查、组装说明。

这些内容跨国一致，翻译过去没有任何问题。

它们通常还占了一个品类内容体量的大半。

所以真正需要原生产出的比例，可能只有两三成。

两三成的原生成本，撬动的是整个语言层的在场。

把这个比例算给管预算的人听，方案通过的概率会高很多。多数人对做本地语言版本的第一反应是全部重写太贵，而真实的账是七八成可以翻译、两三成需要本地产出。这个数字一摆出来，讨论的焦点就从要不要做变成了先做哪几个市场。

估算这个比例有个现成的参照：看看你的产品文档里有多少内容是跨国通用的。翻译服务的语言支持文档这类纯技术性说明就是典型的可翻译内容，而同一份手册里的保修条款和服务网点则不是。按这个眼光把手头内容过一遍，两三成这个数字通常八九不离十。

怎么判断一门语言值不值得做本语言版本？

先看这门语言里有没有人在答这批问题

第一个信号，也是最便宜的信号。

拿十条本语言问句去搜，看前二十位里有几条在正面回答。

回答得多，说明这门语言的商业内容生态是成熟的。

回答得少，说明要么没人做，要么这门语言的用户不在这儿。

两种情况的区别，靠下一个信号来分。

这一步只需要二十分钟，别跳过。

供给密度是语言和品类的交叉属性，这一点前面提过，这里再补一句实操细节：一定要按你自己的品类去测，别用通用问题测完就下结论。同一门语言里，日用消费品的内容供给和专业器材的内容供给能差好几倍，用错品类测出来的结论会把你带偏一整个方向。

测的时候要留意一个陷阱：结果里出现大量本语言内容，不一定说明供给充足，也可能是自动翻译的聚合站在撑场面。判断方法是点开三五个来源看看，如果全是同一类聚合页，那本质上还是空的。真正的信号是本地品牌、本地媒体、本地社区在正面回答。

还有一件事要一并确认：这门语言在产品侧有没有被点亮。国家数与语言数错位那篇讲过怎么用二十分钟测出自己的语种在哪一档。两件事要分开看——语言没被点亮，你补的内容暂时兑现不了；候选池空着，补进去的内容随时可能被拿去用。前者要等，后者不用等。

再看用户是不是真的用这门语言搜

第二个信号是止损用的。

有些市场的用户习惯直接用大语种提问。

技术类、专业类查询尤其明显。

这时候本语言那一层是空的，但空着也没人来。

你把它填满，填的是一个没人站的位置。

判断方法是看本地社群和评论区里，大家讨论时用的是哪门语言。

这个判断有个反例要留意：日常问题和专业问题可能分属两门语言。同一批用户问怎么保养用本语言，问技术参数用英语。菲律宾式英语那篇讲的嵌套型双语就是这种情形的极端版本。碰到这种市场，结论不是做或不做，而是按问题类型分别决定——保养类做本语言，参数类保留英语。

还有一个客观数据可以当佐证。按国家整理的数字生态年度报告里有语言使用与平台渗透的基础数据，跟你在社群里观察到的语言习惯放在一起看，能避免被少数活跃用户的语言偏好带偏。观察加数据两条腿走，比只凭感觉稳。

最后才看市场规模

把最常被放在第一位的指标放到最后。

市场规模决定的是这件事的天花板。

前两个信号决定的是这件事成不成立。

天花板再高，不成立也是零。

而且在这个场景下，小市场反而常常更划算。

因为稀缺性带来的独占，在小市场里更容易拿到。

这个排序跟传统的市场优先级排法几乎是反的，语种优先级成本模型那篇算过一笔类似的账：排在最前面的那几门语言往往最后才该动，因为那里的每一分投入都要跟已经在场的对手硬碰。到了本文这个场景，这个结论比当年更成立——那时候争的是排名，现在争的是在不在场。

还有一个跟规模有关的反直觉现象：大市场的本语言内容供给虽然充足，但里面平台内容的占比也更高，本地事实那一格反而未必被填满。所以就算你决定优先做大市场，也别默认那里的事实类内容已经有人写好了——去测一次，经常会有意外发现。

译文的同源性怎么自查？

回译对比法

最直接的一种检查，成本极低。

把你的译文用工具回译成英语。

拿回译结果跟你怀疑的那份英语原文比。

句子结构高度一致，说明同源。

这不是抓抄袭，是判断自己有没有独立信息。

相似度高不一定是坏事，前提是你另外加了本地内容。

这个方法在学术上也是成立的检测思路，一份用回译相似度检测机器翻译文本的工作做的正是同一件事：原文经过翻译再翻回来，如果结果跟某个候选高度重合，那基本可以判定它经过了那条链路。你不需要复现它的方法，借用它的直觉就够——回译之后还剩下的差异，才是你真正添加的信息。

这个方法有个使用边界：它只适合自查，不适合拿去指控别人抄袭。回译相似度受工具本身影响很大，同一份内容用不同工具回译能得出不同的相似度。用它来判断自己有没有加进独立信息是可靠的，用它来做外部判定就不严谨了。

事实点抽样核对

第二种检查针对的是内容而不是形式。

从译文里挑十个具体的事实点。

数字、期限、标准编号、地名、机构名。

逐个核对它们在本地是不是这个值。

十个里错一两个属于正常，错四五个说明整份都要重来。

这个抽检十五分钟能做完，建议每批译文抽一份做。

抽检要随机抽，别让译者自己挑一份来抽。这条听着多余，但实际操作中十次有八次会退化成挑一份最好的来检查。低资源语言幻觉率那篇里那套按语料丰度和责任等级定抽检比例的矩阵，可以直接搬过来定这里的抽检强度，两件事的风险结构是一样的。

抽检结果要记录下来形成时间序列，而不是查完就算。同一个供应商、同一个市场，连续三批抽检的错误率如果在上升，那说明流程某处松了，这个信号比单批的错误率有价值得多。表格很简单：批次、抽检数、错误数、错误类型，四列足够。

找一处只有本地才知道的细节

第三种最省事，也最能说明问题。

通读一遍，找出一处只有在本地做过生意才写得出来的信息。

找得到，这份内容就有独立价值。

找不到，它就是可替换的。

不需要多，一处就够，但必须是真的。

编一个本地细节比不写更糟，因为它会被当成事实传出去。

这一处细节还有个额外用处：它是本地团队最容易贡献的东西。让本地同事读一遍译文、补一句他知道而总部不知道的事，这个动作对他们来说几乎没有成本，对内容质量的提升却很大。本地化流程里最被浪费的资源，就是本地团队脑子里那些没被问过的常识。

这一处细节最好放在内容靠前的位置，别埋在文末。它既是给读者的信号，也是给检索侧的信号——一段包含具体本地信息的开头，比一段通用的品类介绍更容易被识别为本地相关。位置这件事不花钱，只花一次调整段落顺序的功夫。

机器翻译直接发布和这件事，是同一个问题吗？

老问题关心的是质量和收录

先把老问题的边界说清楚。

机翻直发的经典风险是内容质量低、读着不通、被判为低质。

后果落在收录和排名上。

验收标准也很明确：读着通不通、术语对不对、有没有明显的翻译腔。

这条线画了很多年，行业里的共识相当稳定。

它管的是语言质量这一层。

这条线本身没有过时，机器翻译直接发布那篇里那套判据今天依然要执行。翻译腔这件事本身也是有研究基础的，关于机器翻译体的语言复杂度研究发现机翻文本在词汇多样性和句法复杂度上会系统性地偏低，这种偏低是可测的，不完全依赖人的语感。

值得强调的是这条线到今天仍然是第一道关。跳过语言质量直接谈事实核对，等于在一份读起来磕磕绊绊的内容上纠结数字对不对，顺序反了。先过语言关，再过事实关，两关的顺序不能换，因为语言不通的内容根本走不到被引用那一步。

新问题关心的是事实和来源独立性

新问题在另一层上。

一份译文可以完全通过语言质量的检查。

读着自然、术语准确、一点翻译腔都没有。

同时它仍然携带着英语默认值，仍然是某份原文的影子。

语言质量这一关拦不住这两件事，因为它们不是语言问题。

所以两道关必须分开设，共用一道会漏。

翻译质量提高，反而会让第二类问题更难发现。粗糙的译文一眼看得出是翻的，会引起警觉；打磨精良的译文读起来像原创，反而没人去追问它的事实来自哪里。这跟前面讲流畅度不再是可靠信号是同一个道理——语言层的完美程度，从来就不是事实层可靠性的证据。

识别第二类问题还有个反直觉的经验：越是本地化做得好的团队，越容易在这里翻车。因为他们的译文质量高、语域贴切、读着像原创，所有质量信号都是绿的，于是没人会想到去追问那个十四天是哪儿来的。质量高反而降低了警觉，这是个很不舒服但真实的规律。

两者的验收标准要分开写

落到执行上，就是两张清单。

第一张管语言：通顺度、术语一致性、语域是否匹配。

第二张管事实：本地字段是否核对、有无本地独有信息。

两张清单由不同的人签字，别合并。

合并之后一定会退化成只查第一张。

因为第一张查起来快，第二张要动脑子。

分开还有一个好处：责任清楚。语言那张归本地化团队，事实那张归业务方或本地市场负责人。出问题的时候能立刻定位到是哪一层没守住，而不是开一次会互相猜。这个分工在早年那批逐词直译的关键词表留下的教训里已经有过一次预演——那次是词表层面的，这次是内容层面的，根因都是把两种不同性质的检查压进了同一道工序。

两张清单的检查密度也可以不同。语言那张每份必查，事实那张可以按批次抽查——前提是本地字段已经用表格锁定，抽查验的是流程有没有被绕过，而不是逐份重新核对。这样总工作量不会翻倍，但两层风险都盖住了。

翻译内容的红利会不会消失？

池子填满之后稀缺性就没了

先说结论：会，但没那么快。

红利来自本语言候选稀缺，稀缺消失红利就消失。

填满的路径有两条，本地原创增长和翻译内容涌入。

后者的速度快得多，因为成本低得多。

所以池子多半会先被翻译内容填满。

而那时候的池子，质量结构会很奇怪。

奇怪在于：文档数量上去了，独立信息源的数量没怎么涨。一个装了两百份文档、其实只有二十个独立信息源的池子，跟一个装了二十份独立文档的池子，检索起来的效果不见得更好，但你想挤进去的难度确实变大了。这是一个数量繁荣但信息量停滞的阶段，而对后来者来说，这个阶段比空池子更难做。

还有一个判断池子状态的实用指标：同一批问题下，来源的域名重复率。如果十条查询里反复出现同样那三五个域名，说明这门语言的供给还很集中，缺口仍然大；如果域名分散、每条查询都有新面孔，说明池子已经开始饱和了。这个数字从实测表里直接就能算出来。

谁会先把池子填满

看清楚这一点，能帮你判断该不该现在动手。

大平台和聚合站的翻译成本接近于零，它们会最先动。

品牌方动得慢，因为内部流程长。

本地媒体和垂直站取决于当地的商业化程度。

所以典型的填充顺序是：平台先进，品牌后进。

而平台内容的本地事实密度通常很低。

这留下一个持久的缺口：平台能把池子的数量填满，填不了本地事实那一格。退换货规则、本地服务点、本国标准这些东西，平台没有动力逐国去写，也写不准。所以哪怕池子在数量上被填满了，本地事实这一块的空位仍然会长期留着——这恰好是品牌方唯一能长期守住的位置。

本地媒体这一支值得单独说。在商业化程度高的市场，本地垂直媒体会很快补上这个缺口，而且他们写的本地事实通常是准的。这时候品牌方要考虑的就不只是自己写，还包括怎么让这些媒体引用你的数据——那是另一条更长期但更稳的路。

现在进场的意义

最后把账算完。

现在进场，成本是一次翻译加两三成的本地产出。

拿到的是一段时间的独占，和一批稳定的本地事实位置。

晚两年进场，成本一样，但要跟一池子影子文档挤。

而且那时候你补的本地事实，可能要花更长时间才被采信。

先来的不一定赢，但先来的确实便宜。

更实际的一点是，早进场的内容有更长的时间去积累外部引用和本地信任信号，这些东西不能靠加钱加速。小语种外链那篇讲过本地渠道的建设周期，那是按季度算的，急不来。现在动手和两年后动手的差别，不只是内容多两年，是整条本地信任链早两年开始长。

最后提醒一句时间的不对称性：内容可以随时补，信任积累不能压缩。今天写下的一份本地事实页面，两年后它已经被引用过、被链接过、被本地同行提过；两年后才写的同一份页面，内容一模一样，但它还是新的。这段差距不是靠预算能追回来的。

这套判断怎么排进现有的本地化流程？

在翻译工单上加一道字段分流

改动落在工单模板上，一次改完长期生效。

工单开头加一个下拉：这段内容属于哪一档。

原生、翻译加核对、不做，三选一。

选原生的直接派给本地团队，不进翻译队列。

选翻译的自动带出本地字段核对清单。

三档一分，后面所有工序的走向就定了。

这个改动的关键是把判断前置到工单创建时，而不是留到审校时。审校阶段发现这段内容根本不该翻译，等于整道工序白做。凡是能在流程入口做的判断，都不要留到出口做，这条在任何生产流程里都成立，本地化流程尤其明显，因为它的返工成本特别高。

下拉选项的措辞也要下点功夫。写成原生、翻译、不做太抽象，写成本地规则类必须本地写、通用知识类可翻译后核对、这门语言用户不用则不做，虽然长了点，但填的人不用回去查文档。流程字段的措辞本身就是最好的培训材料，这句话在任何表单设计上都成立。

谁来做事实核对这道工序

这道新工序要落到具体的人头上。

不能是译者，他没有本地业务信息。

不能是母语审校，那是另一种能力。

最合适的是本地市场负责人或者本地客服主管。

他们手里有真实的规则，也知道用户实际会问什么。

工作量不大，一份内容十来个字段，十五分钟。

如果某个市场没有本地人手，退而求其次的做法是让总部的人对着法规原文逐条核，速度慢但可行。真正不能接受的是跳过这一步——没人核对的本地字段，等于默认采用了英语原文的口径，而那个口径几乎肯定不适用。

这道工序还有一个隐性收益：它会把本地负责人拉回到内容这件事上来。很多市场的本地负责人跟内容生产是脱节的，加了这道十五分钟的核对之后，他们对本地站上写了什么心里有数了，后面反馈用户实际问题的意愿也会明显变高。

一个季度能推进多少

最后给个可以写进排期的量。

第一个季度：定三档判据、建字段表、改工单模板。

同时挑一个市场跑通全流程，作为样板。

第二个季度：把样板复制到三到四个市场。

本地字段表按市场逐个填，这是最花时间的部分。

第三个季度开始，产出会稳定下来。

一年铺完五六个市场是个现实的节奏。

别贪快。这套流程的价值在于它建立起来之后就不会退化，而急着一年铺十个市场的结果，通常是十个市场的本地字段表都填了一半，然后全部搁置。本地化这件事上，能长期维持的慢速度，胜过维持不住的快速度——毕竟填了一半的字段表，比没填的更危险，因为它会让人误以为这项检查已经做过了。

推进过程中要留一个复盘节点。第二个季度末回头看第一个市场的样板，多半会发现字段表有两三格设计得不合理、或者某道工序在实际中被跳过了。这时候改还来得及，等六个市场都铺完再改，改的就是六份表。样板市场存在的意义就是提供一次可以低成本犯错的机会，别浪费它。

常见问题解答

没做本语言版本，跟做了但排名不好，有什么区别？

区别是在不在候选池里。检索会优先在提问语言的文档里找候选，找不到才跨语言去别的语言里找，所以内容用哪门语言写决定了它出现在哪一层。排名不好意味着你在名单里没被选中，还有优化空间；不在场意味着连名单都没进，怎么优化都不会有反应。麻烦的是这两种状态在后台看都是零，只能靠主动测：拿本语言问十条问题，看来源清单里有没有本地同行。

翻译内容在AI检索里到底还有没有价值？

在低资源语言里价值相当大。这门语言下某个具体问题往往一份像样的资料都没有，你翻译过去的页面可能是唯一在正面回答的文档，这时候不需要竞争，只需要存在。但要满足两个前提：本地规则类字段必须重新填过，不能照搬原文；内容里至少要有一处只有本地才写得出的信息。两条都不满足的译文，只是这份原文的第十一个影子。

什么是多路平行，它为什么危险？

指同一份源内容被翻译成许多种语言同时存在于网上，从池子里看是十几份不同语言的文档，从信息上看是同一份内容的十几个影子。危险在于它破坏了交叉验证：多来源相互印证之所以可信，前提是来源彼此独立，而同源译文的独立性为零，却完全符合多来源的外观特征。结果就是原文里的一处错误会以十种语言、十个域名的形式同时出现，任何一次交叉验证都会把它读成公认事实。

哪些内容必须原生产出，不能靠翻译？

四组字段是硬清单：价格与税费与发票形式；退换货规则与期限；配送范围时效与本地服务点；本国适用的标准编号、认证与合规声明。再加上本地客户案例、本地实测数据、本地媒体引用这一类。共同特点是它们在原文里都是正确的、翻译过程也没出错，错在不该被搬过来——越忠于原文越错，而这恰恰是翻译工序的验收标准，所以现有工序天然拦不住。

母语审校为什么发现不了英语默认值这类问题？

因为审校的职责是语言，判据是读着自不自然、术语对不对。十四天还是三十天，审校没有立场去质疑，他会默认这个数字是业务方给的、有依据的；而业务方默认审校会发现不对的地方。两边各自默认对方负责，于是没人负责。解法是在审校清单里明确加一项本地规则字段核对，并写清由谁核对、依据什么核对，把这块没人认领的地带划给具体的人。

怎么快速判断自己那份译文是不是影子？

通读一遍，找出一处只有在本地做过生意才写得出来的信息——本地价格、本地服务点、本国法规编号、本地实测数据都算。找得到就不是，找不到就是。这个自查一份内容三分钟，而且结论直接指向修法：缺什么补什么。可以把它做成翻译工单上的最后一栏，写明本地独有信息，不填不能提交。注意编造本地细节比不写更糟，因为它会被当成事实传出去。

这个红利窗口大概还剩多久？

取决于品类的商业价值，高价值品类的窗口最短，冷门品类能开好几年。判断方法是把去年做过的供给密度统计原样重跑，对比两次数字：没怎么变说明窗口还开着，翻倍说明已经有人在做同样的事。要注意的是池子多半会先被翻译内容而不是本地原创填满，那时候会进入一个文档数量上去了、独立信息源没怎么涨的阶段——对后来者来说，这个阶段比空池子更难做。

权威参考资料