在地化 vs 翻譯：為什麼不能只丟機器翻譯
翻譯（translation）是把文字換成另一種語言；在地化（localization）是為目標市場重做內容——包括該市場的關鍵字、用詞、範例、幣別與平台生態。做多語言 SEO 只做翻譯不做在地化，等於用錯的關鍵字寫給不存在的讀者，機器翻譯直出更是直接在製造內容負債。
翻譯和在地化差在哪？一張表看懂
| 面向 | 翻譯 | 在地化 |
|---|---|---|
| 目標 | 語言正確 | 市場有效 |
| 關鍵字 | 沿用原文關鍵字的直譯 | 為該語言重做關鍵字研究 |
| 用詞 | 字面對應 | 當地慣用語（軟體↔软件、影片↔视频） |
| 範例／案例 | 照搬原文 | 換成當地讀者熟悉的平台與情境 |
| 幣別／單位／法規 | 不處理 | 全部換算與改寫 |
| SEO 元素 | 只翻內文 | title、meta、slug、alt、Schema 一併在地化 |
機器翻譯直出，為什麼是「內容負債」？
內容負債指的是那些發布後長期拿不到點擊、卻持續稀釋網站品質訊號的頁面。機器翻譯直出的多語版本，是內容負債的量產機，原因有四：
- 關鍵字錯位：機器翻譯不做關鍵字研究。繁中的「搜尋引擎優化」直轉成簡中會保留原詞結構，但簡中市場實際搜的是「搜索引擎优化」——差一個詞，量體差一個市場。
- 讀者一眼識破：用詞不對（對簡中讀者寫「軟體」、對繁中讀者寫「视频」）會立刻暴露「這不是為我寫的」，停留時間與互動訊號全面走低。
- 品質訊號連坐：Google 的品質評估是站級的。幾百頁沒人看的機翻頁，會拖累同網域下原創內容的整體評價；這正是「90 天 0 點擊頁面」大量誕生的典型路徑。
- AI 引用機會歸零：GEO 時代，AI 引擎挑的是「該語言中把這件事講得最好的來源」。機翻內容在任何語言都不會是那個來源。
要強調的是：問題不在「用了機器」，在「直出不加工」。Google 對 AI 參與產製的內容看的是品質而非產製方式，機翻可以當草稿，但沒有在地編輯把關就發布，就是賭上整個網域的信任。
在地化的五個層次（由淺到深）
- 用詞層：全文用詞校對為目標市場慣用語。繁簡之間至少要處理軟體/軟件、程式/程序、搜尋/搜索、影片/視頻、網路/网络這類高頻詞。
- 關鍵字層：為該語言重新跑關鍵字研究與意圖矩陣，而不是翻譯原語言的關鍵字清單。同一主題在不同市場的問法與子題分布可能完全不同。
- SEO 元素層：title、meta description、slug、圖片 alt、Schema 全部用該語言的目標關鍵字重寫——這些是機翻流程最常漏掉的地方。
- 範例層：把案例、截圖、引用平台換成當地生態（台灣講 LINE 與 momo，簡中市場是另一套；英文市場又是另一套）。
- 市場層：確認搜尋引擎本身——繁中與海外簡中看 Google/Bing，中國大陸市場則是百度為主的另一套玩法（Google 在大陸自 2010 年起無法使用），需要獨立決策要不要投入。
實務工作流：機器打底＋人工在地化
成本可控的做法不是全人工，而是分工：
- 第 1 步：機器翻譯產生草稿（省 60–70% 的初稿時間）。
- 第 2 步：由熟悉目標市場的編輯做用詞替換、範例改寫。
- 第 3 步：對照該語言的關鍵字研究結果，重寫 title、meta、slug、H2。
- 第 4 步：發布後在 GSC 以語言目錄分開追蹤，用「查詢字詞是否為當地用語」驗收在地化成效。
常見問題（FAQ）
Q1：Google 會懲罰機器翻譯內容嗎？ Google 的立場是看品質不看產製方式：未經人工把關的自動化翻譯若品質低落，屬於垃圾內容政策處理的範圍；經過在地編輯、對讀者有價值的內容則沒有問題。風險來自「直出」，不是「機器」。
Q2：預算有限，五個層次要先做哪個？ 先做關鍵字層與 SEO 元素層——這兩層決定「有沒有人搜得到你」，投資報酬最高。用詞層是及格線必須做，範例層與市場層可隨內容重要性分級投入。
Q3：繁中轉簡中也算「翻譯」嗎？不是同一種語言嗎？ 繁簡轉換比翻譯更容易讓人誤以為「轉字就好」，但用詞、範例、市場全都不同，在地化需求和跨語言翻譯本質相同。詳見〈繁中 vs 簡中 SEO：不是字轉換那麼簡單〉。
Q4：怎麼驗證在地化有沒有做到位？ 兩個訊號：GSC 該語言目錄的「查詢」分頁是否以當地用詞為主；以及該版本的點閱率與停留時間是否接近原生語言版本的水準。兩者都達標，在地化才算落地。
在地化做得再好，若 hreflang 沒設對，各語言版本還是會被端錯市場——GeoSeoToday把這個環節做成了 hreflang 產生器與 GEO 檢測工具，一鍵產出正確標籤。延伸閱讀：〈多語言關鍵字研究：各語言各自做〉，完整路線圖見支柱頁〈多語言 / 國際 SEO 完整指南〉。