翻译、本地化、原生化：三种成本三种结果

一个很常见的场景：家用咖啡机的德语站上线四个月，译文没有语法错误，页面也不缺内容，但德国买家在 ChatGPT 里问「Kaffeemaschine fürs Büro, entkalkbar, mit Thermoblock」，答案里出现的品牌里没有他们。团队的判断是「翻译不够好」，准备换第二家供应商——这大概率是白花钱，问题不在语言质量，在于页面从没写过德国买家用来筛选的那几个字段。

翻译只解决「当地人看得懂」，本地化才解决「当地 AI 愿意引用」，原生化解决「当地买家把你当本地品牌」；三层是三份预算，GEO 的下限是本地化，而不是翻译。

三层不是三档质量，是三条产线

把翻译、本地化、原生化当成同一件事的三个质量等级，是这套账里最贵的误会。它们输入的原料不同，验收标准也不同。

翻译：信息结构、卖点、证据体系全部不动，只换语言。它适合验证「这个市场有没有人问」，成本最低，可以批量跑。

本地化：语言加上当地的约束条件。度量单位、电压插头、含税价与运费口径、认证与保修、退货窗口，以及当地买家拿什么字段筛选。结构可以保留，证据必须重取。

原生化：以当地市场为起点，重做选题、比较对象、作者与引用渠道。它不是翻译的升级版，而是另一条内容线，产出的是本地品牌感，不是更好的译文。

一条硬判断：只要页面上的证据还是源市场的，它就仍停在翻译层，哪怕文字出自母语译者。把「军工级」翻成 military-grade，不会让它变得可验证。

机翻在 AI 答案里失效，是检索问题

机翻的失效不在语法，在检索。按修复顺序，有三个原因。

第一，模型检索的是当地买家实际打出的词，包括区域同义词与本地型号叫法。机翻产出的是源语言词的一一映射，天生少一层当地词表。同一个东西在五个国家有五种叫法，翻译不会替你做这件事，见区域同义词。

第二，证据不可复核。形容词能翻，「凭什么信」不能。「行业领先」翻过去仍是一句无法核验的话，AI 回答「有什么不足」「和谁比」时会直接跳过它。

第三，跨语言矛盾。中文站写保修两年、德语站写一年，一处价格含税一处不含，模型取哪个都可能是错的。单语错误只污染一个市场，跨语言矛盾同时污染两个。这是版本关系问题，不是文案问题，处理方式见多语言 URL 与 hreflang。

三条加起来，解释了为什么换翻译供应商没有用：机翻的问题是证据没换，不是译文不地道。

成本差是倍数，收益差是台阶

成本大致按倍数走，收益不是。把三层放到同一行上比，落差就出来了。

层级	换什么	相对成本（示例口径，同一 SKU 单市场）	能拿到什么	拿不到什么
翻译	语言	1×	当地人看得懂，能接住品牌词	进入当地 AI 候选集
本地化	语言加约束条件与证据	3–5×	被当地 AI 检索到，答案摘得出字段	被当地买家当成本土品牌
原生化	选题、比较对象、作者、渠道	8–10× 起	本地引用网络与首选位	产品力与履约的短板

判断在表外：翻译到本地化是一次台阶式跃迁，从读得懂跳到进得了候选集；本地化到原生化是边际改善，从能进到优先。所以大多数团队的正确顺序是先补齐本地化，只在两个信号同时出现时才升级：已经稳定进候选集却从不被首选；在当地站外几乎零引用。

示例：同一台咖啡机，三种写法

以下品牌与参数为虚构，只用于演示三层的差别。

翻译版：Leistungsstarke Kaffeemaschine mit One-Touch-Bedienung, ideal für Zuhause und Büro, hochwertige Verarbeitung。语法正确，但没有任何可比较的字段，AI 摘不出东西。

本地化版：把德国买家真正用来筛选的字段写进去——10 杯玻璃壶、可拆冲煮组、除垢程序、220–240V、含税到手价、配送时效、退货窗口、备件供应年限。这一版不追求文采，只追求每个字段只有一个取值，且与结算页一致。

原生化版：选题换成「小办公室要不要买带保温壶的机器」，比较对象换成当地买得到的三款，作者是当地可查的测评作者，证据来自同一套测试口径。它争的不是看得懂，是被优先推荐。

三句话已经能看出分工：翻译版给语气，本地化版给字段，原生化版给立场。

四步定层，别一次上到最贵

先定层，再动手。层级定错，后面每一步都是返工。

步骤	做什么	谁来做	怎么算过
1 定层	按该市场收入占比、决策复杂度、竞争强度选定层级	增长与创始人	写清今年只做到本地化，并写明不升级的理由
2 抽字段	从当地真实提问里抽出 5–8 个筛选字段，做字段与证据对照表	内容与品类	每个字段在页面上只有一个取值
3 换证据	单位、电压、认证、含税价、保修、退货口径全部换成本地口径	内容与运营	与结算页、feed 完全一致
4 抽取测试	用目标语言的原问题直接问模型，看答案里有没有你的字段	内容	答不出就改页面，不换翻译

第 1 步的输入是市场选择：先做哪个国家，用市场进入的 6 个变量排一遍。第 4 步是唯一能证伪的一步，采样口径沿用分市场度量，不要用一次截图下结论。

字段出现了但排序靠后、从不被首选，说明本地化已到位，可以谈原生化；字段根本没出现，原生化再贵也救不了。

边界：什么时候不该升级

第一，只试水、SKU 少、订单主要来自平台内。平台自己处理语言与本地化字段，官网做到翻译够用即可，钱应该花在 listing 上。

第二，强合规品类。医疗、儿童、电池这几个类目里，本地化不是做得更好，是准入门槛；跳不过，但也未必需要原生化。

第三，低价标品。买家比的是价格与配送，原生化换不回溢价，本地化到字段齐全就够。

第四，把本地化当成「找母语译者润色」，是最常见的误用。润色只改语言，不改证据，改完还是同一套无法核验的说法。

第五，机翻不是原罪。用机翻先验证需求是理性的；但别让机翻版本成为该语言的主要索引版本，否则跨语言矛盾会先于流量出现。

三层的取舍最终要落到「这个市场值不值得原生化」的账上，入口与市场的先后顺序汇总在战略与市场主题页。

这个月先做一件事：选一个非英语市场，把当地语言的 10 个真实提问抄下来，用它们直接问模型，再把答案里出现的筛选字段抄成一列；你的页面缺哪三个，就先补哪三个，并同步到结算页与 feed。别先换翻译供应商——多数团队的第一笔钱应该花在字段上，不是花在译文上。