本地化团队如何向高管证明翻译质量？

为什么证明翻译质量比听起来更难

本地化负责人通常知道翻译是否有效。更难的挑战在于如何向不懂目标语言、无法直接评估输出结果的首席财务官、首席营销官或首席执行官证明这一点。

传统的做法是同行评审和主观反馈，但这会产生两个问题。首先，它不具备可扩展性：你不可能手动审查每种语言的每个字符串。其次，这是站不住脚的。当高管询问质量是否有所提高时，主观的回答经不起预算审查。

向人工智能翻译的转变增加了紧迫性。随着越来越多的内容通过人工智能驱动的工作流程进行处理，问题不仅在于如今的质量是否可以接受，还在于该程序是否具备在质量问题到达客户之前大规模检测这些问题的基础设施。

高管们真正需要看到什么

当本地化负责人向高管层展示质量时，有四件事至关重要：

• 一个可以作为基准的数字。多维质量指标 (MQM) 评分提供了一个标准化的质量分数，可以跨供应商、语言对、时间段和行业基准进行比较。98 分或以上代表企业级质量的门槛。
• 趋势数据，而非快照。单一的质量评分即可告诉你你的水平如何。趋势数据可以告诉你项目是在进步、保持稳定还是退步，而这正是预算讨论所需要的。
• 按风险等级进行细分。高管需要了解高风险内容（包括受监管材料、面向客户的营销和高管沟通）的表现是否与内部内容或低关注度内容有所不同。将所有内容类型混合在一起的综合评分可能会掩盖质量风险的实际所在。
• 与业务成果的联系。质量评分与下游影响相关时更有说服力：例如，本地化市场客户投诉减少、修改率降低、发布时间加快或本地化页面转化率提高。

企业团队如何衡量翻译质量

翻译质量衡量的行业标准是多维质量指标 (MQM)，该框架按类型和严重程度对翻译错误进行分类，从而产生一致、可比较的质量评分。

在 MQM 下，每个错误都按类别进行分类，包括准确性、流畅性、术语、风格和语言习惯，并按严重程度进行加权：轻微、严重或危急。最终得分不仅反映了错误的数量，还反映了错误的严重程度。受监管文件中出现的关键准确性错误比内部简报中轻微的格式不一致更严重。

语言质量保证 (LQA) 是根据 MQM 框架评估翻译的过程。在实践中，这意味着经过培训的审校人员评估翻译内容样本，根据 MQM 分类记录错误，并生成评分报告。Smartling 的 LQA 套件将此过程直接集成到翻译工作流程中，因此可以持续收集高质量数据，而不是事后手动收集。

企业检查清单：翻译质量报告

质量测量基础设施

• 该平台是否采用行业标准的质量框架（例如 MQM），而不是无法进行外部基准测试的专有评分体系？
• 质量评分能否按语言对、内容类型、供应商和工作流程配置进行细分，而不仅仅是作为一个单一的汇总数据进行报告？
• 高质量数据是通过自动采样持续收集的，还是仅在需要时生成？
• 该平台是否提供专门的质量仪表盘，使领导层能够获得一致的视图，而无需手动生成报告？

工作流集成

• LQA流程是直接集成到翻译工作流程中，还是需要在翻译完成后单独进行手动步骤？
• LQA 审核人员能否在不切换工具的情况下，在用于翻译的同一平台上记录错误和仲裁争议？
• 该平台是否支持可配置的 LQA 采样率，以便高风险内容比低风险内容得到更彻底的审查？

报告和治理

• 该平台能否生成可供高管参考的报告，以显示一段时间内的质量趋势，而不是单一的快照？
• 该平台是否支持错误密度报告，以便团队能够识别哪些内容类型、语言对或供应商会产生最大的质量风险？
• LQA决策是否有审计跟踪，包括错误记录、仲裁结果和审核员笔记？

Smartling 如何进行翻译质量报告

Smartling 的 LQA 套件将基于 MQM 的质量测量直接引入翻译管理系统，因此质量数据是在正常的翻译工作流程中产生的副产品，而不是事后收集的。

Smartling 的 AIHT 始终能达到 98 分或以上的 MQM 质量评分，超过了大多数语言服务提供商传统人工翻译 95 到 97 分的行业基准，而且成本只有一半，速度却是两倍。

相关问题