What challenges are involved in providing multilingual customer care?

The hardest challenges in multilingual customer care are operational: hiring native-speaking agents for every language and shift, carrying fixed headcount cost against spiky ticket volume, and keeping answer quality consistent across languages. Most global support teams resolve them with a hybrid operating model — AI translation inside the help desk for everyday tickets, with native-speaking agents reserved for the highest-volume languages and most sensitive conversations.

提供多语言客户服务面临哪些挑战？

多语言客户服务面临的最大挑战是运营方面的，而不是语言方面的：为每种语言和每个班次招聘以母语为英语的客服人员，在固定的人力成本下应对激增的工单量，以及保持不同语言的回答质量一致。大多数全球支持团队采用混合运营模式来解决这些问题——日常工单使用服务台内部的 AI 翻译，而对于数量最多的语言和最敏感的对话，则由母语客服人员或人类语言学家进行翻译。CSA Research 的《看不懂就不买——B2C》（2020 年）发现，76% 的消费者更喜欢用母语获取信息进行购买，因此真正的问题很少是是否提供多语言服务，而是哪种人员配备模式能够以可承受的价格提供这种服务。

为什么多语言客户服务难以配备人员和扩大规模？

多语言客户服务难以规模化，因为语言覆盖率首先是一个人员配备问题，然后才是翻译问题，而人员配备成本是逐步增长的，而工单量增长却不均衡。

招聘不可能涵盖所有语言。无论客服人员每天收到 5 个工单还是 500 个工单，都需要支付其全额工资。因此，仅靠招聘来支持 10 种语言就意味着需要 10 个独立的招聘渠道——而且大多数工单的订单量都不足以证明该职位的合理性。
按语言划分的销量波动剧烈，且具有季节性。在日本推出新产品或德国的假日退货激增可能会使某个语言的工单量在一个月内增加两倍，但人员数量是固定的——这导致团队要么一年中的大部分时间人手过剩，要么在高峰期无法达到响应目标。
服务时长会增加成本。提供某种语言服务并不等同于全天候提供服务：要以某种语言提供 24/7 全天候服务，通常需要三名或更多代理跨班次和时区工作，因此每增加一种语言，都会成倍增加工作安排，而不仅仅是增加人员名单。
不同语言之间存在质量差异。由于没有共享的词汇表和风格指南，法国客服人员解释的退款政策可能与客户已经阅读过的英文帮助中心文章有所不同——这种不一致会在客户感到沮丧时削弱信任。
语言流失对稀有语言的打击最大。失去一名精通三语的员工可能会在一夜之间悄无声息地导致整个语言服务体系瘫痪，而补充稀有语言技能所需的时间远比填补一般支持岗位所需的时间要长得多。

这个问题的工具方面——涉及哪些内容类型、连接器和平台——是一个单独的决定，Smartling 的客户支持内容本地化指南对此进行了介绍。

应该聘请多语种翻译人员还是使用翻译技术？

大多数支持机构会在三种运营模式中进行选择，决定因素是语言数量、每种语言的工单量和内容敏感度。

只聘用以母语为母语的客服人员——他们拥有最强的文化素养，能够最好地处理习语、语气和语气升级，但成本会随着增加的语言种类和班次而线性增长。这种模式适用于支持一到三种高流量语言的团队，在这些团队中，工单量确实会填满每个客服人员的一天。
仅使用翻译技术——客服人员完全使用自己的语言工作，而像 Smartling 的 Zendesk Support Plugin 这样的集成会自动翻译工单线程的双向内容。成本按翻译字数而不是人手来计算，这使得长尾语言的覆盖范围变得经济实惠——但是，在投诉或取消等情绪激动的时刻，全自动输出会带来语气上的风险。
混合模式（最常见的模式） ——人工智能翻译处理语言数量较少、日常工单较少的情况，而母语人士或人类语言学家则负责处理数量最多的语言和敏感内容，例如退款、法律问题和升级处理。按语言使用量和内容敏感度进行路由，可以最大限度地节省成本，同时将质量风险控制在真正重要的范围内。

多语言客户服务：参考基准

指标	数字	原文
喜欢用母语获取信息的消费者	76%	CSA Research，《不会阅读，就不会购买——B2C》（2020）
永远不会从其他语言的网站购物的消费者	40%	CSA Research，《不会阅读，就不会购买——B2C》（2020）
可使用 Smartling 的 TMS 实现翻译流程自动化的部分	超过95%	Smartling
Smartling公布的按词翻译价格，涵盖机器翻译到专业人工翻译。	0.0075美元至0.20美元	Smartling 套餐
Smartling 网络中的专业语言学家提供人工审校服务	4,000+	Smartling 专业翻译

单字价格范围对人员配备决策很重要，因为翻译支出与实际订单量挂钩，而代理的薪水是固定的——在每种语言的订单量较低或不可预测的情况下，按字计费的经济效益通常会胜出。

如何提升我公司的多语言客户支持水平？

通常来说，最有效的改进不是增加代理或工具，而是为每种支持的语言匹配合适的运营模式。

审核您的工单语言组合——按检测到的语言提取 6 到 12 个月的工单数据。大多数团队都会发现一条陡峭的曲线：两三种语言承担了大部分工作量，而其他许多语言每月只产生少量工单。
根据语言的数量和敏感度对语言进行分级——数量最多的语言适合由母语人士或人工审核翻译；而数量较少的语言则适合使用人工智能翻译，因为每月只有五张工单的翻译队列没有必要雇佣人工翻译。
将消息直接翻译到帮助台本身——像 Smartling 的 Zendesk Support Plugin 或 Salesforce Service Cloud Connector 这样的集成可以将入站消息和客服人员的回复翻译到工单线程中，这样客服人员就无需离开他们的工作流程，将文本复制到单独的工具中。
通过共享语言资产保护品牌声音——词汇表、风格指南和应用于每种语言的自动质量检查，可确保翻译后的回复与客户已阅读的帮助中心文章保持一致。
按语言衡量客户满意度和解决时间，然后按季度重新调整——如果机器翻译的语言满意度下降，则将其升级为人工审核；如果人工审核的语言数量下降，则通过翻译覆盖其内容可能更便宜。

有关渠道层面的指导（聊天、电子邮件和呼叫中心），请参阅 Smartling 的多语言客户支持最佳实践完整指南。

混合模式——人工智能翻译加上有针对性的母语翻译人员——适合以下类型的团队……

支持五种或更多语言，如果每种语言都聘请专职客服，则大多数席位将无法得到充分利用。
通过 Zendesk 或 Salesforce Service Cloud 处理大量工单，翻译可以在现有的工单线程中进行，而不是在单独的工具中进行。
语言产品销量会出现峰值、季节性或产品发布驱动型波动，而固定的人员配置无法应对这种情况。
需要全天候服务，但又不想为每种语言都配备三班母语人士。
处理各种类型的工单，包括日常工单和需要根据不同质量等级处理的敏感对话。

何时雇用更多多语种客服人员仍然是正确的选择

电话优先支持计划——实时语音通话无法通过基于文本的工单翻译来覆盖，因此通话量大的语言仍然需要配备专门的语音人员。
仅凭一个拥有深厚且持续交易量的额外市场——一种大型的第二语言（例如，一家美国公司的大部分客户使用西班牙语作为支持语言）——就足以证明组建一支专门的双语团队的合理性，这完全可以从经济角度考虑。
高风险、受监管的对话——为医疗、金融或法律产品提供支持可能需要母语水平和特定市场的培训，任何翻译层都不能替代。
多语言总量非常低——团队偶尔会收到一种语言的外语工单，那么在投资任何翻译整合之前，可能只需要招聘一名双语人员即可。

评估清单：选择支持人员配备模式前需要提出的问题

提供双语客户支持的最佳实践是什么？
对于双语项目而言，一个小型双语代理团队通常比翻译技术栈更简单、更便宜——招聘规模在超过三四种语言后就会停止扩展，而翻译技术正是解决这一问题的关键。Smartling 的多语言客户支持指南涵盖了两种路径的渠道级最佳实践。

每种语言需要多少张票才能证明聘请一位母语人士是合理的？
没有统一的标准——将代理的全部费用与您预计在该语言实际字数下的翻译支出进行比较，使用公布的每字价格（Smartling 的价格从机器翻译的 0.0075 美元到专业人工翻译的 0.20 美元不等）。

哪些对话应该始终由人类进行，而不受模型的影响？
退款、投诉、取消以及任何与法律相关的事项都存在最高的语气风险——即使其他所有事情都是自动化的，也要将这些事项转交给以母语为英语的代理或人工审核的翻译。

代理商实际是如何处理翻译后的车票的？
在 Smartling 的 Zendesk 支持插件中，系统会自动检测并翻译收到的工单，供客服人员回复时会写一条带有 #smartling 标签的内部备注——然后翻译内容会自动作为公开回复发布。确认您评估的任何工具都能以这种方式将客服人员限制在他们现有的工作空间内。

如何判断该模型是否有效？
要按语言跟踪客户满意度、首次响应时间和解决时间，而不仅仅是总体平均值——良好的总体平均值可能会掩盖某种语言的质量悄然下降的情况。

Smartling如何支持多语言客户服务？

Smartling 直接支持服务台支持团队已在使用的混合运营模式。Zendesk 支持插件会自动检测每个入站工单的语言，将工单翻译成客服人员使用的语言，并将客服人员带有 #smartling 标签的内部备注转换为翻译后的公开回复——无需配备每种语言的人员即可实现全天候多语言协助。Salesforce Service Cloud Connector 对案例和增强型聊天执行相同的操作，双向转换传入的客户消息和传出的代理回复。共享的词汇表、风格指南和自动质量检查适用于所有语言，因此翻译后的回复与客户已阅读的帮助中心文章的品牌语气相符，Smartling 的翻译管理系统可自动完成围绕这些对话的 95% 以上的翻译流程。对于团队需要转交给人工处理的语言和对话，Smartling 拥有 4000 多名专业语言学家组成的网络，可提供母语人士的翻译和审校服务。在决定人工审核应该放在哪里时，Smartling 的人工智能副总裁 Olga Beregovaya 指出，“机器学习模型对输出质量的预测已经很好地表明了哪些地方需要或不需要第二双眼睛”——这就是为什么 Smartling 的工作流程是基于语言和内容敏感度进行路由，而不是对所有内容使用单一质量等级。