Du kan inte hantera det du inte kan mäta. I den här tredelade serien kommer vi att utforska de data som behövs desperat för att förbättra moderna strategier för översättningshantering.

Hur verifierar du kvaliteten på innehåll skrivet på ett språk du inte talar? Det är en gåta som översättningsbranschen fortfarande aldrig riktigt har löst för frustrerade globala marknadsförare. Visst, de flesta leverantörer kan peka på ett kompetenstest som deras översättare klarade och en granskning i flera steg som styr varje projekt. Men utöver åsikten från den senaste redaktören som rörde ditt innehåll, vilka försäkringar kan de verkligen erbjuda dig?

Enligt SDL:s Translation Technology Insights-rapport mäter 59 % av översättningspersonalen antingen inte kvalitet alls eller förlitar sig på rent kvalitativa kriterier. Eller, för att uttrycka det på ett annat sätt, många ber till korrekturläsningens gudar och hoppas att inga fel upptäcks av deras klienters kunder eller kollegor.

Men fel upptäcks, eller hur? Vi vet detta objektivt, tack vare det faktum att 64 % av översättningsproffsen säger att de regelbundet utför omarbetningar baserat på feedback från tredje part. Men vi vet det också intuitivt när vi hör viskningar om att vårt främmande språks innehåll känns klumpigt, besvärligt eller robotiskt.

Så framöver, hur kan vi härleda ett mått på översättningskvalitet som alla litar på?

Vägen till kvantifierad översättningskvalitet

Du behöver ingen erfarenhet av översättningsprojekt för att känna igen fallgroparna med kvalitativ feedback. Oavsett om det var musik eller en måltid, kan vi alla minnas en tid då vår kreativa produktion möttes av väldigt olika åsikter. Vissa berömde vår prestation, andra skällde ut vår inkompetens och vi lämnades utan en klar uppfattning om hur eller om vi behövde förbättra oss.

Även om det alltid är viktigt att väga balansen mellan personliga åsikter, måste giltiga kvalitetsbetyg i slutändan också infunderas med en uppsättning obestridliga, objektiva standarder. Och alla från matkritiker till konståkningsdomare kan intyga att konst inte nödvändigtvis är undantagen från kvantifiering.

Översättningsproffs kommer sakta fram till samma slutsats. Den (nu nedlagda) Localization Industry Standards Association (LISA) var den första att popularisera ett kvalitetssäkringsramverk som bedömde olika grammatiska, stilistiska och formaterande element på enkla 1-10 skalor. Translation Automation User Society (TAUS) har sedan dess förbättrat detta tillvägagångssätt med en mer dynamisk och heltäckande egen modell.

Trots den tacksamhet som vi är skyldiga dessa organisationer för att ha flyttat konversationen i rätt riktning, delar deras lösningar samma grundläggande brist: ett kvalitetsbedömningsprotokoll som tillämpas i efterhand. Granskare granskar ett urval av publicerat innehåll och räknar felen retroaktivt.

Så även om det är trevligt att kvantifiera en översättares noggrannhet, är det att lära sig om deras dåliga betyg efter att innehållet gick live, ungefär som att lära sig om din taxichaufförs historia av trafiköverträdelser efter att han kört dig i ett dike.

Ja, du kommer att ha en objektiv anledning att byta tjänsteleverantör i framtiden. Men skadan var redan skedd.

Kraften i prediktiv bedömning

Dåliga kreativa resultat är sällan en överraskning. En närmare analys av deras produktion kommer nästan alltid att avslöja att hörn skars vid en tidpunkt då noggranna förberedelser istället krävdes. Framgång är alltså egentligen bara resultatet av goda vanor som tillämpas vid viktiga ögonblick.

Vissa framgångsfaktorer för översättning är redan ganska uppenbara. Att hänvisa till visuellt sammanhang, återanvända strängar som lagras i översättningsminnet och spendera mycket tid på granskning är alla beteenden som korrelerar väl med översättningskvalitet. Men även då kan de flesta företag fortfarande bara se dessa aktiviteter i efterhand om allt.

Allt börjar dock förändras med ankomsten av molnbaserade översättningssystem som spårar beteende när det händer. Varje åtgärd kan fångas som en datapunkt i realtid. Som ett resultat kan vi nu objektivt analysera språkliga vanor före publicering och göra en välgrundad förutsägelse om den resulterande översättningskvaliteten.

Det är logiken bakom Smartlings nya Quality Confidence Score ™ (QCS), en procentbaserad förutsägelse av förväntad noggrannhet baserad på analys av mer än 75 beteendebaserade framgångsfaktorer.

Detta dynamiska mått ger betydande kraft till översättningskunder. Den oöverträffade transparens som möjliggörs av data gör det möjligt för dem att göra smarta bedömningar av både Smartling-översättare och externa byråer. Som ett resultat kan vårdslösa beteenden identifieras och åtgärdas långt innan de har en chans att äventyra varumärkets rykte.

Förutom att hålla dina översättningsleverantörer ansvariga kan QCS också inspirera till strategiska arbetsflödesjusteringar. Om betygen förknippade med tekniskt innehåll är jämförelsevis låga, till exempel, kan det vara påminnelsen du behöver för att skapa en ordlista som översättare kan referera till. Samtidigt kan konsekvent höga betyg förknippade med en viss översättare ge dig lyxen att dra ner på ett dyrt granskningsprotokoll.

Så på frågan om hur vi tycker att marknadsförare ska gå tillväga för att bedöma kvaliteten på sitt främmande språkinnehåll är svaret i dag faktiskt ganska enkelt.

Bestäm med data.

Läs mer

Kontakta oss idag för att lära dig exakt hur data kan förbättra dina översättningsresultat.