Translation Review Reportsを使用して、クライアントより先に品質の問題を発見しましょう

大規模なローカリゼーションの品質管理を行っている方なら、本当のリスクは「レビューが行われたかどうか」ではなく、「レビューがうまくいかなかった場合にそれに気づけるかどうか」であることをすでにご存知でしょう。一次レビューがAIに移行するにつれて、この問いに自信を持って答えることは難しくなっています。これは現在あらゆる場所で見られるパターンです。変化のスピードが、私たちがそれにタイムリーに気づく能力を上回り続けており、品質レビューも例外ではありません。

現在、数十のプロジェクトやレビュアーにわたって品質を証明するには、通常、誰かが毎月作り直すスプレッドシートや、進捗確認のために作業を中断させなければならないPM、あるいは何かがうまくいかなかったことを示す最初の明確なシグナルとなるクライアントからのエスカレーションに頼るしかありません。

これらはどれも拡張性がなく、問題がクライアントに届く前ではなく、事後に品質証明の負担を強いるものばかりです。

Translation Review Reportsは、そのような場当たり的な対応を、ワークスペース全体のレビュー品質に関する単一の信頼できる情報源に置き換えます。承認率、編集量、レビュアーのアクティビティは、各プロジェクトですでに生成されているデータから自動的に表示されるため、エクスポートや個別のトラッカーを管理する必要はありません。

ワークスペースビューから、任意のプロジェクト、レビュアー、またはセグメントをドリルダウンし、単なる数値だけでなく、その数値の背景にある実際の編集前/編集後の内容を確認できます。

• ワークスペース全体の承認率。すべてのプロジェクトの傾向を1つのビューで確認できます。品質の低下を検知し、クライアントが問題に気づく前にプロジェクトを修正します。
• プロジェクトごとの編集量。特定のプロジェクトでレビュー担当者が実際に変更した量と、ワークスペースの平均を比較します。どの言語ペアにまだ2回目の人間のチェックが必要かを、直感ではなく根拠に基づいて把握できます。
• レビュー担当者のアクティビティ追跡。誰が、何を、どれだけレビューしたかを確認できます。ボトルネックが原因で期限に遅れる前に、ワークロードのバランスを再調整します。
• セグメントレベルの編集前/編集後の比較。集計値の背後にある実際の編集内容を確認できます。印象ではなく根拠に基づいて、QA監査とレビュー担当者のコーチングを実施します。
• セットアップ不要。既存のプロジェクトデータからレポートが自動的に作成されます。設定や移行を行うことなく、今すぐこの可視性を手に入れることができます。

「Smartcatで処理するコンテンツが増えるほど、プラットフォームから得られる翻訳の再利用効果が高まり、誰もが翻訳に対してより大きな自信を持てるようになります。この自信は、規模を拡大するにつれてさらに深まっています。」 – Michelle Quirke氏（Topcon、Program Engagement Manager）

• 月次の品質監査を実施するLQAリードは、5人のPMに手動レポートの作成を催促する代わりに、ワークスペース全体の承認率の傾向を抽出し、しきい値を下回っているプロジェクトがクライアントに届く前にフラグを立てます。
• 大量のエンタープライズアカウントを扱うローカリゼーションプログラムマネージャーは、プロジェクトごとの編集量を使用して、どの言語ペアにまだ2回目の人間のレビュー担当者が必要か、どの言語ペアならAIレビューのみで安全に進行できるかを判断します。
• エンタープライズ管理者は、レビュー担当者のアクティビティデータを使用して、季節的なコンテンツの急増を前に、誰かが過負荷になる前に社内レビューチーム全体の割り当てバランスを再調整します。

1. ワークスペースのナビゲーションからレポートを開きます。
2. 対象範囲（ワークスペース全体または単一のプロジェクト）を選択します。
3. ダッシュボードを確認します。承認率、編集量、レビュアーのアクティビティが自動的に表示されます。
4. 任意のセグメントをクリックすると、数値の背景にある編集前/編集後の正確な内容を確認できます。

Anticipate、Autonomous、Unite、Enterpriseプランで自動的に利用可能です。設定は必要ありません。

詳細な手順については、SmartcatヘルプセンターのTranslation Review Reportsについてをご覧ください。