

Det er oversettelse som får innholdet ditt til et annet språk, men lokalisering er det som gjør at det fungerer der. Forskjellen viser seg i konverteringsrater, innsikt fra lokale team og om kunder i et nytt marked føler at merkevaren henvender seg til dem i stedet for bare å kommunisere med dem .
Weglot , et verktøy for nettstedsoversettelse, kan være sentralt i innholdsstrategirammeverket ditt rundt hva som tilpasses og ikke tilpasses på tvers av markeder. Du må imidlertid fortsatt vite om hvordan du strukturerer teamet ditt for konsekvent lokalisering og hvordan AI-verktøy håndterer volumet.
Oversettelse, lokalisering og transkreasjon er tre forskjellige nivåer av innholdstilpasning. Å bruke feil nivå på et innholdsstykke er en vanlig måte en internasjonal strategi kan underprestere på:
Avgjørelsen om hvilken tilnærming som skal brukes, avhenger av hva innholdet prøver å oppnå. For eksempel er funksjonell tekst (som UI-strenger, produktbeskrivelser eller hjelpedokumentasjon) en lokaliseringsjobb. Markedsførings- og merkevareinnhold, der tone og emosjonelt register bærer kommersiell vekt, er ideelt for transkreasjon.
I DeepLs lokaliseringsundersøkelse rapporterte nesten alle spurte en positiv avkastning på investeringen (ROI) fra lokalisering, med et flertall som så en avkastning på tre ganger eller mer. Vår mening er at mesteparten av denne avkastningen ligger i gapet mellom oversettelse og lokalisering av innhold.
Før du tilpasser merkevaren din til et nytt marked, må du bestemme deg for hva du ikke er villig til å tilpasse. For eksempel er det verdiene, oppdraget og kjerneformålet ditt som gjør lokaliseringsprosessen mulig, så de bør ikke endres.
Uten en definert kjerne kan det å gi lokale team frihet til å tolke merkevarens stemme fragmentere innholdet ditt i stedet for å få det til å føles lokalt og autentisk for merkevaren. Å vite forskjellen på hvilke elementer som «reiser» eller fleksibler avhengig av den kulturelle konteksten gjør også lokaliseringen din repeterbar.
Merkevarens verdier og hva det står for, personlighetstrekkene som definerer hvordan du kommuniserer, og terminologi eller navngivning av produkter endres vanligvis ikke. For andre elementer har du større mulighet til å tilpasse innholdet:
Kim Reyes, kreativ leder i finansselskapet Qonto, snakket med oss på Next Market Live -podkasten om hvordan dette håndteres gjennom felles tonefallsprinsipper.
Under samtalen beskriver hun merkevarelokalisering som kodebytte på merkenivå og tilpasning til kontekst uten å miste en følelse av hvem du er:
«...Hvordan sørger jeg for at jeg tilpasser meg riktig kultur og situasjon, men fortsatt forblir autentisk meg selv? Det er kjernen i spørsmålet som merkevare: hvordan forblir du autentisk deg, vel vitende om at språk oppfattes forskjellig i forskjellige deler av verden? ...» – Kim Reyes, kreativ leder, Qonto
Tidlig i Kims karriere i et selskap der disse prinsippene fantes i dokumentasjonen, men ikke var integrert i teamet, leste nettstedet, produktlinjen og sosiale medier forskjellig fra marked til marked. Kort sagt, hvis prinsippene eksisterer, men infrastrukturen for å gjøre dem til virkelighet ikke gjør det, kan det bite deg.
Med en dokumentert kjerne på plass blir spørsmålet hvordan merkevarens stemme bør høres ut i hvert marked. Den mest umiddelbare strukturelle avgjørelsen for europeisk ekspansjon er om man skal bruke et formelt eller uformelt register.
Qonto opererer i Tyskland, Frankrike, Italia, Spania og Nederland. I Tyskland og Frankrike bruker Qonto en formell tone fordi dette signaliserer troverdighet og tillit til profesjonell finansiell kommunikasjon. I Italia og Spania er det uformelle registeret mer akseptert og relaterbart. En formell tone i disse markedene oppfattes som kald snarere enn autoritativ.
«Konsistens betyr ikke nødvendigvis ensartethet eller rigiditet. Det handler om å forstå markedets målgruppe og hva kundene vil relatere seg til.» –
Kim Reyes, kreativ leder, Qonto
Disse beslutningene kommer alle fra data: benchmarking av konkurrenters posisjonering, samtaler med morsmålstalende og et bevisst valg om hvor Qonto ønsker å stå i hvert marked. Når du har tatt disse beslutningene, legges de inn i retningslinjene for merkevaren din, noe som gjør dem konsistente snarere enn avhengige av hvem som skriver innholdet.
For Qontos belgiske og nederlandske ekspansjon valgte teamet en uformell tone etter litt benchmarking. Da kundeintroduksjonsteamet begynte å ringe nye kunder for første gang, føltes det uformelle registret for uformelt for en direkte samtale om bedriftsøkonomi. Qonto dokumenterte dette unntaket og kalte det «lokalisering innenfor lokalisering».
Bortsett fra registeret, bør din kulturelle tilpasning inkludere noen andre elementer:
Hver av disse avgjørelsene hører hjemme i dokumentasjonen din. Ellers ender du opp med å løse dem fra bunnen av med hver nye innholdskampanje.
Å forstå hva som må tilpasses er bare halve avgjørelsen når du også må strukturere teamet ditt for konsistens. Sentrale innholdsteam tar vanligvis med seg forutsetningene fra bedriftens hjemmemarked i alt de produserer.
Da Kim begynte i Qonto, var det sentrale innholdsteamet i hovedsak det franske teamet. Innhold som skulle til Tyskland, Italia og Spania hadde allerede blitt filtrert gjennom et fransk perspektiv før lokaliseringen startet. Det betydde at teamene tilpasset materiale formet av ett markeds forutsetninger i stedet for å jobbe ut fra noe markedsnøytralt.
Disse strukturelle endringene krevde at franske innholdsspesialister ble overført til dedikerte team. Dette gjorde at det sentrale teamet måtte betjene alle markeder fra et nøytralt utgangspunkt.
Oppgaven som ble sendt til lokale team begynte også å inkludere kontekst for viktige budskap i ulike markeder. For ditt eget innhold betyr det at du må forstå hvilke aspekter ved produktets eller tjenestens funksjonalitet og egenskaper som er mest viktige i hver region. Sannsynligheten er at det er forskjellig fra sted til sted.
Det er her en innholdsstyringsmodell kan være avgjørende. Den handler i hovedsak om å sementere beslutningene du har tatt så langt om innholdspresentasjonen din på tvers av ulike regioner gjennom tre fasetter:
Dokumentasjonen din binder dette sammen, men det er også der det kan oppstå hull hvis du velger å jobbe med AI . For eksempel er retningslinjer for tonefall skrevet for menneskelige lesere avhengige av abstraksjon. Dette kan være generelle beskrivelser, analogier eller til og med visuelle signaler som signaliserer intensjon (som emojier). Dessverre fungerer ikke dette i en stor språkmodell (LLM).
For Qonto ga det dårlig resultat å mate de eksisterende retningslinjene direkte inn i en AI-lokaliseringsassistentmodell. Dette var fordi dokumentasjonen var skrevet for folk som forsto subtil kontekst. For å gjøre modellen nyttig måtte veiledningen omskrives med spesifikke, konkrete instruksjoner uten rom for tolkning. Med andre ord, som maskinlesbare instruksjoner.
Qontos dokumentasjon dekker nå en universell tonefallsstandard med markedsspesifikke seksjoner for hvert språk, komplett med eksempler. I tillegg går alle nyansatte gjennom en onboarding-sesjon med tonefallsstandard.
På et tidspunkt brukte Qontos lokale innholdsteam nesten halvparten av kapasiteten sin på lokaliseringsforespørsler fra andre team. Arbeidet var nødvendig, men volumet ga lite rom for det redaksjonelle og strategiske arbeidsteamet.
Dette er en ideell jobb for en AI-modell, ettersom den håndterer tre ting godt i en lokaliseringsarbeidsflyt:
Det AI imidlertid ikke kan gjenskape er kulturell og redaksjonell vurdering, som for eksempel om en tone som fungerer i ett marked skaper feil inntrykk i et annet. Kim Reyes beskriver dette som et skifte mot en mer journalistisk tilnærming til innhold: å danne ekte meninger og undersøke flere perspektiver. Mens innholdsteamet bidrar og fokuserer på dette aspektet, kan AI håndtere volumet.
Qonto har en to-trinns AI-arbeidsflyt for å bygge bro mellom hastighet og kvalitet. Språkspesifikke assistenter håndterer førstegangsoversettelse til hvert målspråk, deretter evaluerer en annen AI-agent resultatet mot kvalitetskriterier. Det betyr at et teammedlem som ikke har målspråket som morsmål, kan vurdere kvaliteten med en viss grad av sikkerhet uten å stole på sin egen lesing av et ukjent språk.
Weglot AI-oversettelsesmodell bruker samme prinsipp: konfigurer modellen med merkevarens kontekst én gang og bruk konteksten fra den første oversettelsen. Modellen lærer fra en kombinasjon av inndata:
AI-oversettelsesmodellen er bygget på OpenAI og Gemini , og du konfigurerer den fra din Weglot dashbord. Det er også inkludert i alle Weglot abonnementer .
For å sette det opp, gå til Innstillinger > Språkmodell i Weglot Oppsettskjermen fyller ut en merkebeskrivelse hentet fra nettstedets innhold på forhånd, som du kan finjustere før du legger til toneinstruksjoner og tilpassede regler.

Alle oversettelser modellen genererer får en GenAI-etikett i oversettelseslisten . Du kan filtrere etter denne etiketten for å se gjennom alle AI-genererte strenger som en gruppe. Derfra kan du sammenligne dem med den grunnleggende maskinoversettelsen og redigere dem innebygd.

Hver korrigering du gjør vil forbedre modellens utdata over tid. Idealet er at mens kvaliteten forbedres, vil volumet av manuelle redigeringer reduseres med hver gjennomgangssyklus.
For å sikre merkevarekonsistens på termnivå, håndhever ordlisteregler (under Innstillinger > Ordliste ) godkjent terminologi på tvers av alle sider og språkversjoner. Reglene gjelder også tilbakevirkende kraft for eksisterende oversettelser og automatisk for alt nytt innhold.

For innhold som skal forbli helt i sin opprinnelige form, lar Oversettelsesunntak under Innstillinger > Oversettelsesunntak deg beskytte bestemte sider, seksjoner eller CSS-velgere fra å bli plukket opp for oversettelse i det hele tatt. Dette kan være juridiske merknader, merkevareeide egennavn, tredjepartsinnhold og mer.

For å gjennomgå oversatt innhold i kontekst, viser den Visual Editor en forhåndsvisning av nettstedet ditt i stedet for en liste med strenger.

Dette er nyttig for merkevarekritiske sider der design påvirker hvordan oversettelser lander. For eksempel kan en overskrift som er nøyaktig på fransk fortsatt være for lang for designområdet den passer inn i.
Vår egen analyse av 1,3 millioner sitater på tvers av AI-søkeplattformer fant at oversatte nettsteder får over tre ganger mer synlighet i AI-drevne søkeresultater sammenlignet med nettsteder på ett språk.
Derfor er infrastrukturen som gjør merkevarens stemme konsistent på tvers av språk også det som avgjør om innholdet ditt blir funnet. Weglot 's grunnleggende funksjonalitet og AI-oversettelsesmodell, har du et nesten komplett grunnlag for dine egne markedstilpasningskrav.
Argumentet som går igjen i dette innlegget handler om én ting: du kan ikke tilpasse deg godt før du har bestemt deg for hva du ikke vil endre. Merker som knytter kontakter i nye markeder har løst denne spenningen før lokalisering. Team kjenner de definerende verdiene, standardene og stemmeavgjørelsene i enhver kontekst. Dessuten er strukturen på plass for å beskytte disse verdiene samtidig som den gir lokale team rom til å jobbe.
Weglot AI-oversettelsesmodellen , ordlisten og annen funksjonalitet kombineres med din egen styringsmodell og dokumentasjon per marked for å gjøre disse beslutningene repeterbare. Uten den er alt innhold på alle språk en vurdering tatt av den som har kapasitet.
For å se hvordan en konfigurert oversettelsesarbeidsflyt håndterer merkevarestemme på tvers av alle språk bedriften din opererer på, kan du starte en 14-dagers gratis Weglot prøveperiode, helt uten behov for kredittkort eller forpliktelser.
Den beste måten å forstå kraften i Weglot er å se det selv. Test det gratis og uten forpliktelser.
En demo-nettside er tilgjengelig i dashbordet ditt hvis du ikke er klar til å koble til nettstedet ditt ennå.

Oversettelse konverterer innhold fra ett språk til et annet så nært den opprinnelige betydningen som mulig. Lokalisering tilpasser register, tone, formatering og bilder til målgruppens kultur. Transkreasjon gjenoppbygger innhold fra dets emosjonelle og kreative intensjon. Hvert språk har forskjellige, men viktige bruksområder.

Avgjørelsen er basert på hva innholdet prøver å oppnå. Funksjonelt innhold (som UI-strenger, produktbeskrivelser og hjelpedokumentasjon) fungerer godt med lokalisering fordi målet er nøyaktig og konsistent kommunikasjon. Markedsførings- og merkevareinnhold der tonen bærer den kommersielle tyngden, trenger mer sannsynlig transkreasjon.

Start med dokumenterte prinsipper som er spesifikke nok til at du kan handle ut fra: registerbeslutningene du har tatt per marked og hvorfor, eksempler på tonen i hvert språk, og begrepene som bør forbli konsistente. En konfigurert AI-oversettelsesmodell håndterer volum opp mot disse prinsippene, mens menneskelig gjennomgang ser på eventuelle vurderinger.

AI kan håndtere førstegangsoversettelser og opprettholder konsistens når det kombineres med ordlisteregler og toneinstruksjoner. Merkevarens nøyaktighet kommer fra hvordan du har beskrevet merkevarens kontekst, hvor konkrete dine tilpassede instruksjoner er, og hvor regelmessig teamet ditt gjennomgår og korrigerer output. Modellen forbedres med korrigeringer over tid.

Ordlisteregler kan hjelpe deg med å håndheve godkjent terminologi på tvers av alle oversettelser, uavhengig av hvem som har gjort redigeringen. Oversettelsesekskluderinger beskytter innhold som aldri skal endres. Ved å tilordne bestemte språk til individuelle teammedlemmer og bruke oversettelseslisten til å spore hva som har blitt manuelt gjennomgått, holder du prosessen reviderbar.