Точность верификации email: как измеряется и на что влияет

Точность верификации email - показатель того, насколько правильно валидатор определяет статус адреса. Идеальный сервис точно классифицировал бы каждый адрес: «существует», «не существует», «рискованный». В реальности 100% точность недостижима, и понимание метрик ошибок критично для выбора инструмента и интерпретации результатов.

Two types of errors

False positive. The validator marks an address as “valid,” but the mailbox does not actually exist. You send a campaign, and the message bounces. This is dangerous: bounces damage sender reputation.

False negative. The validator marks an address as “invalid,” but the mailbox does exist. You skip a real subscriber. This does not harm reputation, but you lose audience.

The two error types are in tension. An aggressive validator that flags anything uncertain as invalid will have few false positives but many false negatives. A permissive validator will let more addresses through but produce more bounces.

Метрики точности

Accuracy (общая точность). Процент правильных ответов от общего числа проверок. Если из 10 000 адресов валидатор правильно определил 9 700, accuracy = 97%. Метрика понятна, но может обмануть: если 95% базы валидны, валидатор, помечающий всё как «валидное», покажет 95% accuracy без реальной работы.

Precision (точность). Из всех адресов, помеченных как «валидные», какой процент действительно валиден? Precision = True Positives / (True Positives + False Positives). Высокий precision означает: если валидатор сказал «отправляй» - можно доверять.

Recall (полнота). Из всех реально существующих адресов, какой процент валидатор определил правильно? Recall = True Positives / (True Positives + False Negatives). Высокий recall означает, что валидатор не выбрасывает живые адреса.

False positive rate (FPR). Процент невалидных адресов, ошибочно помеченных как валидные. Это главная метрика для email-маркетолога: FPR определяет, сколько bounces вы получите после рассылки по «провалидированной» базе.

What affects validator accuracy

Accept-all domains. Accept-all servers respond “OK” to any address. The validator cannot tell whether a specific mailbox exists. If the validator reports accept-all addresses as “valid” without qualification, it inflates the false positive rate.

Greylisting. Servers that implement greylisting return a temporary 4xx rejection on the first connection attempt. If the validator does not retry, it may incorrectly flag the address as invalid, producing a false negative.

Rate limiting. Gmail and other large providers throttle SMTP connections. During bulk verification, the validator may receive temporary rejections unrelated to mailbox existence.

Temporary outages. A server may be temporarily down. If the check happens at that moment, the result is “unknown” or a false negative. A quality validator retries with a delay.

Как сравнивать сервисы валидации

Маркетинговые заявки «точность 99%» бессмысленны без контекста. 99% чего? Accuracy? Precision? На какой выборке? На чистой базе любой валидатор покажет 99%+. Вопрос в том, как он работает с грязными данными.

Для объективного сравнения: подготовьте список из 1000+ адресов, где вы точно знаете статус каждого (существующие, несуществующие, одноразовые, accept-all). Прогоните через несколько валидаторов и сравните результаты.

Обращайте внимание на обработку неопределённых случаев. Сколько адресов попало в категорию «unknown» или «risky»? Хороший валидатор честно говорит «не знаю», а не угадывает. Большая доля «unknown» при этом не означает плохое качество - это значит, что сервис не выдаёт предположение за факт.

Practical impact

Consider a list of 100,000 addresses. A validator with 2% FPR lets 2,000 invalid addresses through. You send to them and collect 2,000 hard bounces, pushing bounce rate to 2% - the threshold where many ESPs flag or suspend an account.

A validator with 0.5% FPR lets 500 through. Bounce rate lands at 0.5%, well within safe limits. The difference between 2% and 0.5% FPR can be the difference between a suspended account and stable deliverability.

On the other side, a validator with a high false negative rate discards live addresses. At 3% FNR on a 100,000 list, you lose 3,000 subscribers. If average subscriber value is $1, that is $3,000 in lost revenue.

В обоих случаях точность имеет прямое финансовое выражение. Выбор валидатора - это не вопрос «какой дешевле», а вопрос «какой даёт меньше ошибок на моих данных».