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.

Два типа ошибок

Ложный пропуск. Валидатор помечает адрес валидным, а ящика на деле нет. Вы отправляете рассылку, и письмо отбивается. Это опасно: возвраты бьют по репутации отправителя.

Ложный отказ. Валидатор помечает адрес невалидным, а ящик существует. Вы теряете живого подписчика. Репутации это не вредит, но аудитория уменьшается.

Два типа ошибок тянут в разные стороны. Строгий валидатор, который помечает всё сомнительное как невалидное, даст мало ложных пропусков и много ложных отказов. Мягкий пропустит больше адресов, но принесёт больше возвратов.

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.

Что влияет на точность валидатора

Accept-all домены. Такие серверы отвечают «ОК» на любой адрес. Валидатор не может понять, существует ли конкретный ящик. Если он помечает accept-all адреса как валидные без оговорки, доля ложных пропусков растёт.

Грейлистинг. Серверы с грейлистингом на первое соединение отвечают временным отказом 4xx. Если валидатор не повторяет попытку, он может ошибочно счесть адрес невалидным и дать ложный отказ.

Ограничение скорости. Gmail и другие крупные провайдеры придерживают SMTP-соединения. При массовой проверке валидатор получает временные отказы, никак не связанные с существованием ящика.

Временные сбои. Сервер может лежать в момент проверки. Тогда результат будет «неизвестно» или ложный отказ. Хороший валидатор повторяет попытку с задержкой.

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.

Что это значит на практике

Возьмём список на 100 000 адресов. Валидатор с 2% ложных пропусков пропустит 2 000 невалидных. Вы отправите на них и соберёте 2 000 жёстких возвратов, подняв общую долю до 2%, а это порог, на котором многие сервисы рассылок помечают или блокируют аккаунт.

Валидатор с 0,5% ложных пропусков пропустит 500. Доля возвратов встанет на 0,5%, глубоко в безопасной зоне. Разница между 2% и 0,5% это разница между заблокированным аккаунтом и спокойной доставляемостью.

С другой стороны, валидатор с высокой долей ложных отказов выбрасывает живые адреса. При 3% на списке в 100 000 вы теряете 3 000 подписчиков. Если средний подписчик стоит доллар, это 3 000 долларов упущенной выручки.

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