Error Rate — доля ошибок

Error Rate — доля операций, ответов или событий, завершившихся ошибкой, от общего числа проверенных случаев.

На практике важно не заучивать определение «Error Rate», а понимать, какое решение оно помогает принять. Метрика полезна только тогда, когда у неё есть однозначный числитель, знаменатель, период и управленческое решение, которое будет принято по результату. Без этого одна и та же цифра легко означает разное для маркетинга, продаж и финансов.

В сложном B2B показатели нужно анализировать по когортам, каналам и сегментам и учитывать лаг сделки. Среднее по сайту или месяцу часто скрывает более важные различия.

Метрика применима к сайтам, интеграциям, AI-агентам, обработке лидов и данным. Важно заранее определить, что именно считается ошибкой. Формула: Error Rate = число ошибок / общее число наблюдений × 100%

Для руководителя Error Rate — не просто число в отчёте. Сначала нужно определить формулу, затем контекст сравнения и только потом порог, после которого команда меняет действие.

Понятие становится действительно рабочим не в теории, а в ситуациях, где компании нужно уменьшить неопределённость или стандартизировать решение. Чаще всего я бы обращал на него внимание в следующих случаях:

• когда разные отделы показывают разные цифры об одном процессе
• когда оптимизация рекламной метрики не приводит к росту денег
• когда нужно сравнивать каналы, сегменты или когорты
• когда длинный цикл сделки создаёт большой лаг между расходом и выручкой

Удобно раскладывать Error Rate на несколько элементов. Такой разбор помогает не превращать понятие в абстрактный ярлык и сразу увидеть, какие данные или решения понадобятся.

• общее число случаев
• ошибочные случаи
• тип ошибки
• стоимость ошибки
• порог допустимости
• динамика во времени

Если в 2 000 обработанных заявок система ошиблась 60 раз, error rate = 3%. Важно отдельно считать ошибки разных типов: они могут иметь совершенно разную цену.

Важно: даже корректная формула может дать плохой управленческий вывод, если в расчёте смешаны разные когорты, периоды или определения. Поэтому рядом с цифрой всегда должны храниться правила расчёта и источник данных.

Если AI-квалификатор обработал 1000 лидов и в 37 случаях неверно определил статус, Error Rate по этому критерию составляет 3,7%.

В этом примере ценность Error Rate не в терминологии, а в том, что команда получает более воспроизводимый способ принимать решение. Если следующий сотрудник не может повторить логику по тем же данным, значит правило или модель описаны недостаточно точно.

Ниже — рабочая последовательность. Её лучше пройти на одном сегменте или процессе, а не пытаться сразу стандартизировать всю компанию.

1. Определите формулу и источник каждого поля.
2. Зафиксируйте период и окно атрибуции.
3. Разделите показатель по ключевым сегментам и каналам.
4. Сравнивайте динамику и когорты, а не одно значение.
5. Свяжите метрику со следующим этапом воронки или денежным результатом.
6. Установите правило: какое решение принимается при росте, падении или выходе за порог.

Error Rate нельзя автоматически считать обратной Accuracy: в многоклассовых задачах и при разных весах ошибок нужны дополнительные метрики.

• Снижать средний Error Rate, не различая критичные и некритичные ошибки.
• сравнивать показатели с разной формулой или окном атрибуции
• оптимизировать промежуточную метрику без проверки downstream-качества
• смотреть только среднее и не видеть распределение, когорты и выбросы
• считать корреляцию или атрибуцию доказанной причинностью

У Error Rate не обязательно есть один KPI. Лучше проверить набор признаков, которые показывают, что понятие стало частью рабочего процесса, а не осталось словом в презентации.

• ✓ формула и источник данных задокументированы
• ✓ метрика воспроизводится из первичных данных
• ✓ есть разрез по сегменту/каналу/когорте
• ✓ понятна связь с деньгами или следующим этапом
• ✓ изменение показателя приводит к конкретному решению

• ✓ Все участники одинаково понимают, что означает Error Rate.
• ✓ Определение связано с конкретным бизнес-процессом.
• ✓ Есть данные, по которым можно проверить применение.
• ✓ Понятен владелец решения или показателя.
• ✓ Есть критерий, когда модель/правило нужно пересмотреть.
• ✓ Термин помогает принять решение, а не только сделать отчёт сложнее.

Только если одинаковы формула, период, бизнес-модель и состав затрат/событий. Внешний benchmark полезен как ориентир, но внутренний тренд и разрез по сегментам обычно важнее.

Универсального значения нет. «Хороший» уровень определяется экономикой продукта, историей компании, сегментом и тем, что происходит со следующим этапом воронки.

С той частотой, с которой по нему можно принимать осмысленное решение. В длинном B2B часть метрик разумно смотреть еженедельно, а CAC, LTV и когорты — на более длинном окне.

Для понимания темы полезно различать соседние понятия: AI Agent, Human-in-the-loop, Conversion Rate.

Материал обновлён в августе 2026 года. Автор — Алексей Черныш.