toolbox
Inicio / IA, datos y tecnología / Estimador de tasa de error del modelo de atribución

Estimador de tasa de error del modelo de atribución

Este estimador calcula qué porcentaje de los casos revisados presenta una atribución incorrecta respecto a una referencia definida por tu equipo. Puede utilizarse en auditorías manuales, conjuntos de validación o revisiones de reglas para resumir la frecuencia de discrepancias del modelo.

La cifra es especialmente útil para seguir la calidad a lo largo del tiempo o comparar versiones cuando el criterio de revisión se mantiene constante. El resultado depende de cómo se define un «error» y de la representatividad de la muestra; por eso conviene documentar el estándar de referencia antes de interpretar cambios pequeños.

Resultados de la revisión

casos
errores
Resultado
—
tasa de error observada
Tasa sin error—
Casos sin error—
Casos con error—

1. Define el criterio de error
Asegúrate de que todos los revisores aplican la misma regla para decidir si una atribución es correcta o incorrecta.

2. Introduce los casos revisados
Usa el número total de observaciones que realmente formaron parte de la auditoría.

3. Registra los errores
Añade el número de casos que no cumplieron el criterio de referencia.

4. Evalúa el resultado
Compara la tasa de error con periodos o versiones equivalentes y revisa también el volumen de muestra antes de sacar conclusiones.

La tasa se obtiene como una proporción simple:

Tasa de error (%) = errores / casos revisados × 100
Tasa sin error (%) = 100 − tasa de error

Todos los casos deben evaluarse con el mismo criterio. El cálculo describe la muestra revisada y no corrige sesgos de selección ni desacuerdos entre revisores.

Qué significa el resultado

Una tasa del 7 % significa que 7 de cada 100 casos revisados, en promedio, fueron clasificados como errores según la referencia utilizada.

No identifica la causa del error ni separa problemas de datos, tracking, reglas o implementación.

Datos: se revisan 800 conversiones y 56 se consideran mal atribuidas.

Cálculo: 56 / 800 × 100 = 7 %. Los casos sin error son 800 − 56 = 744, equivalentes al 93 %.

Resultado: tasa de error del 7 %.

Interpretación: en esta auditoría, aproximadamente 1 de cada 14 casos presentó una discrepancia con el criterio de referencia.

¿Qué debería contar como error?

Depende de tu estándar de referencia: por ejemplo, canal equivocado, crédito asignado a un contacto no válido o incumplimiento de una regla. La definición debe fijarse antes de revisar la muestra.

¿Puedo mezclar periodos o campañas?

Sí, pero solo si tiene sentido agregarlos y se usa el mismo criterio de evaluación. Si las condiciones cambian mucho, es mejor calcular tasas separadas.

¿Una tasa baja demuestra que el modelo es correcto?

No necesariamente. Una muestra sesgada o una referencia imperfecta puede ocultar problemas, y una tasa global puede no revelar errores concentrados en segmentos concretos.

¿Qué pasa si introduzco más errores que casos revisados?

La calculadora lo rechaza porque el número de errores no puede superar el total de casos evaluados.

¿En qué se diferencia de un intervalo de confianza?

La tasa de error resume la proporción observada; un intervalo de confianza añade una medida de incertidumbre alrededor de una proporción estimada.