미디어 믹스 모델링 · MMM
Marketing Mix Modeling
미디어 믹스 모델링이란?
- 집계 데이터로 채널별 매출 기여도를 추정
- 개인 추적 없이도 작동해 쿠키리스에 강함
- 상관 기반 추정이라 실험 검증이 필요
미디어 믹스 모델링은 개인 단위 추적 없이 집계된 데이터만으로 채널 기여도를 추정하는 접근입니다. 기간별 매출을 종속변수로 두고, 채널별 광고비·계절성·가격·경쟁 활동·외부 요인을 설명변수로 넣어 회귀 분석을 수행합니다. 결과로 채널별 기여도와 한계 수익, 즉 예산을 더 넣었을 때의 추가 효과를 얻습니다.
이 방법이 다시 주목받는 이유는 쿠키리스 전환 때문입니다. 개인 단위 추적이 어려워지면서, 클릭 경로를 따라가는 어트리뷰션만으로는 전체 그림을 그리기 어려워졌습니다. MMM은 애초에 개인 데이터를 쓰지 않으므로 개인정보 규제에 강하고, 오프라인 활동이나 브랜드 광고처럼 클릭이 남지 않는 채널도 함께 평가할 수 있습니다.
한계도 분명합니다. 충분한 기간의 데이터가 필요하고(보통 2~3년 주간 단위), 집행 패턴이 늘 같으면 채널 효과를 분리해내기 어렵습니다. 결과는 상관관계 기반 추정이라 인과를 단정하지 못하므로, 지역이나 기간을 나눈 증분 실험으로 검증하는 절차가 함께 권장됩니다. B2B에서는 계약 주기가 길어 광고와 매출 사이 시차를 어떻게 반영하느냐가 관건입니다.
1960년대 계량경제학의 회귀 분석 기법을 마케팅 예산 배분에 적용하면서 시작됐고, 대형 소비재 기업들이 TV·인쇄 광고의 효과를 나누기 위해 오랫동안 사용해 왔습니다. 2020년대 들어 개인정보 규제와 쿠키 제한으로 다시 주목받고 있습니다.
예를 들어 여러 채널에 광고를 집행하는 기업이 예산 재배분을 검토하는 상황입니다. (가상 예시)
- 데이터 수집 — 최근 3년치 주간 매출과 채널별 집행액, 가격·프로모션·계절 정보를 모읍니다.
- 모델 구성 — 광고 효과의 지연과 체감(같은 금액을 더 써도 효과가 줄어드는 현상)을 반영해 모델을 만듭니다.
- 기여도 추정 — 채널별 매출 기여분과 추가 1원의 한계 효과를 계산합니다.
- 시나리오 비교 — 예산을 채널 간에 옮겼을 때 예상 매출을 시뮬레이션합니다.
- 실험 검증 — 일부 지역에서 특정 채널을 늘리거나 끄는 실험으로 모델 추정치를 확인합니다.