MMM
마케팅 믹스 모델링
한 줄 정의
채널별 광고비와 매출, 계절·경기 같은 외부 요인을 기간별로 모은 집계 데이터로 통계 모델을 만들어, 각 마케팅 채널이 매출(또는 KPI)을 얼마나 끌어올렸는지 추정하는 방법입니다. Marketing Mix Modeling의 약자입니다.
어떻게 작동하나
넣는 데이터 (구글 Meridian 문서 기준)
- 목표 KPI: 보통 매출
- 채널별 미디어 데이터: 광고비, 노출 등. 도달·빈도 데이터도 넣을 수 있음
- 통제 변수: 광고와 매출에 함께 영향을 주는 요인(예: 구글 검색량)
- 국가 단위 또는 지역(geo) 단위 데이터. 지역 단위가 정보가 많아 추정에 유리하다고 설명
모델이 반영하는 것
- 이월(시차) 효과: 오늘 본 광고가 며칠·몇 주 뒤 구매로 이어지는 효과. Robyn에서는 애드스톡(adstock)이라 부름
- 포화: 광고비를 늘릴수록 추가 효과가 줄어드는 현상
- 추세·계절성: Robyn은 Prophet으로 추세·계절성·휴일을 분해
대표 오픈소스 도구
| 도구 | 만든 곳 | 확인된 특징 |
|---|---|---|
| Meridian | 구글 | 베이지안 인과 추론 기반. 채널별 증분 성과·ROI 추정, 예산 배분 최적화. 쿠키·사용자 단위 정보를 쓰지 않음. 지역 실험(Meridian GeoX) 결과를 사전 정보로 넣어 보정 가능 |
| Robyn | 메타 Marketing Science | 릿지 회귀 + 진화 알고리즘(Nevergrad)으로 하이퍼파라미터 자동 최적화. 애드스톡·포화 곡선 탐색, 예산 배분기. 지역 실험·메타 리프트 등 실측 결과로 보정. 개인 단위 데이터·쿠키·픽셀 불필요 |
결과물: 채널별 기여 매출과 ROI, 광고비를 더 넣으면 효과가 어떻게 변하는지, 다음 기간 예산을 어떻게 나누면 좋은지에 대한 제안.
쉽게 풀어 말할 때
"손님 한 명 한 명을 따라다니는 대신, 지난 몇 년 동안 주마다 'TV에 얼마, 검색에 얼마, 인스타에 얼마 썼더니 매출이 얼마였다'를 통째로 놓고 보는 거예요. 날씨나 명절 같은 영향은 걸러 내고, 어느 채널에 돈을 더 넣었을 때 매출이 같이 움직였는지 통계로 찾아내는 거죠."
업계 말로 말할 때
- "MTA로는 TV랑 옥외광고 기여가 안 잡혀서, 연간 예산은 MMM 결과로 나누겠습니다."
- "Meridian 돌려 보니 검색은 이미 포화 구간이라 추가 예산은 유튜브 쪽이 효율이 낫다고 나왔어요."
- "MMM 숫자 그대로 쓰지 말고, 메타 리프트 결과로 캘리브레이션한 버전으로 보고하죠."
실무 팁
- 데이터 기간이 길어야 합니다. 집계 데이터로 채널별 효과를 가려내려면 여러 시즌이 담긴 충분한 기간이 필요합니다. 필요한 최소 기간은 도구·모델마다 달라 이 글에서는 확인된 자료 없음으로 둡니다. 채널별 광고비가 늘 같은 비율로 움직였다면 모델이 효과를 구분하기 어렵습니다.
- 실험으로 보정합니다. Meridian과 Robyn 모두 지역 실험·리프트 테스트 같은 실측 결과로 모델을 보정하는 기능을 둡니다. 모델 단독 결과보다 실험과 맞춘 결과를 의사결정에 씁니다.
- 쿠키·광고 ID 제약에 강하지만 만능은 아닙니다. 개인 단위 추적이 필요 없어 개인정보 측면에서 유리하지만, 캠페인·소재 단위처럼 잘게 쪼갠 판단에는 맞지 않습니다. 일상 운영은 플랫폼 지표와 어트리뷰션으로, 채널 간 예산 배분은 MMM으로 나눠 씁니다.
헷갈리기 쉬운 말
확인 퀴즈
MMM에 대한 설명으로 틀린 것은?
정답과 풀이 보기
정답: 3번. MMM은 개인 단위 데이터나 쿠키 없이 집계 데이터로 작동합니다. Meridian과 Robyn 문서 모두 쿠키·사용자 단위 정보가 필요 없다고 설명합니다. 개인 경로를 추적하는 쪽은 멀티터치 어트리뷰션입니다.