마케팅 믹스 모델링(MMM)이란: 쿠키 없이 채널 기여를 재는 법

요즘 채널별 성과를 합쳐보면 좀 이상하지 않으세요? MMP가 말하는 전환, GA4가 말하는 전환, 페이스북이 말하는 전환, 매체 리포트가 말하는 전환… 다 더하면 실제 매출을 훌쩍 넘어가요. 유저 한 명을 여러 채널이 서로 "내 공"이라 우기거든요. 게다가 쿠키는 사라지고 iOS 추적도 막히면서, 개인을 한 명씩 따라가는 방식 자체가 흔들려요.

그래서 다시 뜨는 게 마케팅 믹스 모델링(MMM)이에요. 오늘은 이게 뭔지, 뭘 답해주는지, 그리고 어디까지 믿어야 하는지 감을 잡게 해드릴게요.

MMM은 매출을 '역산'해요

MMM은 개인을 추적하지 않아요. 대신 전체 그림에서 거꾸로 풀어요.

"지난 1년간 주별로 각 채널에 얼마 썼고, 그때 매출은 얼마였나." 이걸 놓고 통계 모델로 매출 = 베이스라인 + 채널A 기여 + 채널B 기여 + 외부요인을 추정하는 거예요. 여기서 쓰는 게 회귀(regression, 결과를 여러 원인으로 설명하는 식을 찾는 통계 방법)예요. 각 원인의 '몫'을 숫자로 뽑아줘요.

MMM이 한 달 매출을 베이스라인 55%, 검색 18%, SNS 15%, 디스플레이 12%로 쪼갠 스택 막대그래프.

이 그림처럼 매출을 쪼개요. 여기서 베이스라인은 광고가 없어도 나올 몫이에요(브랜드 인지, 오가닉, 재구매 같은 것들). 증분성 측정 글에서 얘기한 그 베이스라인과 같은 개념이에요. MMM은 그걸 전체 채널에 대해 한 번에 그려주는 거고요.

개인 데이터를 안 쓰니 프라이버시에 안전하고, 쿠키나 iOS 추적 제한의 영향도 받지 않아요. 이게 요즘 MMM이 다시 주목받는 이유예요.

제대로 하려면 꼭 잡아야 할 두 가지

매출을 그냥 지출에 회귀 돌리면 틀려요. 광고엔 까다로운 성질이 두 개 있거든요.

adstock — 광고는 하루로 안 끝나요

오늘 본 광고가 오늘만 효과를 내는 게 아니에요. 며칠, 길게는 몇 주 뒤 구매로 이어지기도 해요. 이 잔존효과를 adstock(애드스톡, 광고를 끈 뒤에도 남는 효과)이라고 해요.

광고를 한 번(0일) 집행하면 그 효과가 1일, 2일, 3일 뒤로 갈수록 줄어들며 이어지는 것을 보여주는 막대그래프.

이걸 무시하면 늦게 터진 전환을 엉뚱한 시점, 엉뚱한 채널에 붙이게 돼요. 기여가 왜곡되는 거죠.

포화 — 부을수록 효율은 떨어져요

채널은 지출을 늘릴수록 전환 증가폭이 줄어요(수확 체감). MMM은 이 포화 곡선을 추정해서 "이 채널, 더 부어도 되나"에 답해요. 마케팅 예산 배분 글에서 다룬 응답곡선과 같은 원리예요. MMM이 그 곡선을 채널마다 추정해주는 셈이고요.

그래서 MMM으로 뭘 아나요

정리하면 세 가지에 답해요.

하나, 채널별 진짜 기여도. 라스트클릭이 브랜드 검색·리타겟팅에 몰아준 크레딧을, 실제 기여에 맞게 다시 나눠요.

둘, 다음 달 예측. 지금 배분을 유지하면 매출이 얼마쯤 나올지 내다봐요.

MMM이 과거 실제 매출에 이어 미래를 예측하는데, 점 하나가 아니라 오른쪽으로 넓어지는 95% 신뢰밴드로 불확실성을 함께 보여주는 선그래프.

여기서 중요한 건, 점 하나로 "다음 달 1억"이라고 단정하지 않는다는 거예요. "95% 확률로 이 범위쯤"으로, 불확실성을 밴드로 같이 보여줘요. 이게 정직한 예측이에요.

셋, 카니발라이제이션(잠식) 진단. 채널끼리 서로 뺏어먹는지 봐요. 흔한 예가, 브랜드 검색광고가 원래 공짜로 들어올 오가닉 유입을 잡아먹는 경우예요.

어디까지 믿어야 하나 — MMM의 한계

여기가 제일 중요해요. MMM은 관측 데이터 기반이라, 나오는 건 '연관' 추정이에요. "이 채널이 매출과 이만큼 연관됐다"이지, "이 채널이 매출을 이만큼 만들었다"라고 못을 박진 못해요.

함정도 있어요. 대표적인 게 다중공선성(여러 채널을 늘 같이 늘리고 같이 줄이면, 모델이 누구 공인지 잘 못 가르는 문제)이에요. 데이터 기간이 짧아도 흔들리고요.

그래서 원칙은 이거예요. MMM으로 방향을 잡고, 확정은 홀드아웃 실험으로. MMM이 "SNS 기여가 생각보다 크다"고 하면, 그걸 증분 실험으로 확인하는 식이죠. 둘은 경쟁이 아니라 짝이에요. (홀드아웃은 증분성 측정 글에서 자세히 다뤘어요.)

오늘 해볼 것

MMM은 모델보다 데이터가 먼저예요. 오늘 할 건 '재료 모으기'고요. 주 단위로 이걸 한 시트에 모아보세요.

채널별 광고 지출 (주별)
매출 (주별)
외부요인 (프로모션 여부, 시즌, 가격 변동, 큰 이벤트)

최소 1년(52주)치를 권해요. 계절을 한 바퀴는 봐야 시즌 효과와 광고 효과가 갈리거든요. 이 시트만 있으면 MMM의 8할은 준비된 거예요.

마무리

정리할게요. MMM은 개인을 추적하지 않고, 전체 매출을 '베이스라인 + 채널 기여'로 역산해요. adstock과 포화를 잡아야 제대로 되고, 결과는 방향을 잡는 나침반이지 최종 판결은 아니에요.

이 회귀·adstock·포화·신뢰밴드를 직접 코딩하는 건 만만치 않죠. 주별 CSV(채널 지출·매출·외부요인)만 있으면, 저희가 만든 무료 툴 마케팅 반응 분석에 올려서 기여 분해·미래 예측(신뢰밴드)·잠식 진단까지 한 화면에서 볼 수 있어요. 올린 데이터는 브라우저 안에서만 처리되고 서버로 나가지 않고요.

그리고 잊지 마세요. MMM은 나침반, 실험은 확정이에요. 이 둘을 같이 쓰면 감이 아니라 근거로 예산을 움직일 수 있어요.