한 줄로
유저 단위 추적 없이도 채널별 기여도를 추정하는 방법이 필요할 때 쓰는 게 MMM(Marketing Mix Modeling, 마케팅 믹스 모델링)이에요. 채널별 지출·외부 요인·기본 수요가 성과와 어떤 관계였는지를 시계열로 모델링합니다.
유저 단위 추적이 아닙니다
어트리뷰션이나 MMP는 개별 유저의 접점을 따라갑니다. MMM은 그러지 않아요. 주 단위 집계 데이터만 보고 "이 채널 지출이 늘었을 때 성과가 얼마나 같이 움직였나"를 통계적으로 추정합니다.
그래서 iOS 프라이버시 변화처럼 유저 단위 추적이 막히는 상황에서도 돌아갑니다. 대신 개별 전환이 누구 몫인지는 답하지 못해요.
두 가지를 반드시 반영합니다
- 애드스톡(Adstock) — 오늘의 광고 효과가 며칠에 걸쳐 남는 이월 효과
- 수확체감(응답곡선) — 지출이 커질수록 추가 효과가 줄어드는 관계
이 둘을 안 넣으면 "지출을 두 배 하면 성과도 두 배"라는 비현실적인 모델이 됩니다.
못 쓰는 조건이 분명히 있습니다
데이터가 짧으면 안 됩니다. 주 단위로 최소 1년, 가능하면 2년 이상이 필요해요. 계절성을 분리하려면 같은 시기를 여러 번 봐야 합니다.
채널 지출이 같이 움직이면 안 됩니다. 늘 함께 올리고 함께 내린 두 채널은 기여를 나눌 수가 없어요. 이걸 다중공선성이라 하고, 이 상태에서 나온 채널별 숫자는 배분 근거로 쓸 수 없습니다. 모델을 돌리기 전에 VIF 점검으로 먼저 확인하세요.
인과가 아닙니다
가장 중요한 한계입니다. MMM은 관측된 연관을 모델링한 것이지 실험이 아니에요. 계수가 크다고 그 채널이 성과를 만들었다고 단정할 수 없습니다.
가설을 만드는 데 쓰고, 큰 예산 결정 전에는 홀드아웃 실험으로 확인하는 순서가 안전합니다.
더 깊게 보려면
MMM의 전제와 해석 범위는 마케팅 믹스 모델링 글에서, 공선성 진단은 다중공선성 가이드에서 다룹니다. 실제 주간 패널로 돌려보려면 마케팅 반응 분석을 쓰면 됩니다.