들어가며

• MMM이 어트리뷰션·MTA와 근본적으로 다른 원리로 작동한다는 것을 이해한다.
• MTA로 측정 불가능한 영역을 목록화해 MMM 도입 필요성을 진단한다.

MMM은 정확히 무엇을 측정하는가

1강부터 7강까지 다룬 어트리뷰션·MTA는 개별 사용자의 클릭·전환 로그를 픽셀·SDK로 추적하는 방식이었다. 마케팅 믹스 모델링(MMM)은 이와 완전히 다른 원리로 작동한다. 특정 사용자가 어떤 광고를 보고 어떤 경로로 구매했는지를 추적하는 대신, 일정 기간(보통 주 단위)의 총매출, 매체별 광고비 지출액, 그리고 날씨·환율·경쟁사 동향 같은 외부 거시 변수를 한 데이터셋에 모아놓고 통계 모델이 "이 매출 변동 중 얼마가 어느 매체 지출과 함께 움직였는가"를 역산하는 방식이다. 즉 개별 소비자의 로그가 아니라 회사 전체 단위의 집계(aggregate) 통계가 원재료다.

왜 지금 이 방법론이 다시 주목받는가

서드파티 쿠키 제한, iOS 앱추적투명성(ATT), 브라우저별 프라이버시 정책이 겹치면서 개인 단위로 광고 여정을 끝까지 추적하는 게 갈수록 어려워졌다. MMM은 애초에 개인 식별 데이터를 쓰지 않기 때문에 이런 규제·기술 변화와 무관하게 작동한다. 픽셀이 막혀도, 쿠키 동의율이 떨어져도 매출과 매체 지출이라는 회사 내부 데이터만 있으면 분석이 가능하다.

세 층위 측정 체계에서 MMM의 자리

디지털 마케팅 측정 체계는 보통 세 층위로 나뉜다. 픽셀·SDK로 개별 전환을 잡는 어트리뷰션(1~7강), 특정 지역·그룹에 매체를 껐다 켜서 실제 효과를 확인하는 인크리멘털리티(리프트) 테스트, 그리고 이 모든 채널(디지털+오프라인)을 한 화면에서 비교하는 MMM이다. 어트리뷰션은 정밀하지만 쿠키·트래킹 제한에 취약하고, 리프트 테스트는 정확하지만 한 번에 한두 채널씩만 검증할 수 있다. MMM은 정밀도는 상대적으로 낮은 대신, TV·옥외광고(OOH)처럼 애초에 픽셀을 심을 수 없는 오프라인 매체까지 포함해 전체 마케팅 믹스를 한 프레임 안에서 비교할 수 있는 유일한 방법이다. 실무에서는 흔히 어트리뷰션으로 일 단위 캠페인을 튜닝하고, 리프트 테스트로 특정 채널의 순증 효과를 분기별로 검증하며, MMM으로 반기·연 단위 전사 예산 배분을 결정하는 식으로 세 방법을 시간 축에 따라 나눠 쓴다.

MMM으로 할 수 있는 것과 못 하는 것

MMM이 잘하는 일은 "지난 분기에 어느 매체가 매출에 실제로 기여했는가"를 채널 단위로 비교하고, 예산을 재배분했을 때 매출이 어떻게 바뀔지 시뮬레이션하는 것이다. 반대로 "이 사용자가 어떤 광고를 보고 구매했는가" 같은 개인 단위 질문에는 답하지 못하고, 데이터가 주 단위·월 단위로 뭉쳐 있다 보니 매체 내에서도 소재·타겟 단위의 세밀한 최적화에는 쓸 수 없다. 또한 통계 모델인 이상 결과가 확률적 추정치라는 한계도 있다: 확실한 정답이 아니라 "가장 그럴듯한 범위"로 나온다. MMM 결과 리포트를 볼 때 "매출 상승분 100 중 채널 A가 30을 만들었다"는 단정 대신, 신뢰구간이 함께 표기돼 있는지, 그 구간이 좁은지 넓은지까지 같이 확인하는 습관이 필요하다.

MMM은 새 기술이 아니라 돌아온 방법론이다

MMM을 "쿠키가 막혀서 급하게 나온 대안"으로 오해하는 경우가 많은데, 실제로는 순서가 반대에 가깝다. TV·라디오·신문 같은 매체에는 애초에 개별 사용자 추적 기술 자체가 없었기 때문에, 광고주들은 오래전부터 매출과 매체 집행량의 통계적 관계를 분석하는 방식으로 효과를 가늠해왔다. 디지털 마케팅이 커지면서 한동안은 픽셀 기반 어트리뷰션이 훨씬 정밀하다는 이유로 MMM이 뒷전으로 밀렸던 것이고, 최근 몇 년 사이 프라이버시 규제로 어트리뷰션의 정밀도가 떨어지면서 이 오래된 통계 방법론이 다시 전사 측정 체계의 중심으로 돌아왔다.

세 축을 구분하지 않을 때 생기는 문제

"가장 정밀한 어트리뷰션 하나만 믿고 예산을 결정한다" 식으로 접근하면, 오프라인 매체와 프라이버시 규제로 신호가 끊긴 채널의 기여도가 통째로 과소평가되는 문제가 생긴다. 1강에서 다룬 크로스디바이스 매칭 문제, 6강까지 다룬 온라인 경로 데이터의 한계는 애초에 TV·OOH처럼 데이터 자체가 없는 매체에는 적용할 방법이 없다. MMM을 별도 축으로 놓는 이유가 여기에 있다.

도입 전 확인할 것

MMM은 결과물이 그럴듯해 보여도 입력 데이터 품질에 결과가 전적으로 좌우되는 모델이다. 매출·매체별 지출 데이터가 충분한 기간(보통 최소 2~3개년)만큼 쌓여 있는지, 외부 변수(계절성·프로모션·경쟁사 동향)를 빠짐없이 넣을 수 있는지부터 먼저 점검해야 한다. 이 데이터 요건은 다음 레슨에서 구체적으로 다룬다.

바로 쓰는 산출물: MTA로 측정불가능한 영역 목록

[MTA로 측정 불가능한 영역 목록]

1. 오프라인 매체 목록화
- TV(지상파·케이블·종편): 집행 중 여부, 픽셀 측정 가능성(불가능)
- 옥외광고(OOH, 전광판·지하철·버스): 집행 중 여부
- 라디오·인쇄: 집행 중 여부

2. 프라이버시 제한으로 신호가 끊긴 채널
- iOS 앱 추적(ATT 옵트아웃 비중이 높은 캠페인)
- 서드파티 쿠키 의존 리타겟팅
- 시크릿 모드·쿠키 삭제로 경로가 끊기는 것으로 의심되는 채널

3. 판단
- 위 목록에 해당하는 매체 예산 비중(전체 대비 %)을 계산
- 이 비중이 클수록 MMM 도입 필요성이 높음
- 이 목록을 9강(데이터 요건)에서 그대로 이어서 쓴다

즉시 확인

1. MMM과 어트리뷰션은 원재료로 삼는 데이터가 어떻게 다른가요?
2. MMM이 "전방위 측정의 최종 단계"로 불리는 이유는 무엇인가요?
3. MMM 결과를 볼 때 신뢰구간을 함께 확인해야 하는 이유는 무엇인가요?

정답·해설

1. 어트리뷰션은 개별 사용자의 클릭·전환 로그를, MMM은 매출·매체별 지출·외부 거시 변수 같은 집계 통계를 원재료로 씁니다.
2. TV·OOH처럼 픽셀을 심을 수 없는 오프라인 매체까지 포함해 전체 마케팅 믹스를 한 프레임 안에서 비교할 수 있는 유일한 방법이기 때문입니다.
3. MMM은 확률적 추정치를 내놓는 통계 모델이라, 단일 숫자만 보면 불확실성이 큰 추정을 확정된 사실처럼 오해하기 쉽기 때문입니다.

다음 레슨

9강. MMM의 데이터 요구사항에서 MMM을 시작하기 전 갖춰야 할 구체적인 데이터 요건을 점검합니다.

핵심 정리

1. MMM은 개인 식별 데이터 없이 매출·매체 지출·외부 변수의 집계 통계로 채널 기여도를 추정해, 프라이버시 규제와 무관하게 작동합니다.
2. 어트리뷰션·리프트 테스트·MMM은 서로 대체재가 아니라 시간 축과 정밀도가 다른 보완재로, 함께 조합해 쓰는 것이 정석입니다.
3. MMM은 오프라인 매체까지 포함한 전사 측정이 가능하지만, 개인 단위 질문에는 답하지 못하고 결과가 확률적 추정치라는 한계가 있습니다.

→ 이 강의 퀴즈 풀어보기 (챌린지)