마케팅 믹스 모델링(MMM)
Marketing Mix Modeling · MMM
마케팅 믹스 모델링(MMM)은 매체비·노출과 가격, 판촉, 계절성 같은 집계 시계열 자료를 통계 모형에 넣어 채널별 기여도·ROI·반응곡선을 추정하는 방법입니다. 개인별 여정을 완전히 추적하거나 인과효과를 자동 확정하지 않습니다.
AI 보조 조사·작성 후 원문과 대조한 설명입니다. 사례·계산은 별도 출처 표기가 없는 한 이해를 위한 가상 예시이며 실제 고객 성과가 아닙니다.
MMM은 어떤 자료를 사용하나요?
Meta Robyn 가이드는 MMM을 마케팅·비마케팅 활동이 사전 정의한 KPI에 미치는 기여를 집계 데이터와 회귀 모형으로 추정하는 분석으로 설명합니다. Robyn 분석가 가이드 주별 매체비, 노출, 매출, 가격, 프로모션, 계절·거시 지표 등이 입력 후보가 됩니다.
개인 ID가 없어도 분석할 수 있지만 자료가 집계됐다는 이유만으로 개인정보 검토나 상업적 편향이 사라지는 것은 아닙니다.
지연과 포화는 왜 넣나요?
Google Meridian은 광고 효과의 지연, 포화, 통제변수, 사전분포와 사후 불확실성을 모형에 반영합니다. Meridian 소개 광고 노출 뒤 효과가 여러 주 남거나 지출이 늘수록 추가 효과가 줄어드는 현상을 단순 직선으로 계산하지 않기 위해서입니다.
| 입력 | 역할 |
|---|---|
| 매체비·노출 | 마케팅 변수 |
| 가격·판촉 | 매출 변동 통제 |
| 계절·검색량 | 공통 수요 변화 통제 |
| 실험 결과 | 모형 보정 자료 |
자료 기간은 얼마나 필요한가요?
주별 자료 104주는 관측치 104개입니다. 채널 12개, 가격·판촉·계절 변수 8개를 동시에 넣으면 변수 간 상관과 자유도 부족이 생길 수 있습니다. 단순히 "2년이면 충분"이라고 정하지 말고 지출 변화, 캠페인 중단 구간, 지역 차이, 결측과 구조 변화를 확인합니다.
기여도는 인과효과인가요?
모형은 선택한 변수와 가정 안에서 기여도를 추정합니다. 브랜드 수요가 높을 때 광고비도 함께 늘었다면 광고 효과를 과대평가할 수 있으므로 검색량 같은 통제변수, 지역·전환 증분 실험, 사전 지식을 이용해 보정하고 여러 모형의 결과 범위를 비교합니다.
결과는 어떻게 보고하나요?
점추정 ROI 하나만 쓰지 말고 신뢰구간 또는 신용구간, 모형 적합도, 보류 표본 성능, 통제변수, 제외 채널, 기준 기간을 함께 공개합니다. 예산 최적화 값은 관측 범위와 가정에 따른 시나리오이며 실제 집행 성과를 보장하지 않습니다.
자주 묻는 질문
- MMM은 개인정보가 필요 없나요?
- 보통 집계 데이터를 사용하지만 원천 자료 생성 과정과 작은 집단, 결합 방식에 따라 개인정보 검토가 필요할 수 있습니다.
- MMM과 멀티터치 기여 분석은 같은가요?
- 아닙니다. MMM은 주로 집계 시계열을 사용하고 멀티터치 기여 분석은 개인·기기 수준 접점 경로에 더 의존합니다.
- ROI가 가장 높은 채널에 전부 투자하면 되나요?
- 포화, 채널 간 관계, 신뢰구간과 사업 제약을 봐야 합니다. 과거 평균 ROI만으로 전액 이동하지 않습니다.
출처와 확인 범위
- An Analyst’s Guide to MMM · Meta Robyn · 확인 2026-10-27
집계 시계열 자료와 회귀 모형으로 기여도와 ROI를 추정하는 절차를 설명합니다.
확인 범위: 도구 문서이며 모형 결과가 실험으로 확인된 인과효과와 자동으로 같아지는 것은 아닙니다.
- An introduction to Meridian · Google for Developers · 확인 2026-10-27
통제변수, 지연·포화, 사후분포와 신뢰구간을 포함한 MMM 구조를 설명합니다.
확인 범위: Google의 오픈소스 프레임워크 설명이며 입력 품질과 가정 검증이 필요합니다.