MMM은 정확히 무엇을 측정하는가

마케팅 믹스 모델링(MMM)은 특정 사용자가 어떤 광고를 보고 어떤 경로로 구매했는지를 추적하는 방법이 아닙니다. 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 방식입니다. 즉 개별 소비자의 클릭·전환 로그가 아니라 회사 전체 단위의 집계(aggregate) 통계가 원재료입니다.

이 방식이 다시 주목받는 이유는 명확합니다. 서드파티 쿠키 제한, iOS 앱추적투명성(ATT), 브라우저별 프라이버시 정책이 겹치면서 개인 단위로 광고 여정을 끝까지 추적하는 게 갈수록 어려워졌습니다. MMM은 애초에 개인 식별 데이터를 쓰지 않기 때문에 이런 규제·기술 변화와 무관하게 작동합니다. 픽셀이 막혀도, 쿠키 동의율이 떨어져도 매출과 매체 지출이라는 회사 내부 데이터만 있으면 분석이 가능합니다.

왜 지금 "전방위 측정의 최종 단계"라고 부르는가

디지털 마케팅 측정 체계는 보통 세 층위로 나뉩니다. 픽셀·SDK로 개별 전환을 잡는 어트리뷰션, 특정 지역·그룹에 매체를 껐다 켜서 실제 효과를 확인하는 인크리멘털리티(리프트) 테스트, 그리고 이 모든 채널(디지털+오프라인)을 한 화면에서 비교하는 MMM입니다. 어트리뷰션은 정밀하지만 쿠키·트래킹 제한에 취약하고, 리프트 테스트는 정확하지만 한 번에 한두 채널씩만 검증할 수 있습니다. 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 방법입니다. 이 셋을 서로 대체재가 아니라 보완재로 놓고 조합하는 것이 실무에서 정석으로 통합니다. 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 쓰는 접근이 자리 잡고 있습니다.

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 것입니다. 반대로 못 하는 일도 명확합니다. "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 없습니다. 또한 통계 모델인 이상 결과가 확률적 추정치라는 한계도 있습니다 — 확실한 정답이 아니라 "가장 그럴듯한 범위"로 나옵니다. 그래서 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 필요합니다. 구간이 지나치게 넓다면 데이터가 부족하거나 모델 설계에 문제가 있다는 신호로 봐야 합니다.

MMM은 원래 디지털 이전부터 있던 방법론이다

MMM을 "쿠키가 막혀서 급하게 나온 대안"으로 오해하는 경우가 많은데, 실제로는 순서가 반대에 가깝습니다. TV·라디오·신문 같은 매체에는 애초에 개별 사용자 추적 기술 자체가 없었기 때문에, 광고주들은 오래전부터 매출과 매체 집행량의 통계적 관계를 분석하는 방식으로 효과를 가늠해왔습니다. 디지털 마케팅이 커지면서 한동안은 픽셀 기반 어트리뷰션이 훨씬 정밀하다는 이유로 MMM이 상대적으로 뒷전으로 밀렸던 것이고, 최근 몇 년 사이 프라이버시 규제로 어트리뷰션의 정밀도가 떨어지면서 디지털·오프라인을 아우르는 이 오래된 통계 방법론이 다시 전사 측정 체계의 중심으로 돌아온 것입니다. 즉 MMM은 새 기술이 아니라, 원래 있던 방법론이 프라이버시 시대에 다시 필요해진 사례로 이해하는 게 정확합니다.

실무에서 MMM을 도입하기 전에 확인할 것

MMM은 결과물이 그럴듯해 보여도 입력 데이터 품질에 결과가 전적으로 좌우되는 모델입니다. 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 합니다. 이 데이터 요건은 다음 레슨에서 구체적으로 다룹니다. 결론적으로 MMM은 "디지털 트래킹이 막힌 시대의 대안"이 아니라, 애초에 오프라인까지 포함한 전사 마케팅 예산을 통합적으로 검증하기 위해 설계된 별도의 측정 축으로 이해하는 게 맞습니다.

이 세 축을 구분하지 않고 "가장 정밀한 어트리뷰션 하나만 믿고 예산을 결정한다" 식으로 접근하면, 오프라인 매체와 프라이버시 규제로 신호가 끊긴 채널의 기여도가 통째로 과소평가되는 문제가 생깁니다. MMM을 별도 축으로 놓는 이유가 여기에 있습니다.