0Pricing
Digital Marketing Academy · 강의

MMM과 기여도 분석 비교

하향식과 상향식

MMM과 기여도 분석 비교은(는) CoddyKit의 무료 Digital Marketing Academy 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Digital Marketing Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Digital Marketing Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

같은 질문을 바라보는 두 가지 관점

마케팅 믹스 모델링(MMM)과 다중 접점 기여도 분석(MTA)은 모두 "매출을 이끈 요인은 무엇인가?"라는 질문에 답하려 하지만, 서로 반대 방향에서 접근합니다.

MMM은 하향식입니다. 집계된 시계열 광고 지출 및 매출 데이터를 사용해 각 채널의 기여도를 추정합니다. MTA는 상향식입니다. 개별 사용자가 하나의 전환에 이르기까지 거친 접점들을 연결합니다.

숙련된 실무자는 각 방법의 맹점을 다른 방법이 일부 보완한다는 점을 알고 두 방법을 함께 사용합니다.

MMM이 실제로 측정하는 것

MMM은 시간에 따른 매출을 마케팅 및 비마케팅 요인에 대해 회귀 분석합니다. 그 결과 채널별 탄력성과 매출을 기본 기여 및 추가 기여로 나눈 분해 결과를 얻을 수 있습니다.

중요한 점은 MMM이 오프라인 채널인 TV, 라디오, OOH와 사용자 수준의 추적으로는 확인할 수 없는 장기 효과까지 포착한다는 것입니다.

sales_t = base
        + b1*TV_t
        + b2*Search_t
        + b3*Social_t
        + b4*OOH_t
        + seasonality_t
        + error_t

기여도 분석이 실제로 측정하는 것

MTA는 사용자가 전환하기 전에 접한 추적 가능한 각 접점에 부분적인 기여도를 배분합니다. 모델은 마지막 클릭 방식부터 데이터 기반 섀플리 방식 기여도 분석까지 다양합니다.

MTA는 디지털 환경과 쿠키로 추적 가능한 고객 여정에 강하며, 채널과 캠페인별 기여도를 세분화해 거의 실시간으로 제공합니다.

journey: Display -> Search -> Email -> Convert

last_click:   Display=0.0  Search=0.0  Email=1.0
linear:       Display=0.33 Search=0.33 Email=0.33
data_driven:  Display=0.18 Search=0.55 Email=0.27

세분화 수준과 포괄 범위

핵심적인 상충 관계는 다음과 같습니다. 기여도 분석은 세분화되어 있지만 범위가 좁고, MMM은 범위가 넓지만 거칩니다.

MTA는 어떤 광고 소재가 사용자의 전환을 이끌었는지 알려 줄 수 있지만, TV, 입소문, 추적 기간 밖의 모든 요소는 무시합니다. MMM은 전체 예산을 파악하지만 단일 캠페인이나 특정 잠재고객까지 세부적으로 분석할 수는 없습니다.

dimension      MMM            MTA
----------     -----------    -----------
data           aggregate      user-level
offline media  yes            no
granularity    channel        campaign/ad
privacy-proof  yes            no

개인정보 보호의 변화

쿠키 폐기, ATT (앱 추적 투명성), 동의 규정으로 인해 MTA가 의존하는 사용자 수준의 신호가 약화되었습니다.

MMM은 집계 데이터만 사용하므로 이러한 변화의 영향을 거의 받지 않습니다. 이것이 대형 광고주들 사이에서 MMM이 다시 각광받게 된 주된 이유입니다.

상관관계, 인과관계, 증분 효과

두 방법 모두 상관관계를 인과관계로 혼동할 위험이 있습니다. 검색은 다른 채널이 만들어 낸 수요를 포착하기 때문에 기여도가 과도하게 인정되는 경우가 많습니다.

진정한 증분 효과는 다음 질문에 답합니다. 지출이 없었어도 이 판매가 발생했을까요? 지역 실험과 홀드아웃 검증은 MMM과 MTA를 보정할 때 기준으로 삼는 가장 확실한 방법입니다.

Naive:  Search ROAS = 8.0  (looks amazing)
Geo holdout reveals 40% would convert anyway
Incremental ROAS = 8.0 * 0.60 = 4.8

시간 범위가 다릅니다

MTA는 며칠에서 몇 주에 이르는 전환 기간 안을 살펴봅니다. MMM은 광고 잔존 효과와 추세 항을 통해 수개월에 걸친 이월 효과와 장기적인 브랜드 효과를 모델링할 수 있습니다.

브랜드 캠페인을 MTA만으로 평가하면 성과가 해당 기간 밖에서 나타나기 때문에 체계적으로 저평가하게 됩니다.

데이터 요구 사항

MMM에는 주간 단위로 2~3년간의 이력이 필요합니다. 여기에는 채널별 지출, 매출, 가격, 프로모션, 유통, 날씨나 거시 지수 같은 외부 요인이 포함됩니다.

MTA에는 접점 전반에서 지속적으로 유지되는 사용자 식별자를 포함한 정제되고 중복이 제거된 이벤트 기록이 필요하지만, 이러한 데이터를 확보하기는 점점 더 어려워지고 있습니다.

MMM rows (weekly):
week | sales | tv_spend | search_spend | price | promo
2024-W01 | 412k | 90k | 30k | 19.99 | 0
2024-W02 | 488k | 90k | 35k | 17.99 | 1

삼각 검증: 둘 다 사용하기

성숙한 측정 체계는 여러 방법을 함께 사용해 검증합니다. 채널 전반의 전략적 예산 배분에는 MMM을, 채널 내부의 전술적 최적화에는 MTA를 사용하고, 두 방법 모두 실험으로 보정합니다.

MMM과 MTA의 결과가 다를 때는 그 차이 자체가 유용한 정보를 제공합니다. 추적되지 않았거나 기여도가 과도하게 인정된 경로를 가리키는 경우가 많기 때문입니다.

Measurement triangle:
  MMM        -> how much per channel (strategy)
  MTA        -> which campaign/ad   (tactics)
  Experiment -> ground truth        (calibration)

흔한 실패 유형

채널이 함께 움직이거나(다중공선성), 이력이 너무 짧거나, 모델이 잡음에 과도하게 맞춰지면 MMM이 실패합니다.

추적이 불완전하거나, 최종 클릭 편향이 보고를 지배하거나, 오프라인 전환이 데이터셋에 전혀 들어오지 않으면 MTA가 실패합니다.

적절한 도구 선택

다음과 같이 질문해 보십시오. 이 질문은 전략적인가요, 전술적인가요? 오프라인 미디어까지 포함하나요? 여기서 사용자 수준의 데이터를 신뢰할 수 있나요?

TV, 디지털, 리테일 전반의 연간 예산 계획에는 MMM이 적합합니다. 다음 주 유료 검색 계정을 최적화하는 데에는 MTA가 적합합니다. 어느 쪽이든 검증하려면 실험이 적합합니다.

if question == 'how split total budget?': use MMM
if question == 'which keyword/creative?':  use MTA
if question == 'is this truly incremental?': run experiment

빠른 확인

MMM이 기여도 분석보다 유리한 경우를 얼마나 잘 이해하고 있는지 확인해 보십시오.

요약

MMM은 하향식이고 집계형이며 개인정보 보호 변화에 강하고, 오프라인을 포함한 모든 미디어의 전략적 배분에 적합합니다. MTA는 상향식이고 세분화되어 있으며 전술적인 디지털 최적화에 가장 적합하지만, 추적 데이터 손실에 취약합니다.

어느 한쪽만으로는 완전하지 않습니다. MMM, MTA, 실험을 함께 사용해 검증하고, 이들 사이의 이견은 증분 효과 검증으로 판단하십시오.

자주 묻는 질문

“MMM과 기여도 분석 비교” 강의는 무료인가요?

네 — “MMM과 기여도 분석 비교” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Digital Marketing Academy 강의 전체를 잠금 해제할 수 있습니다. Digital Marketing Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“MMM과 기여도 분석 비교”에서 뭘 배우나요?

하향식과 상향식 브라우저에서 직접 실행하는 실습 코드로 Digital Marketing Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Digital Marketing Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Digital Marketing Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“MMM과 기여도 분석 비교” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Digital Marketing Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Digital Marketing Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. MMM과 기여도 분석 비교
  2. 입력값과 변수
  3. MMM 읽기
  4. 예산 재배분
← Digital Marketing Academy(으)로 돌아가기