1. VIPer LMMM 모델
LMMM (LightweightMMM) : 경량화된 오픈소스 솔루션
LMMM은 사용자가 쉽게 마케팅 믹스 모델(MMM)을 학습시키고 채널별 기여도 정보를 얻을 수 있도록 개발된 파이썬(Python) 기반의 오픈소스 라이브러리입니다. VIPer LMMM은 해당 분석 로직을 노코드 솔루션으로 재탄생시켜 개발 지식이 없는 마케터도 접근할 수 있도록 만들었습니다.
현재 Google Meridian 또한 연구 및 분석 컨설팅은 진행 중이며 VIPer 내 노코드 서비스로 오픈 예정입니다.
1. LMMM의 정의
LMMM은 미디어 채널 전반에 걸친 마케팅 지출을 이해하고 최적화할 수 있도록 돕는 베이지안 마케팅 믹스 모델링(MMM) 도구입니다. 최근의 개인정보 보호 정책 등 생태계 변화에 영향을 받지 않으면서도, 온/오프라인 채널의 광고 효과를 통합적으로 측정하고 최적의 예산 할당 결정을 내릴 수 있도록 지원합니다.
베이지안(Bayesian)이란?
- 사전 지식의 적극적 활용 : 마케팅 업계의 실무 경험, 과거 MMM 결과 등 기존에 이미 알고 있는 '사전 정보'를 새로운 분석 모델에 반영하여 활용하는 방식입니다.
- 불확실성을 고려한 예측 : 분석 결과가 가진 예측 값만 보는 것이 아니라 결과, 데이터가 가질 수 있는 불확실성까지 예측할 수 있습니다.
비즈니스에 대한 사전 지식과 새로운 집행 데이터를 모두 반영하여 결과를 도출하기 때문에 실제 마케팅 환경에 적용할 수 있는 기여도 분석, 마케팅 예산 할당 전략을 계획할 수 있습니다.
2. 핵심 기술적 특징
LMMM은 Numpyro와 JAX 라이브러리 기반으로 구축되었으며, 모델의 유연성과 정확도를 높이기 위해 다음과 같은 기술을 활용합니다.
\text{KPI}_t = α + t r e n d + s e a s o n a l i t y + m e d i a c h a n n e l s + o t h e r f a c t o r s- 베이지안 접근법 (Bayesian Approach)
: 업계 경험이나 이전 미디어 믹스 모델의 정보를 베이지안 사전 확률(Bayesian priors) 형태로 모델링에 통합할 수 있습니다. 또한, 파라미터와 모델의 불확실성을 측정하여 이를 예산 최적화 과정에 반영합니다.
- 미디어 이월(Lag) 및 포화 효과 측정
: 광고가 매출에 미치는 효과를 정교하게 분석하기 위해 광고의 지연 효과, 포화 효과를 모델링하는 3가지 접근법을 제공합니다.
- Adstock: 시간이 지남에 따라 가중치가 감소하는 지연 효과를 적용합니다.
- Hill-Adstock: Adstock 결과에 수확 체감을 위한 S자형 커브 형태의 함수를 적용합니다.
- Carryover: 광고 효과가 광고 직후가 아닌 특정 시점 이후 극대화되는 형태 등으로 보다 다양한 가중치로 형태 설정이 가능합니다.
위 Adstock, Hill Adstock, Carryover의 경우 VIPer LMMM에서는 '전문가 분석'에서만 조건 설정이 가능합니다. 필요시 VIPer 컨설팅으로 문의 부탁드립니다.
3. 주요 기능 및 강점
- 적은 데이터로도 빠르게 안정적 결과 도출
: 고성능 수치 계산 라이브러리 JAX를 기반으로 설계되었으며, 간결하면서도 명확한 모델 구조를 바탕으로 가볍고 빠른 모델 학습을 지원합니다.
- 상세한 모델 진단 도구
: 실제 KPI와 예측 KPI 간의 적합도 검사(R-squared 및 MAPE 활용), 예측치 분포 확인 등 모델의 신뢰성을 검증할 수 있는 다양한 진단 기능을 제공합니다.
- 풍부한 미디어 인사이트 시각화
: 미디어별 반응 곡선(Response curves)을 도출하고, 미디어 효과 및 ROI(투자 대비 수익률) 추정치의 분포를 시각화하여 직관적인 성과 분석을 가능하게 합니다.