그렇다면 'MMM(Marketing Mix Modeling)'은 어떻게 분석할까요?



MMM 분석의 근간은 통계학에서 자주 활용되는 회귀분석입니다. 회귀분석에도 다양한 분석 방법이 존재하지만 기본적으로 독립변수와 종속변수 간 가장 적합한 관계식을 추정하는 방식입니다. 어렵다고 느끼실 수 있지만 의외로 분석의 기본 틀은 간단합니다. 우선 회귀분석에서도 가장 기본적인 선형 회귀 분석을 예시로 설명드리겠습니다.



위 그래프는 X 축이 독립변수, Y축이 종속변수이며 그 관계의 분포가 Data Point 범례로 표시되어있습니다. 관계 분포를 설명할 수 있는 관계식(방정식)을 추정한다면 X값에 따른 Y값을 예측할 수 있겠죠? 관계식은 선형이기 때문에 'Y=ax+b' 와 같은 1차 방정식 형태를 띄게 됩니다.

이 때 a와 b 값을 조정하여 위 분포를 가장 잘 예측할 최적의 관계식을 도출하는 것이 가장 핵심입니다. 가장 적합한 관계식을 찾기 위해 a와 b 값을 세밀하게 조정할 수 있으며 조정에 따라 위와 같이 여러 개의 관계식을 발견할 수 있습니다. 이 때 관계식 중에서 실제 분포와 관계식 간의 차이 값(잔차)이 가장 작은 관계식을 찾으면 그것이 바로 분포에 가장 적합한 분석 모델이 됩니다.









위와 같은 회귀분석을 마케팅 사례에 활용한 것이 바로 MMM 모델인데요.

이 때 독립변수(X값)는 마케팅 전략을 집행한 광고비가 되고 종속변수(Y값)는 마케팅 KPI 변수가 됩니다. 변수 항목을 예로 들자면 TV, 유튜브, 인스타그램 광고비가 독립변수가 되고 제품 매출액이 종속 변수가 될 수 있습니다.





비록 현실에서는 실제 광고비가 매출의 얼마만큼을 기여했는지를 확인하기 어렵지만, 이렇게 둘 사이의 관계식을 추정하게 되면 어떤 마케팅 전략이 KPI에 영향을 많이 미치는지, 어떤 전략 구성으로 집행했을 때 KPI가 높아지는지를 예측할 수 있습니다.





다만 예시와 달리 실제 캠페인 데이터에 맞춤화된 분석 모델을 찾으려면 까다로운 작업이 필요합니다.

실제 광고 전략과 KPI는 여러 개를 가정하는 경우가 많아서 독립 변수, 종속 변수가 여러 개인 경우도 많습니다. 그리고 데이터에 따라 선형, 지수, 로그 등 적합한 관계식 유형을 탐색해야 하는 과정이 필요합니다. 또한 계절이나 이벤트 등의 외부 요인에 KPI가 영향을 받을 수 있어 광고의 KPI 기여분을 해석할 때 주의가 필요합니다.



마케팅 실무에서는 어떻게 MMM을 적용하는지는 다음 콘텐츠에서 확인해주세요!