마케팅 믹스 모델링 MMM
MMM의 정의, 역사, 특징, 단계, 장점과 한계까지
이전부터 중요했고, 최근에 다시 중요성이 부각되고 있는 마케팅 프레임이 있습니다.
"Marketing Mix Modeling" 입니다.
마케팅 믹스 모델링이란 사용 가능한 모든 마케팅 활동에서 정보를 수집하고, 각 요소가 전체 매출에 얼마나 기여하는지 파악하여, 시간에 따른 미래 퍼포먼스를 예측하는 방법입니다.
MMM이란?
마케팅 기본 4가지 요소인 Product, Price, Place, Promotion 별 얼마다 많은 성공을 거두었는지 파악하고, 마케팅 활동들이 매출에 미치는 영향과 투자 수익률을 특정하는 모델링입니다. 구체적으로, 마케팅 비용과 매출을 인과관계로 보고, 회귀분석을 통해 두 변인 간 상관성을 밝혀내는 기법입니다.
MMM을 사용하는 목적
그래서 MMM의 목적은 마케팅 활동이 판매에 미치는 영향을 이해하여, 과거 성과 분석을 통해 미래를 예측할 뿐만 아니라 통계적 모델을 사용하여 KPI에 마케팅 활동 이외 외적 요소가 미치는 영향력을 살펴보고 ROI와 같은 핵심 지표를 계산하는 데 도움을 받는 것 입니다.
MMM의 중요성
이러한 MMM이 중요한 이유는 마케팅 또는 광고 예산을 한 곳에 집중하지 않고, 가장 효율적인 방법을 최적화 및 수정하여 전체 ROI의 균형을 맞추는 데 도움을 받을 수 있기 때문입니다. 또한 미디어 믹스를 통해 안정망을 유지하는 동시에 과감한 시도를 할 수 있는 제반 조건이 되어주기도 합니다. 특히 전략을 테스트하고 발전시키는 역동성이 중요한 디지털 마케팅에서는 그 중요성이 점점 커져갔습니다.
MMM의 발전 역사
MMM은 1960년대에 생겨났습니다. 초반에는 방대한 데이터를 처리 및 분석해야 하며, 복잡한 변수 생성과 모델링 과정을 거쳐야 하는 탓에 자본력이 탄탄한 대기업의 전유물로 여겨져 왔습니다.
그러다 1980년 후반 P&G, 크래프트, 유니레버, 테스코, 월마트, 포드, HP, 노바티스, 비자카드 등 소비자, 유통업, 자동차, IT, 금융, 제약업에서 차용되면서 글로벌 선도 기업을 중심으로 마케팅 분야에 널리 확대되어 왔습니다.
하지만 스마트폰의 등장으로 실시간 데이터 추적이 가능해지면서 MMM보다는 어트리뷰션 방법론이 급부상하게 되었습니다. 어트리뷰션이란 모바일 환경에서 일어나는 사용자의 광고 노출, 광고 클릭, 앱 설치, 구매 등 최신의 데이터를 바탕으로 마케팅 성과를 분석하고 이를 바탕으로 예산을 최적화하는 기법입니다. 그러나 혁명을 몰고 온 어트리뷰션 기법은 사용자 개인 정보 보호를 위한 앱 추정 투명성 정책(ATT)이 도입되면서 유저 단위의 데이터 수집이 매우 어려워지면서 한계를 맞이하게 되었습니다.
이러한 상황에서 사용자의 행동 데이터 없이 집계 데이터 만으로 성과 분석이 가능했던 MMM이 다시 중요해지고 있습니다. 최근에는 머닝러신 기술을 접목한 MMM 혁신으로 머신러닝을 통해 방대한 데이터를 자동으로 학습하고, 알고리즘을 사용해 빠른 분석과 예측이 가능하게 되었습니다. 그리고 이전 수작업을 통해서는 발견할 수 없었던 데이터 내 패턴과 복잡한 관계를 식별하고 이를 모델로 구현할 수 있게 되면서 이전 버전과는 다른 차원의 MMM으로 발전하고 있습니다.
MMM의 단계
MMM은 Collect - Model - Analyze - Optimize로 진행됩니다.
1. Collect
모델 생성에 필요한 마케팅 데이터를 수집하는 단계입니다. CTR(클릭률), CPC(클릭 당 비용), 총 노출도, 총 참여도, 비디오 조회수 등 디지털 광고 매트릭을 수집하고, 웹사이트 방문수, 노출 수와 같이 놀나인 행동 유도 문구에 매칭되는 오프라인 광고 매트릭을 수집합니다. 뿐만 아니라 컨트롤할 수 있는 요소인 ATL, BTL 정보를 수집하고, 컨트롤하기 어려운 변수인 가격, 유통, 계절성, 거시경제 변수(실업률, 인플레이션 등) 드라이버도 함께 고려해야 합니다.
2. Model
시계열 회귀 분석 모델을 사용하여 모델링을 하는 단계 입니다. MMM 공식은 다음과 같습니다.
KPIt = ß0 + ß1 시즌별 특성t + ß2 브랜드 인지도t + ß3 TVRt +ß4 Facebook 노출t + ß5 가격 + ...기타 모든 요인 + 오류t
KPIt : 모델링 할 시점의 핵심 성과 지표
β0: 기준 성과, 또는 다른 모든 요인이 최소일 때(미디어, 프로모션, 시즌별 특성 또는 가격 관련 요인이 없을 때)의 성과
β: 계수, 또는 변수의 변화가 KPI에 미치는 영향
3. Analyze
모델의 아웃풋을 검토하는 단계입니다. 아웃풋은 모델링된 각 전략에 대해 데이터를 불륨으로 세분화하는 매출 분해의 형태로 제공됩니다. 매출 분해 분석은 효과성, 효율성, MROI를 활용하여 이루어집니다.
4. Optimization
모델 분석 결과를 사용하여 마케팅 캠페인을 위한 마케팅 믹스를 최적화하는 단계입니다. 이 때 what if 시뮬레이션이 사용되는데, 마케팅 활동과 세일즈 결과 사이의 관계를 보여주는 방정식을 사용하여 최적화합니다. (예: 스타벅스 가격을 5% 인하하면 매출이 어떻게 변할까요?)
MMM의 장점과 한계
위와 같은 과정을 거쳐 사용되는 MMM은 다양한 채널에서의 마케팅 전략과 활동들이 판매량, 수익, 신규 고객 수와 같은 KPI에 기여하는 정도를 분석하여 정량화하여, 다양한 시나리오를 시뮬레이션해 성과 예측이 가능하다는 장점이 있습니다.
그러나 어트리뷰션과 같은 기법과 비교했을 때 여전히 실시간 최신 데이터분석이 들어가지 않아 단기적인 전략 혹인 진행중인 마케팅 활동에 대한 인사이트를 얻기에는 적합하지 않다는 한계가 존재합니다. 또한 과거 비즈니스 결과에 의존하여 미래를 예측하는 것이기 때문에 최근에 발생한 변화나 비즈니스의 요인을 반영한 애자일한 의사결정을 내리기는 어렵다는 단점이 있습니다. 그리고 사용자 수준의 데이터가 분석되지 않는다는 점 때문에 CX를 분석하기 어려워 고객에게 기억에 남는 마케팅 활동을 제공하는 등의 인사이트를 얻기에는 적합하지 않다는 의견이 있습니다.
이번 아티클에서는 All time legend 급으로 중요한 MMM 기법에 대해 살펴보았습니다. 최신의 마케팅 분석 트렌드가 어떻게 진행되고 있는지 앞으로도 잘 살펴보고 공유할게요 :)
출처:
https://www.thedigitalmkt.com/marketing-mix-modeling/
https://www.ciokorea.com/column/305143
https://dbr.donga.com/article/view/1205/article_no/6500/ac/magazine
