마케팅 믹스 모델링이란? 그리고 3가지 장점과 한계점

(참조 자료: What is Marketing Mix Modelling? 3 Benefits & Limitations)

전통적인 마케팅 관행과 그로 인한 성공 또는 실패를 예술의 한 형태로 간주하던 시절이 있었습니다. 결과를 추적할 수 없는 신비로운 마케팅 활동은 투명성이 부족했고, 큰 마케팅 성공은 단순히 일부 스타 마케팅 전문가의 창의적인 재능에서 비롯된 것으로만 널리 여겨졌습니다.

1980년대에 들어 빅데이터의 출현과 함께, 데이터 수집과 분석에 대한 막대한 투자가 시작되며 마케팅 활동이 전부는 아니더라도 최소한 일정 어느 부분은 과학적으로 진행되어야 한다는 인식이 확산되면서 상황이 바뀌었습니다. 그러나 많은 마케터에게 본격적으로 과학적 접근 방식으로의 전환은 무척 부담스러운 일이었습니다. 새로운 기술, 복잡한 알고리즘, 통계적인 애플리케이션을 따라잡기 위해 허둥대는 경우가 많습니다.

특히 판매 수익의 8~10%를 마케팅 캠페인에 투자하고 있는 리테일 업계를 포함해서 많은 업계의 CMO와 마케터는 한정된 마케팅 예산을 어디에 어떻게 투자해야 하는지 많은 고민을 하게 됩니다. 물론 가장 큰 관심사는 이 예산을 다양한 마케팅 활동에 어떻게 효과적으로 배분할 수 있는가입니다. 마케팅 믹스 모델링(MMM)과 같은 체계적이고 전략적인 계획은 마케팅 변수의 최적의 조합을 찾고 공들여 연구한 마케팅 전략이 제공하는 투자 수익률(ROI)을 입증함으로써 이 문제를 극복하는 데 도움이 될 수 있습니다.

마케팅 믹스 모델링(MMM)이란?

우리는 모두 마케팅 믹스의 4P에 대해 잘 알고 있습니다: 제품(Product), 가격(Price), 장소(Place), 프로모션(Promotion)입니다. 마케팅 믹스는 비즈니스가 성공하기 위해 필요한 요소를 고려하는 마케팅 이론의 기본 요소입니다.

마케팅 믹스 모델링은 각 요소별로 얼마나 많은 성공을 거두었는지 파악하고, 마케팅 믹스의 수정과 최적화를 통해 향후 어떤 성공을 거둘 수 있을지 예측한다는 점에서 4P와 밀접한 관련이 있습니다.

마케팅 믹스 모델링은 집계 데이터를 세분화하고 마케팅 전략과 프로모션 활동의 기여도와 기타 다른 통제할 수 없는 성공 요인들을 구분하여 마케팅 캠페인의 효과를 평가하는 통계적인 방법입니다.

마케팅 믹스 모델 분석의 결과, 즉 ‘산출물(Output)’은 향후 마케팅 활동의 구성을 어느 정도 확실하게 알려줍니다(예: 인풋 ‘A’를 변경하면 아웃풋 ‘B’에 영향을 미칩니다).

마케팅 믹스 모델링의 장점

• 마케터가 캠페인의 ROI를 입증할 수 있도록 지원
• 효과적인 예산 배분을 위한 인사이트 제공
• 판매 트렌드 예측 지원

마케팅 믹스 모델링의 한계점

• 실시간 최신 데이터 분석의 편의성 부족
• 마케팅 믹스 모델링보다 최신 어트리뷰션 방식이 1대1 개별 데이터를 고려하기 때문에 더 효과적이라는 의견이 있음
• 마케팅 믹스 모델링은 고객 경험(CX)을 분석하지 않음

마케팅 믹스 모델링 시작 방법

지금 당장은 방정식과 계수, 그리고 고등학교 수학 시간에 울고 싶게 만들었던 모든 것들에 갇혀 있을 수 있습니다. 하지만 마케팅 임원이나 관리자라면 실제로 숫자를 직접 계산하는 것보다 마케팅 믹스 모델링 구현의 이점과 그 가치에 더욱 초점을 둘 수 박에 없을 것입니다.

따라서 부서 내에서 마케팅 믹스 모델링 프로젝트를 시작하려고 할 때 알아야 할 사항은 다음과 같으므로 혼란스러운 부분은 모두 관련 전문가와 함께 시작하면 됩니다.

Google은 비즈니스 내에서 또는 공급업체와 함께 마케팅 믹스 모델링을 수행하기 전에 기업이 앞으로 일어날 일에 대비해야 한다고 제안합니다. 다음 4가지 단계를 따르면 기업이 MMM 프로젝트에서 가치를 얻을 수 있습니다:

1. 목표 설정하기

애시당초 MMM을 시작하는 이유는 마케팅 캠페인을 향상시키고 예산 배분을 최적화할 수 있는 체계적인 지식을 얻기 위해서라는 점을 기억하세요. 하지만 이 외에도 기업의 목표는 명확하고 달성가능한 것이어야 합니다.

마케팅 믹스 모델링을 통해 답을 얻고자 하는 주요 질문에 대한 개요를 작성하세요. 검토할 영역과 스스로에게 물어볼 질문의 몇 가지 예시는 다음과 같습니다:

• 예산
  평균 투자 수익률(MROI)이 가장 높은 마케팅 전략은 무엇일까요?
• 미디어
  TV 광고 예산을 15% 늘리면 매출 증가율이 증가할까요?
• 가격 책정
  가격 변경이 매출과 수익에 미치는 영향은 무엇인가요?
• 경쟁사
  어떤 경쟁사의 광고 캠페인이 매출에 가장 큰 영향을 미치고 있나요?

준비 단계에서 기업에 묻는 질문은 이후 MMM 분석의 규모와 범위를 안내하고 계획을 수행하는 데 필요한 데이터를 파악하는 데 도움이 됩니다.

2. 기업과 주요 이해관계자가 데이터를 이해할 수 있도록 조율하기

마케팅 믹스 모델링을 위해서는 기업 내 여러 영역에서 대량의 데이터를 수집해야 합니다. 이를 위해서는 각 데이터 세트의 게이트키퍼를 참여시키고, 책임을 정하고, 데이터 처리를 위한 타임라인을 만들어야 합니다.

이 중 몇 명이라도 참여해야 진행 가능성이 높습니다:

• CMO(최고 마케팅 책임자)
• TV 및 미디어 대행사 파트너
• 마케팅 대행사 파트너
• CRM 매니저
• 마케팅 임원

3. 관련 데이터 식별하기

기업에는 기존에 쓰이던 데이터 저장소가 있을 것이며, 여기에는 연구 목적으로 쉽게 액세스하고 분석할 수 있도록 기업 및 고객 데이터가 보관되어 있습니다. 일관성 있고 클리어하며 논리적으로 저장된 데이터는 분석을 위해 용도를 변경할 때 시간과 노력을 절약할 수 있으므로 데이터의 품질은 MMM의 필수 요소입니다. 이 단계에서는 기업의 데이터 저장소 및 도구 관리를 담당하는 동료의 도움을 받아야 합니다.

4. 제한 사항을 포함한 데이터 액세스 권한에 대한 이해

보유하고 있는 데이터와 분석에 포함시키고자 하는 데이터의 상세 목록을 작성하고, 서드파티 데이터에 액세스하는 데 필요한 결제 또는 구독을 포함하여 가능한 한 많은 정보를 수집하세요. 또한 오프라인 데이터 액세스와 관련된 시간 지연도 고려해야 합니다.

마케팅 모델 모델링 실행법

닐슨은 마케팅 믹스 모델링 프로세스를 4단계로 구분합니다:

스테이지 1: 수집

마케팅 믹스 모델링의 수집 단계에서는 경제학 기법을 사용하여 제품 판매를 아래와 같은 두 가지 유형의 세일즈 드라이버(Sales driver)으로 구분하여 마케팅 전략에 의해 생성된 제품 수요를 추정합니다:

1. 점진적인 드라이버(Incremental drivers)

마케팅 팀에서 컨트롤할 수 있는 요소입니다. 점진적인 드라이버는 단기적으로 실행되며, 데이터는 주별 매출에 따라 달라집니다:

• ATL(Above-the-line) 미디어 활동- TV, 인쇄 광고, 디지털 광고, 프로모션 및 할인 등
• BTL(Below-the-line) 미디어 활동 – 임시 판매 가격, 판매 프로모션, 할인, 소셜 미디어, 다이렉트 메일 마케팅 캠페인, 매장 내 마케팅, 이벤트 및 컨퍼런스 등

2. 베이스 드라이버(Base drivers)

비즈니스의 기본 성과는 추가적인 마케팅 활동이 없는 상태에서 달성한 매출입니다. 기본 성과는 고객 충성도 등 수년에 걸쳐 쌓아온 브랜드 자산과 평판의 결과인 경우가 많습니다.

다음 요소는 베이스 드라이버입니다.

• 가격(Price): 제품 가격은 제품이 타겟팅하는 소비자 세그먼트와 선택한 대상에게 제품을 마케팅하기 위해 실행되는 프로모션을 모두 결정하기 때문에 마케팅 믹스에서 중요한 기본적인 드라이버입니다.
• 유통(Place): 매장 위치 수, 매장 내 재고, 재고의 유통 기한은 모두 마케팅 믹스의 베이스 드라이버로 간주됩니다. 매장 위치와 매장 내 재고는 정적이며 마케팅 개입 없이도 고객이 찾을 수 있습니다.
• 계절성(Seasonality): 특정 변동은 한 사업연도 내에서 주기적으로 발생하므로 어느 정도 예측 가능한 수준으로 판매를 촉진하는 데 신뢰할 수 있습니다. 겨울 휴가 기간과 같은 계절적 판매는 비즈니스에 큰 영향을 미칩니다. 예를 들어, 2018년 이커머스 업계는 연말연시 소비로 인해 16.7% 성장하여 최대 1,239억 9,000만 달러에 달했습니다.
• 거시경제 변수(Macroeconomic variables): 거시경제학은 전반적인 경제와 시장의 움직임을 연구하는 학문입니다. 거시경제는 인플레이션, 국내총생산(GDP), 실업률 등과 같은 이슈의 영향을 고려합니다. 예를 들어 실업률이 증가하면 소비자의 구매력이 낮아져 매출이 감소하는 것과 같이 거시경제적 요인은 MMM의 기본 매출에 큰 영향을 미칠 수 있습니다.

스테이지 2: 모델

마케팅 믹스 모델링 프로젝트에서 시계열 분석(회귀 모델)을 ‘논리적 선택’이라고 부르는 P.M Cain… 지금 당장 머리가 긁적거려도 걱정하지 마세요. MathWorks의 간단한 정의가 있습니다:

“시계열 회귀는 응답 이력(자동 회귀 역학이라고 함)과 관련 예측 변수로부터의 역학 전이를 기반으로 미래의 응답을 예측하는 통계적 방법입니다. 시계열 회귀는 실험 또는 관찰 데이터로부터 동적 시스템의 동작을 이해하고 예측하는 데 도움이 될 수 있습니다. 시계열 회귀는 일반적으로 경제, 금융 및 생물학적 시스템의 모델링과 예측에 사용됩니다.”

미래를 예측하는 것은 꽤 멋지게 들리지 않나요?

시계열 회귀 분석에는 다양한 시간 간격과 해당 기간 내의 비즈니스 결과를 생성하는 작업이 포함됩니다. 이 모델은 1979년으로 거슬러 올라가며 광고와 소비자 행동 사이의 비선형 관계를 설명하는 Adstock의 개념을 기반으로 합니다.

Adstock 이론에 따르면 광고는 즉각적이지 않고 수익이 감소하므로 더 많은 비용을 할당하더라도 시간이 지남에 따라 광고의 영향력이 감소합니다. 따라서 시간 회귀 분석은 마케터가 광고 효과의 잠재적 타임라인과 이러한 요소를 보완하기 위해 마케팅 믹스를 최적화하는 방법을 이해하는 데 도움이 됩니다.

이 모델은 여러 모델 중 하나일 뿐이며, 조직의 목표, 데이터의 품질, 협력하기로 선택한 공급업체에 따라 다른 모델을 구현할 수 있습니다.

스테이지 3: 분석

분석 단계에서는 선택한 모델의 아웃풋(outputs)을 검토하며, 이러한 아웃풋은 모델링된 각 전략에 대해 데이터를 볼륨으로 세분화하는 매출 분해의 형태로 제공됩니다.

매출 분해(Decomposition of sales) 분석에는 3가지 중요한 지표가 있습니다:

• 효과성
• 효율성
• MROI(Median Return of Investment)

마케팅 활동 전체와 각 전략에 대해 개별적으로 이러한 지표에 대한 정보를 얻을 수 있습니다.

스테이지 4: 최적화

MMM의 마지막 단계는 기본적으로 결과를 입력으로 전환하는 풀 서클 스타일로, 분석 결과를 사용하여 향후 캠페인을 위한 마케팅 믹스를 최적화하는 것입니다.

최적화의 일부에는 “What if 시뮬레이션“이 포함됩니다. 마케팅 모델의 출력은 마케팅 활동과 세일즈 결과 사이의 관계를 보여주는 방정식입니다. 이러한 방정식을 사용하면 마케팅 믹스를 변경하면 어떤 일이 일어날지 예측할 수 있습니다.

예를 들어, 코카콜라 캔의 가격을 5% 인하하면 어떻게 될까요? 이 질문은 프로모션 할인과 같은 점진적인 요소의 변경이 판매에 어떤 영향을 미치는지 고려하며, 모델 아웃풋은 정확한 답을 반환하여 프로모션 전략을 알리는 데 사용할 수 있습니다.

마케팅 믹스 모델링 공급업체 선택

이제 마케팅 믹스 모델링이 무엇이며 이를 통해 무엇을 달성할 수 있는지 명확하게 이해했으니, 이제 모델링을 처리하는 데 사용할 공급업체를 고려하기 시작해야 합니다. 조직 내에 통계 분석 전문가가 사내에 있다면 모를까, 그렇지 않다면 바로 시작하세요!

적합한 공급업체를 찾기 위해 조사하고 고려하는 단계에서 다음과 같은 몇 가지 중요한 질문을 해야 합니다:

• 질문 1: 마케팅 믹스 모델에는 어떤 판매 동인이 포함되나요?
• 질문 2: 데이터는 어떻게 수집되나요?
• 질문 3: 데이터 입력의 세부 수준은 어느 정도인가요?
• 질문 4: 데이터 입력의 정확성을 어떻게 보장하나요?
• 질문 5: 인사이트는 얼마나 세분화되어 있나요?

공급업체에 대한 철저한 조사가 없으면 창의성이 결여되고 예기치 않은 지연으로 인해 시간이 초과되는 분석이 나올 수 있습니다. 또는 최악의 경우, 부정확한 데이터로 인해 매출과 ROI를 높이는 데 필요한 실행 가능한 인사이트를 얻지 못할 수도 있습니다.

결론

MMM을 올바르게 수행하면 사실에 기반한 최적화를 통해 마케팅 믹스를 간소화할 수 있습니다. 통계 데이터를 사용하면 마케팅 활동에서 추측을 배제하고 예산을 정확하게 할당하고 계절별 및 채널별 요인을 정확하게 파악하여 ROI를 높일 수 있습니다.

마케팅에서 정확한 데이터는 콘텐츠에 창의력을 발휘할 수 있는 여지가 더 많아지고, 고객에게 기억에 남는 고객 경험(CX)을 제공할 수 있는 시간이 더 많아진다는 것을 의미합니다. 마케팅 믹스 모델링에 투자하면 시장 내에서 결정적인 움직임을 보이고 궁극적으로 경쟁사보다 더 멀리 나아갈 수 있는 자신감을 얻을 수 있습니다.