#mmm

어트리뷰션 도구가 내놓는 숫자 뒤에는 수십 년의 학술 계보가 있습니다. 협력 게임 이론의 Shapley value부터 MMM, incrementality, data-driven attribution까지 광고 기여도 측정의 뿌리가 된 논문 7편을 마케터 관점에서 정리했습니다.

MMM이 끝났다고 일이 끝나지 않습니다. 채널별 한계 ROAS를 균등하게 만드는 재배분 알고리즘, 시뮬레이션 범위 제약, 회의에서 의사결정으로 끌고 가는 슬라이드 디자인까지 정리합니다.

MMM이 비싸고 느린 분석가용 도구라는 인식은 이제 옛말입니다. PyMC-Marketing으로 마케터가 직접 adstock·saturation·prior를 조정하며 채널 기여도를 추정합니다. 모델 fit·posterior 해석·예산 시나리오까지 한 번에 정리.

iOS 14.5와 서드파티 쿠키 종말 이후 MTA가 흔들립니다. 마케터가 알아야 할 Marketing Mix Modeling의 기본 개념(adstock·saturation), 그리고 보고서에서 MMM 결과를 읽는 법.

MMM 결과를 회의에 띄우기 전에 모델이 진짜로 데이터를 잘 잡고 있는지 확인하는 단계입니다. backtest·holdout·prior 민감도·lift 결과 비교 4가지 검증법과 실패 시 대응을 정리합니다.

Bayesian MMM의 절반은 prior를 잘 잡는 일입니다. Lift 결과·매체 통념·작년 데이터를 prior 분포로 변환하는 룰, 너무 좁거나 너무 넓을 때 일어나는 일, 분기마다 prior를 업데이트하는 흐름을 정리합니다.

Multi-Touch Attribution은 Meta가 1.8x ROAS라고 말하고, MMM은 0.9x라고 답하며, Geo-Lift는 1.3x를 보고합니다. 같은 캠페인인데 왜 숫자가 다 다를까. 세 측정의 가정·강점·한계와 의사결정에 합치는 triangulation 프레임을 정리합니다.

같은 채널에 광고비를 두 배로 써도 매출은 두 배가 안 됩니다. Hill·Logistic·Michaelis-Menten 같은 saturation 곡선이 그 한계를 모델링하는 법, 그리고 절반 포화 지점 L과 한계 ROAS의 관계를 마케터 시선에서 풀어쓴 글.

마케팅 측정의 성숙도는 5단계로 나뉩니다. last-click → multi-touch → MMM → lift study → triangulation. 우리 팀이 어디 있는지 진단하고 다음 단계 로드맵을 잡는 한 가지 모델.

MMM의 절반은 adstock 함수를 잘 잡는 일입니다. Geometric·Delayed·Weibull 세 가지 형태와 채널별 추천 파라미터, 그리고 잘못 잡았을 때 채널 기여도가 휘는 방식을 마케터 시선에서 정리합니다.

데이터가 적을 때 last-touch가 흔들리는 이유, 그리고 베이지안 사전(prior)이 어떻게 신규 채널의 ROAS 추정을 안정시키는지 토이 코드 한 묶음으로 풀어봅니다.

Originally published at norvik.tech Introduction Explore the intricacies of Marketing...