경기가 회복세에 있을 때 광고비가 늘었고 매출도 늘어난 경우 많은 보고서는 이를 ‘성과’ 라고 말합니다. 하지만 질문을 바꿔보겠습니다. 광고가 매출을 만든 걸까요? 아니면 매출이 오를 시점이었기 때문에 광고비를 늘린 걸까요? 이 차이를 구분하지 못하면, 우리는 ‘성과처럼 보이는 숫자’에 계속 예산을 배분하게 됩니다.

광고 분석에서 가장 자주 발생하는 문제는 내생성(Endogeneity) 입니다. 쉽게 말해, 원인과 결과가 뒤섞이는 현상입니다.

대표적으로 두 가지가 있습니다.

1. 역인과성 (Reverse Causality)

매출이 좋아질 조짐이 보이자 광고비를 늘렸다면, “광고 → 매출 증가”가 아니라 “매출 기대 → 광고비 증가”일 수 있습니다.

2. 누락 변수 편의 (Omitted Variable Bias)

경기 회복, 계절 효과, 가격 인하, 경쟁사 활동 감소 등 외부 요인을 충분히 통제하지 못하면 광고 효과가 과대 추정됩니다.

이 두 가지가 동시에 작동하면 ROI는 실제보다 높게 보이게 됩니다. 그 결과, 비효율 예산이 구조적으로 반복됩니다.

그래서 MMM이 필요합니다

MMM(Marketing/Media Mix Modeling) 은 단순한 상관관계 분석이 아닙니다. 매출이 어떻게 만들어지는지를 구조적으로 분해하는 분석 프레임입니다. 매출은 광고 하나로 설명되지 않습니다.

MMM의 목적은 “광고가 매출 구조 안에서 어떤 역할을 했는가?”를 밝히는 것입니다.

예를 들면 정교한 MMM은 여러 요소들 중에서 다음 같은 분석들을 반영해야 합니다.

l  Lag 구조: 광고 효과의 시차 반영

l  Adstock: 광고의 누적 효과 반영

l  Saturation: 일정 수준 이상에서의 체감 효과 반영

l  다중공선성 통제: 매체 간 간섭 및 중복 효과 정리

l  예측 안정성 검증: 모델의 재현 가능성 확인

많은 MMM이 유용하지 못한 이유는 미디어 집행 구조를 이해하지 못하기 때문입니다. MMM은 통계 모델이 아니라, ‘비즈니스 구조를 수치로 번역하는 작업’ 입니다.

정교한 분석 기법과 현실적인 매체 구조 이해가 함께 설계될 때, 비로소 광고는 “집행 결과 보고서”가 아니라 “경영 의사결정 도구”가 됩니다.