[MMM 보고서] 실패하지 않는 기본 수요와 증분 효과 분석

매출이 올랐습니다. 지난달 TV 광고를 집행한 직후였습니다. 마케팅팀은 성과 보고서에 "TV 광고 효과로 매출 15% 상승"이라고 적었습니다.

그런데 한 가지 질문이 남습니다. 광고를 하지 않았더라면 매출은 정말 0이었을까요?

대부분의 마케팅 성과 보고는 '매출 변화'와 '마케팅 활동'을 단순 병치합니다. 시점이 겹치면 인과로 해석하고, 숫자가 올랐으면 광고 덕분이라고 결론짓습니다. 그러나 이 접근에는 치명적인 빈칸이 있습니다—기본 수요(Baseline Demand)를 분리하지 않았다는 것입니다.

이 아티클에서는 다음 세 가지를 다룹니다.

1. 기본 수요란 무엇이며, 왜 대부분의 성과 보고에서 빠져 있는가
2. 기본 수요를 무시했을 때 예산 배분에 어떤 왜곡이 발생하는가
3. MMM이 기본 수요와 증분 효과를 어떻게 분리하고, 이것이 실전 의사결정을 어떻게 바꾸는가

기본 수요란 무엇인가

기본 수요(Baseline Demand)란 마케팅 활동이 전혀 없는 상태에서도 자연적으로 발생하는 매출 수준을 의미합니다. 브랜드 인지도, 유통 구조, 계절성, 소비 습관 등 장기적으로 축적된 요인들이 만들어내는 수요의 '바닥'입니다.

반면, 증분 효과(Incremental Effect)는 특정 마케팅 활동—TV 광고, 디지털 캠페인, 프로모션, SNS 콘텐츠—이 기본 수요 위에 추가로 만들어낸 매출을 뜻합니다.

핵심은 이것입니다. 전체 매출에서 Baseline이 차지하는 비중은 업종과 브랜드 성숙도에 따라 다르지만, 대개 50~80%에 달합니다. 즉, 매출의 절반 이상은 광고를 멈춰도 유지되는 구조적 수요입니다.

이 비율을 모른 채 "매출이 올랐으니 광고 효과"라고 결론짓는 것은, 바다 위 빙산의 전체 크기를 수면 위 부분만 보고 판단하는 것과 같습니다.

기본 수요를 모르면 생기는 세 가지 문제

1. 마케팅 ROI의 과대평가

Baseline을 분리하지 않으면, 마케팅이 만든 매출(Incremental)이 아니라 전체 매출을 마케팅 성과로 귀속시키게 됩니다. 광고비 1억 원을 쓰고 매출이 10억 원이면 ROI 10배라고 보고하지만, 실제로 광고가 만든 추가 매출이 2억 원이라면 실질 ROI는 2배에 불과합니다.

이 차이는 단순한 숫자 오류가 아닙니다. 경영진이 잘못된 ROI를 근거로 예산을 늘리거나 줄이는 의사결정으로 이어지기 때문입니다.

2. 채널 간 예산 배분의 왜곡

Baseline이 높은 시기(예: 크리스마스, 설 연휴)에 집행된 광고는 자연스럽게 높은 매출과 병행됩니다. 분리 없이 보면 해당 시기의 광고가 가장 효과적으로 보이지만, 실제로는 계절적 기본 수요가 높았을 뿐 광고의 순수 기여는 작을 수 있습니다.

반대로, 비수기에 집행된 캠페인이 적은 매출을 올렸더라도 Baseline이 낮은 상황에서의 Incremental은 오히려 더 클 수 있습니다. Baseline을 모르면 효율이 높은 채널에 예산을 줄이고, 효율이 낮은 시기에 예산을 늘리는 역선택이 발생합니다.

3. 마케팅 중단 시 예측 불가

"광고를 멈추면 매출이 얼마나 떨어질까?"—이 질문에 답하려면 Baseline을 알아야 합니다. Baseline을 모르는 조직은 광고를 멈추는 것 자체를 두려워합니다. 정확한 하락 폭을 예측할 수 없기 때문입니다.

결과적으로, 불필요한 광고비가 '보험'처럼 유지되고, 비용 최적화 기회를 놓치게 됩니다.

MMM이 기본 수요와 증분 효과를 분리하는 방법

마케팅 믹스 모델링(Marketing Mix Modeling, MMM)은 시계열 회귀 분석을 기반으로 매출을 구성 요인별로 분해합니다. 모델은 과거 수년간의 매출 데이터, 마케팅 지출, 외부 변수(계절성, 경제 지표, 경쟁사 활동 등)를 입력받아 각 요인의 기여분을 통계적으로 추정합니다.

Decomposition의 핵심 구조

MMM의 매출 분해(Sales Decomposition)는 다음과 같은 구조를 따릅니다.

**Total Sales = Baseline + Σ(채널별 Incremental) + 잔차**

• Baseline: 절편(Intercept) + 트렌드 + 계절성 + 기타 통제 변수
• 채널별 Incremental: TV, 디지털, 소셜, 프로모션 등 각 채널이 만든 추가 매출
• 잔차(Residual): 모델이 설명하지 못한 변동

Adstock과 Saturation — 왜 단순 회귀로는 부족한가

마케팅 효과는 즉시 나타나지 않고, 투입량에 비례하지도 않습니다. MMM은 이 두 가지 현실을 반영하기 위해 Adstock(잔존 효과)과 Saturation(포화 효과) 변환을 적용합니다.

• Adstock: TV 광고를 본 소비자가 2~4주 후에 구매할 수 있습니다. Adstock은 이 시차(Lag)와 감쇠(Decay)를 반영하여, 광고 지출이 미래 매출에 미치는 이월 효과를 모델에 포함시킵니다.
• Saturation: 디지털 광고비를 2배로 늘린다고 매출이 2배가 되지는 않습니다. 일정 수준 이상에서는 수확체감이 발생하며, Saturation 함수(Hill Function 등)가 이 비선형 관계를 포착합니다.

이 두 변환이 없으면, 모델은 마케팅 효과를 과소 또는 과대 추정하고, 그만큼 Baseline 추정도 왜곡됩니다.

Bayesian MMM의 이점

최근의 Bayesian MMM 접근법은 사전 지식(Prior)을 활용하여 데이터가 부족한 채널에서도 합리적인 추정을 가능하게 합니다. 또한, 포인트 추정값 대신 신뢰 구간(Credible Interval)을 제공하므로, "TV 광고의 Incremental은 약 1.5~2.3억 원(90% 구간)"처럼 불확실성을 포함한 의사결정이 가능합니다.

실전 적용: Baseline 분리가 바꾸는 예산 배분

Baseline과 Incremental이 분리되면, 마케팅 예산 배분의 논리가 근본적으로 달라집니다.

Before: Baseline을 모를 때

→ 의사결정: "프로모션 ROI가 가장 높으니 예산을 늘리자"

After: MMM으로 Baseline 분리 후

→ 의사결정: "디지털의 증분 ROI가 가장 높으니 디지털 비중을 확대하자"

같은 데이터, 같은 예산이지만 Baseline 분리 여부에 따라 정반대의 결론이 나올 수 있습니다. 프로모션 시기의 높은 매출은 사실 계절적 Baseline이 높았기 때문이고, 프로모션 자체의 순수 기여는 상대적으로 작았던 것입니다.

최적화 시뮬레이션

Baseline이 확보되면 "만약 TV 예산을 30% 줄이고 디지털로 재배분하면?" 같은 시나리오 시뮬레이션이 가능해집니다. Baseline은 고정된 채로 Incremental 부분만 변동시키면 되기 때문에, 예산 변동이 매출에 미치는 영향을 현실적으로 추정할 수 있습니다.

이것이 단순 보고와 데이터 기반 의사결정의 차이입니다.

정리: 기본 수요를 아는 것이 마케팅 전략의 출발점

• 기본 수요(Baseline): 는 마케팅 없이도 유지되는 구조적 매출이며, 전체 매출의 50~80%를 차지합니다
• Baseline을 분리하지 않으면 ROI 과대평가, 채널 간 예산 왜곡, 마케팅 중단 시 예측 불가의 문제가 발생합니다
• MMM은 Adstock과 Saturation 변환, Bayesian 추정: 을 통해 Baseline과 Incremental을 통계적으로 분리합니다
• 분리된 데이터는 채널별 실질 ROI 비교, 예산 재배분, 시나리오 시뮬레이션의 기반이 됩니다

아직 Baseline 분리를 시도하지 않았더라도 걱정할 필요는 없습니다. 중요한 것은 "우리 매출의 어디까지가 구조적 수요이고, 어디부터가 마케팅이 만든 성과인가?"라는 질문을 시작하는 것입니다.

Baseline과 Incremental의 분리, 그리고 이를 기반으로 한 예산 최적화가 필요하다면, MadMatics Action MMM이 그 출발을 함께하겠습니다.