MMM 분석, 어떤 데이터가 필요할까?
MMM에 필요한 3가지 데이터 레이어(4P·미디어·외부 변수)와 수집 방법, 데이터 보안 원칙을 다룹니다. 대부분의 기업은 이미 충분한 데이터를 보유하고 있습니다.
마케팅 믹스 모델링(MMM)이 채널별 ROI를 분석하고 예산을 최적화하는 데 효과적이라는 점은 이해했습니다. 그런데 한 가지 현실적인 질문이 남습니다.
"우리 회사에 그런 분석을 할 만한 데이터가 있을까?"
이 질문은 MMM 도입을 검토하는 기업에서 가장 먼저 나옵니다. 그리고 대부분의 경우, 답은 "이미 충분하다"입니다. MMM이 필요로 하는 데이터는 특별한 것이 아닙니다. ERP에 쌓인 매출 데이터, 미디어 대행사로부터 받는 광고비 리포트, 그리고 공개적으로 수집 가능한 외부 지표—대부분의 기업이 이미 보유하고 있거나 쉽게 확보할 수 있는 데이터입니다.
이 아티클에서는 다음을 다룹니다.
- MMM이 사용하는 세 가지 데이터 레이어와 각각의 수집 방법
- 크로스 플랫폼 데이터를 하나의 분석 프레임으로 통합하는 방법
- 데이터 보안과 민감 정보 처리 원칙
MMM이 사용하는 3가지 데이터 레이어
MMM은 매출의 변동을 설명하기 위해 크게 세 가지 레이어의 데이터를 사용합니다. 각 레이어는 매출에 영향을 미치는 서로 다른 요인을 포착합니다.
Layer 1: 4P 데이터 — 비즈니스의 기본 뼈대
마케팅의 4P(Product, Price, Place, Promotion)에 해당하는 데이터로, 기업의 내부 비즈니스 활동을 반영합니다.
| 구분 | 데이터 항목 | 주요 소스 |
|---|---|---|
| **Product** | SKU별 매출, 판매량, 신제품 출시 일자 | ERP, POS |
| **Price** | 정가, 실판매가, 할인율, 프로모션 가격 | ERP, 커머스 플랫폼 |
| **Place** | 매장별 매출, 유통 채널별 판매 비중, 신규 입점 | ERP, 유통사 리포트 |
| **Promotion** | 프로모션 기간, 할인 깊이, 적용 범위, 번들 구성 | ERP, 마케팅팀 기록 |
이 데이터의 핵심 소스는 ERP입니다. 대부분의 기업은 이미 ERP에 수년치 거래 데이터를 축적하고 있으며, 이를 다양한 포뮬라로 추출·재가공하여 MMM 입력 형태로 변환할 수 있습니다.
예를 들어, "프로모션 효과"를 분석하려면 단순 할인율이 아니라 할인 깊이 × 기간 × 적용 SKU 범위를 조합한 지표가 필요합니다. ERP 원본 데이터에서 이 조합을 만들어내는 것이 데이터 전처리의 핵심입니다.
Layer 2: 미디어 데이터 — 마케팅 투자의 전체 그림
마케팅에 투입된 비용과 노출량을 채널별로 기록한 데이터입니다. MMM에서 채널별 ROI를 추정하는 핵심 입력이 됩니다.
| 채널 유형 | 데이터 항목 | 수집 방법 |
|---|---|---|
| **Offline** | TV GRP, 라디오 스팟, 인쇄 지면, OOH 노출량 | 미디어렙 리포트, CSV 업로드 |
| **Online** | 노출수, 클릭수, 비용(CPM/CPC), 전환수 | API 자동 수집 (Meta, Google, Naver 등) |
| **New Media** | 인플루언서 집행 건수, 콘텐츠 노출량, 협찬 비용 | 대행사 리포트, 수동 입력 |
| **BTL** | 샘플링 수량, 이벤트 참가자 수, 체험단 규모 | 마케팅팀 기록, CSV |
디지털 채널은 API를 통한 자동 수집이 가능합니다. Meta Ads, Google Ads, Naver 검색광고 등 주요 플랫폼은 표준화된 API를 제공하며, 일별·주별 단위로 노출·클릭·비용 데이터를 자동으로 가져올 수 있습니다.
오프라인 채널은 상대적으로 수동적입니다. TV의 경우 미디어렙에서 제공하는 GRP 리포트를, OOH는 매체사의 노출량 추정 데이터를 CSV 형태로 업로드합니다.
여기서 중요한 것은 크로스 플랫폼 데이터의 통합입니다. 각 플랫폼마다 지표 명칭과 단위가 다릅니다. TV는 GRP, 디지털은 Impression, 인플루언서는 View Count—이 서로 다른 단위의 데이터를 하나의 분석 프레임으로 연결하려면 마케팅 택소노미(Taxonomy)가 필요합니다.
택소노미는 채널·캠페인·크리에이티브를 일관된 계층 구조로 분류하는 체계입니다. "이 TV 광고와 이 디지털 캠페인은 같은 브랜드 캠페인의 일부"라는 연결 고리를 만들어, 분절된 데이터를 통합 분석이 가능한 형태로 바꿔줍니다.
Layer 3: 외부 변수 — 마케팅 바깥의 영향
매출에 영향을 미치지만 마케팅 활동과는 무관한 외부 요인들입니다. MMM에서 이 변수들을 통제해야 마케팅의 순수 효과를 정확하게 추정할 수 있습니다.
| 구분 | 데이터 항목 | 수집 방법 |
|---|---|---|
| **Seasonality** | 공휴일, 시즌 이벤트, 요일 효과 | 달력 기반 자동 생성 |
| **Economy** | 소비자물가지수, 환율, 금리 | 공공 API (한국은행, 통계청) |
| **Events** | 날씨, 스포츠 이벤트, 사회적 이슈 | 기상청 API, 뉴스 크롤링 |
| **Competition** | 경쟁사 프로모션, 신제품 출시, 가격 변동 | 커머스 크롤링, 검색어·버즈 분석 |
대부분의 외부 변수는 공개 API를 통해 자동 수집이 가능합니다. 계절성은 달력에서 자동 생성되고, 경제 지표는 한국은행·통계청 API에서, 날씨는 기상청 API에서 가져옵니다.
경쟁사 데이터는 직접 확보가 어려운 영역입니다. 이 경우 보조 지표(Proxy)를 활용합니다. 커머스 사이트에서 경쟁사 제품의 가격 변동과 프로모션 이력을 크롤링하거나, 검색어 트렌드와 소셜 버즈량을 경쟁사 활동의 대리 변수로 사용합니다. 직접적인 매출 데이터가 아니더라도, 경쟁 환경의 변화를 모델에 반영하는 데는 충분합니다.
데이터 보안: 안전한 수집·관리·폐기
MMM 분석을 위해 기업 데이터를 외부에 제공하는 것은 당연히 보안 우려를 동반합니다. MadMatics는 다음 원칙을 엄격히 준수합니다.
PII(개인식별정보) 미사용
MMM은 집계 데이터(Aggregated Data)를 사용합니다. 주간 매출 합계, 채널별 광고비 총액, 월간 노출량—모두 집계 수준의 숫자입니다. 개별 고객의 이름, 연락처, 구매 이력 같은 개인식별정보(PII)는 수집하지도, 필요하지도 않습니다.
민감 비즈니스 데이터의 스케일 변환
매출 절대값, 광고비 규모 등 민감한 비즈니스 수치는 스케일 변환(Scaling)을 적용할 수 있습니다. 예를 들어, 실제 매출을 지수(Index) 형태로 변환하면 원래 규모를 알 수 없지만 변동 패턴은 동일하게 유지되어 분석 결과에는 영향을 주지 않습니다.
| 보안 조치 | 내용 |
|---|---|
| **PII 미수집** | 개인식별정보는 수집·저장·처리하지 않음 |
| **스케일 변환** | 민감 수치를 지수화하여 원본 규모 비식별 |
| **용도 제한** | 수집된 데이터는 MMM 분석 목적 외 사용 불가 |
| **안전한 폐기** | 프로젝트 종료 후 합의된 절차에 따라 완전 삭제 |
데이터 보안은 분석의 품질만큼이나 중요합니다. "데이터를 넘기는 것이 불안하다"는 우려는 당연하며, 그 우려를 해소하는 것이 분석 파트너의 첫 번째 책임입니다.
데이터 부족은 오해입니다
정리하면, MMM에 필요한 데이터는 세 가지 레이어로 구성됩니다.
- 4P 데이터: ERP에서 추출·재가공 가능한 비즈니스 기본 데이터
- 미디어 데이터: 디지털은 API 자동 수집, 오프라인은 CSV 업로드, 택소노미로 크로스 플랫폼 통합
- 외부 변수: 공개 API로 자동 수집, 경쟁사 데이터는 보조 지표로 활용
대부분의 기업은 이 데이터의 70~80%를 이미 보유하고 있습니다. 부족한 것은 데이터가 아니라, 분절된 데이터를 하나의 분석 프레임으로 연결하는 수집·정제·통합 시스템입니다.
MadMatics는 데이터 수집 템플릿, API 연동 파이프라인, 택소노미 설계를 포함한 엔드투엔드 데이터 인프라를 갖추고 있습니다. "데이터가 부족해서 MMM을 못 한다"는 걱정보다, "어떤 데이터부터 정리하면 되는가"를 함께 논의하는 것이 첫 걸음입니다.
데이터 수집부터 분석, 그리고 예산 최적화까지 전 과정이 필요하다면, MadMatics Action MMM이 그 출발을 함께하겠습니다.