클라이언트의 미디어 예산이 제 역할을 하고 있다는 것을 어떻게 증명할 수 있을까요? 우선 ROAS 스크린샷부터 내밀지 말아야 합니다. 이제 클라이언트가 신뢰하는 증거는 세 부분으로 이루어집니다. 각 채널이 베이스라인 위에 무엇을 더했는지 보여 주는 모델, 이를 확인해 주는 실험, 그리고 숫자가 왜 움직였는지 설명하는 근거입니다. 마케팅 믹스 모델링이 돌아온 이유는 첫 번째 부분을 잘 채워 주기 때문입니다.
가장 최근의 사례는 걸프 지역에서 나왔습니다. Campaign Middle East에 따르면 퍼포먼스 에이전시 TRKKN은 Google의 오픈소스 마케팅 믹스 모델 Meridian을 사용해 뷰티 리테일러 Faces의 3년치 데이터를 분석했습니다. 11개 채널에 걸쳐, 이 모델은 기존 예산을 재배분하는 것만으로 8.5%의 증분 매출 상승과 10.8%포인트의 ROI 개선을 예측했습니다.
마케팅 믹스 모델링은 왜 다시 주목받고 있을까요?
대안들이 더 이상 누구도 설득하지 못하게 되었기 때문입니다. 플랫폼 대시보드는 자신이 만들어 냈다고 믿는 전환을 보고하므로, 미디어를 판매하는 플랫폼이 곧 측정하는 주체가 됩니다. 라스트 클릭 어트리뷰션은 마지막에 닿은 터치포인트에 공을 몰아주기 때문에, 검색과 리타기팅은 실제보다 좋아 보이고 애초에 수요를 만든 활동은 예산을 받지 못합니다.
MMM은 다른 길을 택합니다. 오프라인을 포함한 모든 채널의 지출과 매출을 시간 흐름에 따라 살펴보고, 각 채널이 베이스라인 이상으로 무엇을 기여했는지 추정합니다. 개별 사용자를 추적할 필요도 없습니다. 게다가 Meridian 같은 오픈소스 옵션이 나오면서, 진입 장벽은 이제 비싼 라이선스 비용이 아니라 데이터 엔지니어링과 전문성입니다.
Faces의 디지털 마케팅 디렉터 Harry Lonergan은 Campaign Middle East에 이렇게 말했습니다. “Meridian 덕분에 라스트 클릭 성과에서 보이는 것 너머로 나아갈 수 있었습니다.” 대부분의 클라이언트가 할 수 있기를 바라는 말이 바로 이것입니다.
Faces와 TRKKN 사례는 실제로 무엇을 보여 줬을까요?
세부 내용은 읽어 볼 가치가 있습니다. 그 자체로 하나의 템플릿이 되기 때문입니다. TRKKN은 Faces의 기존 Google Cloud 환경 안에서 데이터 엔지니어링, 모델 구축, 배포를 주도했습니다. 모델은 2023년부터 2025년까지 사우디아라비아의 온라인·오프라인 마케팅 데이터와 매출 데이터를 다뤘습니다.
중요한 결과물은 세 가지였습니다. 첫째, 어떤 채널이 증분 매출을 이끌고 있는지 보여 주었고, 매출의 19%가 캠페인에 의해 발생했음을 밝혀냈습니다. 둘째, 채널별 반응 곡선과 포화 곡선을 추정해 추가 지출의 수익이 체감하기 시작하는 지점을 보여 주었습니다. 셋째, 예산 시나리오를 모델링했는데, 8.5%라는 수치가 여기서 나왔습니다. 분석에서 가장 강력한 채널은 Performance Max였습니다.
에이전시가 요청하지 않은 것에 주목해야 합니다. 바로 추가 예산입니다. 제안은 이미 있는 예산을 옮기라는 것이었습니다. 또한 이 프레임워크는 일회성 보고서가 아니라 새 데이터가 들어올 때마다 ROI를 재평가하는 지속적인 체계입니다. TRKKN의 매니징 디렉터 Vimal Badiani는 이렇게 말했습니다. “핵심은 마케터에게 더 나은 결정을 내릴 수 있는 근거와 확신을 주는 것입니다.”
클라이언트가 미디어 ROI를 믿으려면 어떤 근거가 필요할까요?
어느 한 가지 방법만으로는 충분하지 않습니다. 각 층위는 서로 다른 질문에 답하며, 저마다 다른 약점을 안고 있습니다.
| 근거 층위 | 답하는 질문 | 대표적 방법 | 약점 |
|---|---|---|---|
| 플랫폼 보고 ROAS | 이 채널은 자체 기준으로 얼마나 효율적이었나? | 광고 관리자 리포팅 | 자기 숙제를 스스로 채점함, 증분 효과를 무시함 |
| 마케팅 믹스 모델링 | 각 채널은 베이스라인 이상으로 무엇을 더했나? | 수년간의 지출과 매출에 대한 통계 모델 | 무엇은 설명하지만 왜는 설명하지 못함, 일관된 데이터가 필요함 |
| 증분성 테스트 | 이 채널이 상승을 일으켰나? | 지역 홀드아웃, 전환 리프트 연구 | 느림, 보통 한 번에 한 채널씩만 가능함 |
| 포화 곡선 | 추가 지출은 어디서부터 회수되지 않나? | MMM의 결과물 | 뒷받침하는 모델의 품질에 좌우됨 |
| 오디언스·경쟁사 근거 | 결과는 왜 움직였나? | 소셜 리스닝, 경쟁사 광고 분석 | 실제 데이터로 추적하지 않으면 일화에 그침 |
대부분의 에이전시는 첫 번째 줄만 제시하고 잘되기를 바랍니다. 예산을 지켜 내는 에이전시는 다섯 줄을 모두 제시합니다.
미디어 예산은 왜 엉뚱한 곳으로 흘러갈까요?
경제학자들은 이를 시장 실패라고 부릅니다. 시장은 구매자와 판매자가 충분한 정보를 가지고 있을 때 자원을 잘 배분합니다. 정보가 부족하거나 한쪽에 치우쳐 있으면, 돈은 엉뚱한 곳으로 흘러가 그대로 머뭅니다.
미디어 바잉은 교과서적인 사례입니다. 클라이언트는 플랫폼이 보는 것을 볼 수 없습니다. 에이전시는 클라이언트보다 더 많이 보지만, 적어도 일부는 집행 금액에 연동해 보수를 받는 경우가 많습니다. 플랫폼은 자기 성과를 스스로 보고합니다. 모두가 부분적인 정보를 바탕으로 합리적으로 행동하고, 그 결과 예산은 라스트 클릭에서 좋아 보이는 채널에 몰리고 수요를 만드는 채널은 굶주리게 됩니다. Faces가 이미 쓰고 있던 예산을 옮기기만 해도 8.5%의 성과 개선이 예상된다는 것은, 사실상 그 잘못된 배분의 크기를 보여 주는 수치입니다.
해법은 더 많은 데이터가 아닙니다. 공유된 명확성입니다. 비즈니스의 세계에서 명확성은 연결을 낳습니다. 클라이언트와 에이전시가 같은 근거를 보고 같은 방식으로 읽을 때, 대화는 지출을 방어하는 데서 다음에 예산을 어디에 쓸지 결정하는 쪽으로 옮겨 갑니다.
클라이언트가 신뢰하는 미디어 ROI 스토리는 어떻게 만들까요?
- 비즈니스 성과와 베이스라인을 합의합니다. 매출, 신규 고객, 마진 중 무엇을 볼지 정하고, 마케팅이 없었다면 어떤 일이 일어났을지 솔직하게 가늠합니다.
- 일관된 데이터 이력을 확보합니다. 온라인과 오프라인을 아우르는 채널별 지출과 성과, 그리고 가격, 프로모션, 계절성 데이터가 필요합니다. Faces는 11개 채널에 걸친 3년치 데이터를 사용했습니다.
- 모델을 돌립니다. Meridian 같은 오픈소스 MMM을 쓰거나 전문 파트너와 협업합니다. 단일 ROI 수치가 아니라 채널별 기여도와 포화 곡선을 요구해야 합니다.
- 실험으로 결과 하나를 검증합니다. 모델이 예산 과다 투입으로 지목한 채널에 대해 지역 홀드아웃 테스트를 실행하는 것이 가장 설득력 있는 검증 방법입니다.
- 이유를 설명합니다. 각 채널 분석 결과를 실제로 말해지고 보인 것과 짝지어 제시합니다. 집행된 크리에이티브, 경쟁사가 내놓은 것, 오디언스 대화의 변화가 그것입니다.
- 요청이 아니라 재배분을 제시합니다. 기존 예산을 옮기는 시나리오와 그 시나리오가 예측하는 성과를 보여 줍니다.
- 모델을 계속 살아 있게 합니다. 새 데이터가 들어올 때마다 모델을 다시 돌려, ROI를 연례 논쟁이 아닌 상시 대화로 만듭니다.
크리에이티브와 현지 맥락은 미디어 ROI에서 어떤 역할을 할까요?
MMM은 어떤 채널이 효과가 있었는지 알려 주지만, 메시지가 어떤 역할을 했는지에 대해서는 거의 말해 주지 않습니다. 그리고 그 공백은 중요합니다. Campaign은 글로벌 캠페인과 현지 시장용 작업을 비교한 Publicis London, System1, Effie의 새 연구를 보도했는데, 글로벌 캠페인이 거두는 상업적 성과가 더 적은 것으로 나타났습니다. 메시지와 시장의 적합성이 결과에 그만큼 영향을 미친다면, 채널만으로 하는 설명은 절반짜리 답에 불과합니다.
이것이 대부분의 ROI 보고 자료에서 빠져 있는 나머지 절반입니다. 모델이 3분기에 페이드 소셜이 기대 이상의 성과를 냈다고 하면, 클라이언트는 곧바로 이유를 묻습니다. 크리에이티브 덕분이었을까요? 경쟁사가 잠잠했기 때문일까요? 오디언스의 관심사가 바뀌었기 때문일까요? Defy Monitor는 모든 AI 결론을 그 뒤에 있는 실제 게시물까지 추적해 이 질문에 답합니다. 전략은 설문 조사가 아니라 오디언스와 경쟁사가 실제로 게시한 콘텐츠를 역설계해 도출합니다. Defy 플랫폼의 일부로서, 기존 측정 체계를 대체하는 것이 아니라 그 곁에서 함께 작동합니다.
