광고비 어디에 쓸지 고민이라면? Google Meridian으로 ROI 측정과 예산 최적화 끝까지 알려드립니다
"TV 광고를 더 늘려야 할까, 검색 광고를 늘려야 할까?" 이런 고민, 매달 반복되고 있죠. Google Meridian은 이런 질문에 "데이터가 말하는 답"을 들려주는 도구입니다. 이 글에서는 마케팅 믹스 모델링(MMM)이 무엇인지, Meridian으로 어떻게 광고 ROI를 측정하고 예산을 재배분하는지 초보자도 이해할 수 있게 풀어드립니다.
왜 마케팅 믹스 모델링(MMM)이 필요할까?
마케터를 가장 괴롭히는 질문은 단연 이겁니다. "각 광고 채널이 매출에 얼마나 기여했는가?" 그런데 요즘처럼 여러 채널이 동시에 돌아가는 환경에서는 답이 쉽게 나오지 않습니다. 그래서 등장한 방법이 베이지안 마케팅 믹스 모델링(Bayesian MMM)입니다. 쉽게 말하면 "광고비와 매출 사이의 관계를 확률로 추정해 주는 통계 기법"이죠.
📘 한 줄 정의: 베이지안 마케팅 믹스 모델링은 여러 마케팅 채널의 효과를 불확실성까지 함께 추정해, "돈을 어디에 더 쓰면 매출이 오를까?"에 답을 주는 데이터 기반 방법입니다.
전통적인 회귀 분석과 비교했을 때 베이지안 MMM이 가지는 강점은 다음과 같습니다.
- 불확실성을 함께 보여 줍니다. 단순히 "채널 A의 ROI = 2.3배" 같은 한 숫자가 아니라, "95% 확률로 1.8배에서 2.8배 사이"처럼 범위로 답을 줍니다.
- 광고의 이월 효과(애드스톡)를 반영합니다. 오늘 올린 광고가 다음 주 매출에도 영향을 미친다는 사실을 통계에 담습니다.
- 수익 체감 현상(포화)까지 모델링합니다. 광고를 무한히 늘려도 매출이 선형으로 오르지 않는 현실을 반영합니다.
Google Meridian 한 줄 요약
Google Meridian은 구글이 2024년 공개한 오픈소스 MMM 프레임워크입니다. 오픈소스이기 때문에 무료로 사용할 수 있고, TensorFlow 기반으로 GPU 가속까지 지원해 대규모 데이터도 빠르게 분석할 수 있습니다. 무엇보다 큰 장점은 "각 채널이 실제로 얼마나 매출을 만들었는지(증분 효과)"를 측정할 수 있다는 점입니다.
🟢 Meridian의 강점
· 오픈소스 무료
· GPU 가속 지원
· 채널별 실제 기여도 측정
· HTML 보고서 자동 생성
🟡 알아둘 주의점
· 전문가용 통계 지식 필요
· GPU 없으면 학습이 느림
· 데이터셋 품질에 좌우됨
· 베이지안 모델 해석 학습 필요
데이터 준비: 어떤 컬럼을 어떻게 매핑할까?
Meridian이 데이터를 받아들이려면 규칙에 맞는 형태로 컬럼을 정렬해 주어야 합니다. 튜토리얼에서는 CoordToColumns라는 도구를 사용해 다음과 같이 구분합니다.
| 구분 | 포함되는 정보 | 예시 |
|---|---|---|
| 유료 미디어 | 채널별 노출 수와 비용 | TV GRP, 네이버 검색 비용, Meta 노출 |
| 오가닉 채널 | 유료가 아닌 채널 효과 | 자사몰 직접 방문, 검색 유입 |
| 통제 변수 | 시장 환경을 설명하는 외부 요인 | 거시 지수, 경쟁사 프로모션 |
| 처치 변수 | 프로모션·이벤트 같은 개입 | 주말 할인, 시즌 캠페인 |
| KPI / 매출 | 최종적으로 예측할 값 | 월 매출, 전환 수, 객단가 |
이 단계는 단순해 보이지만 가장 많은 시간을 잡아먹는 구간입니다. 컬럼 매핑이 잘못되면 모델의 결과도 망가지기 때문입니다. 튜토리얼에서는 시뮬레이션된 지역 단위 데이터셋을 사용해 차원·날짜 범위·지출 분포부터 차근차근 확인합니다.
베이지안 모델 적합: 사전·사후·NUTS를 쉽게 풀어보면
여기가 핵심입니다. "베이지안"이라는 단어가 어렵게 느껴질 수 있는데, 큰 흐름만 알면 충분합니다.
-
사전분포(Prior) 세우기
"데이터를 보기 전, 마케팅 담당자가 본능적으로 믿는 값"입니다. 예: "검색 광고의 ROI는 보통 2~4배 사이일 것이다." 이 가정을 모델에 미리 넣어 둡니다.
-
모델 학습(NUTS 샘플링)
실제 데이터를 보고 사전 믿음을 업데이트합니다. 이때 사용하는 알고리즘이 NUTS(No-U-Turn Sampler)이며, 자동으로 효율적인 탐색 경로를 잡아 표본을 추출합니다.
-
사후분포(Posterior) 얻기
"데이터와 사전 믿음을 합쳐 얻은 최종 확률 분포"입니다. 이 분포에서 채널별 ROI의 평균과 95% 신용구간을 계산합니다.
-
수렴 진단(R-hat)
여러 체인에서 같은 결론에 도달했는지 확인하는 검증 단계입니다. R-hat이 1에 가까울수록 안정적입니다.
결과 해석: ROI·한계 ROI·반응 곡선 어떻게 읽나
모델 학습이 끝나면 마케터가 진짜 보고 싶은 숫자들이 등장합니다.
📈 ROI(투자수익률)
"1원 광고비로 몇 원의 매출을 만들었나?"를 나타내는 가장 직관적인 지표입니다. Meridian은 단순 ROI뿐 아니라 한계 ROI(아래)도 함께 제공합니다.
📉 한계 ROI(Marginal ROI)
"지금 광고비에서 1원을 더 쓰면 매출이 얼마나 늘어나나?"를 묻는 지표입니다. 채널별로 1원 추가 투입 시 기대 매출을 비교해, "다음 1,000만 원을 어디에 쓸지" 의사결정의 근거가 됩니다.
📊 반응 곡선(Response Curve)
X축에 지출, Y축에 매출을 그려 채널별 수익 체감 곡선을 보여 주는 그래프입니다. Hill 포화 곡선이라 불리는 이 형태는 처음에는 가파르다가 점점 완만해지는 모양인데, "여기서부터는 돈을 더 써도 효과가 크지 않다"라는 지점을 시각적으로 잡아 줍니다.
🌀 애드스톡(Adstock, 이월 효과)
광고는 즉각적으로만 작동하지 않습니다. 오늘 본 광고가 3일 뒤 기억을 자극해 구매로 이어지는 이 같은 현상을 애드스톡이라 부르며, Meridian은 감쇠율(예: 반감기 3일 등)까지 추정해 줍니다.
| 지표 | 의미 | 활용 |
|---|---|---|
| ROI | 광고비 1원당 매출 | 채널 효율 비교 |
| 한계 ROI | 1원 추가 시 기대 매출 | 다음 예산 배분 결정 |
| 반응 곡선 | 지출 ↔ 매출 관계 | 적정 지출 수준 파악 |
| 애드스톡 | 광고의 이월 효과 | 캠페인 기간 길이 설계 |
예산 최적화로 번 돈은 어디로 갈까
여기까지가 분석이라면, 예산 최적화가 진짜 액션입니다. Meridian은 두 가지 시나리오를 지원합니다.
- 고정 예산 최적화: 총 예산은 그대로 두고 어떤 채널에 얼마나 배분할지만 다시 짜는 방식입니다. 비용 절감이 핵심입니다.
- 목표 ROI 최적화: "특정 ROI를 달성하겠다"는 목표를 세우고, 그에 맞춰 예산 규모와 배분을 함께 조정합니다.
최적화 단계에서는 각 채널의 한계 ROI가 균등해지는 지점까지 돈을 분배합니다. 경제학의 한계효용 균등화 원리와 같은 아이디어입니다. 이때 Meridian은 권장 배분, 지출 변화량, 예상 매출 증가분, 그리고 반응 곡선상의 최적 지점까지 한꺼번에 시각화해 줍니다.
분석이 끝나면 HTML 보고서를 자동으로 생성해 팀원에게 공유할 수 있습니다. 또한 학습된 모델 자체를 파일로 저장했다가 다시 불러와 같은 ROI 추정값을 그대로 재현할 수 있습니다. 매달 처음부터 다시 학습할 필요가 없다는 뜻입니다.
실무에서 자주 묻는 질문 FAQ
Q1. 베이지안 MMM은 일반 회귀와 뭐가 다른가요?
A. 일반 회귀는 한 숫자로 답을 내지만, 베이지안 MMM은 "확률 분포"로 답을 냅니다. 그래서 "ROI가 정확히 2.5배다"가 아니라 "ROI가 1.8~3.0배일 확률 95%"처럼 범위로 보여 줍니다. 불확실성이 큰 의사결정에 더 적합합니다.
Q2. 데이터가 적어도 작동하나요?
A. 일반적으로 2년 이상의 주간 데이터가 권장됩니다. 데이터가 너무 적으면 NUTS 샘플링이 안정적 결과를 내기 어렵고, R-hat 수렴 진단도 떨어집니다.
Q3. GPU가 꼭 필요한가요?
A. 없어도 작동은 하지만 학습 시간이 크게 늘어납니다. Meridian은 TensorFlow 기반으로 GPU 가속을 적극 활용하도록 설계되어 있어, 대규모 데이터에는 GPU를 권장합니다.
Q4. 오가닉 채널(자사몰 직접 방문 등)은 어떻게 다루나요?
A. 마케팅이 아닌 자연 유입도 모델 안에 포함해야 합니다. 오가닉 지표가 빠지면 모델이 그 효과를 유료 미디어에 잘못 배분하는 오류를 일으킬 수 있습니다.
Q5. 결과를 임원에게 어떻게 설명하나요?
A. Meridian은 HTML 보고서를 자동 생성합니다. "채널 A의 95% 신용구간 ROI는 X~Y배"처럼 범위로 표현하면, 단정적인 한 숫자보다 훨씬 신뢰를 줍니다.