광고를 본 소비자가 그 자리에서 바로 구매하지 않고, 며칠 뒤 검색해서 사거나 다음 주 재구매 시점에 그 브랜드를 떠올려 사는 경우가 흔하다. 이런 지연 반응을 무시하고 "이번 주 광고비 대비 이번 주 매출"만 단순 비교하면, 광고를 집행한 주에는 효과가 적어 보이고 광고를 끈 다음 주에는 원인 없는 매출 상승으로 보이는 왜곡이 생긴다. 애드스톡(Adstock)은 이 시차 문제를 해결하기 위해, 한 주의 광고비 지출이 그 주뿐 아니라 이후 몇 주에 걸쳐 감쇠하며 영향을 미친다고 가정하고 그 감쇠 패턴을 수학 함수로 모델링한다.
아래는 원리를 보여주기 위한 가상 숫자다. 채널 A에 1주차에 100만 원을 집행하고 이후 2주간 집행을 멈췄다고 하자. 감쇠율(decay rate)을 50%로 가정하면(실제 감쇠율은 매체·상품군마다 다르며 자사 데이터로 모델이 직접 추정해야 하는 값이다), 애드스톡 값은 다음과 같이 계산된다.
[애드스톡 계산: 감쇠율 50% 가정]
1주차 원 지출: 100
→ 애드스톡 값 = 100 (그 주 지출 그대로)
2주차 원 지출: 0
→ 애드스톡 값 = 0 + (1주차 애드스톡 100 × 50%) = 50
3주차 원 지출: 0
→ 애드스톡 값 = 0 + (2주차 애드스톡 50 × 50%) = 25
즉 1주차에 집행한 100의 효과가 2주차에 50, 3주차에 25로 남아
모델에는 [100, 50, 25]라는 재배분된 지출 값이 들어간다.
애드스톡 처리 없이 원시 지출([100, 0, 0])을 그대로 넣으면, 2·3주차의 매출 상승이 "원인 없는 상승"으로 보이거나 다른 채널의 효과로 잘못 귀속될 수 있다. 감쇠 속도는 매체마다 다르며, TV·OOH 같은 브랜딩성 오프라인 매체는 감쇠가 느리고(잔존 효과가 오래 남고) 검색광고처럼 즉각적인 전환을 노리는 매체는 감쇠가 빠른 경향이 있다고 알려져 있지만, 이 역시 자사 데이터로 검증해야 할 가설이지 단정할 근거는 아니다.
애드스톡 처리 없이 원시 광고비 지출을 그대로 모델에 넣으면, 지속적으로 예산을 집행하는 매체(상시 운영하는 검색광고)의 효과는 실제보다 과소평가되고, 반대로 특정 주에 몰아서 집행한 뒤 끈 캠페인형 매체(시즌 프로모션 디스플레이)의 효과는 그 주에만 몰려 과대평가되는 경향이 생긴다. 두 매체를 공정하게 비교하려면 애드스톡으로 각 매체 지출을 시간축에 걸쳐 재배분한 뒤에 비교해야 한다.
애드스톡으로 시간축을 재배분했다면, 이제 지출 규모축에서 효과가 어떻게 완만해지는지를 봐야 한다. 한 매체에 예산을 처음 투입할 때는 아직 도달 가능한 잠재고객 중 노출되지 않은 사람이 많아 지출을 늘릴수록 매출도 가파르게 늘어난다. 하지만 지출이 계속 늘어나면 핵심 타겟은 대부분 노출된 상태가 되고, 추가 지출은 같은 사람에게 반복 노출하거나 관심도가 낮은 주변부 타겟까지 끌어오는 데 쓰이면서 매출 증가폭이 둔화된다.
아래는 반응이 완만해지는 형태를 보여주는 단순화된 예시 계산이다(실제 Meridian은 이보다 유연한 Hill 변환 함수를 쓰며, 정확한 변곡점은 자사 데이터를 모델이 학습해야 나온다).
[포화 곡선 예시: 반응 = 지출 / (지출 + 200), 200은 예시 반포화 지점]
지출 100 → 반응 100/(100+200) = 0.333
지출 200 → 반응 200/(200+200) = 0.500 (+100 지출당 +0.167 증가)
지출 400 → 반응 400/(400+200) = 0.667 (+200 지출당 +0.167 증가)
지출 800 → 반응 800/(800+200) = 0.800 (+400 지출당 +0.133 증가)
지출을 2배, 2배, 2배로 늘려도 반응 증가폭은 갈수록 완만해진다.
지출 400에서 800으로 "지출 2배"를 늘렸지만 반응은 0.667→0.800으로
0.133밖에 늘지 않아, 같은 배율로 지출을 늘려도 얻는 반응은 계속 줄어든다.
애드스톡이 "시간축"에서 광고 효과를 재배분하는 개념이라면, 포화 곡선은 "지출 규모축"에서 효과를 재배분하는 개념이다. 실제 MMM 모델은 이 둘을 함께 적용해, 먼저 애드스톡으로 각 주의 지출을 시간에 걸쳐 늘려 재분배한 다음, 그 재분배된 지출 규모에 포화 함수를 적용하는 순서로 계산한다. 둘 중 하나만 적용하면 결과가 왜곡된다: 애드스톡 없이 포화만 적용하면 지연 반응이 있는 매체의 효과를 과소평가하고, 반대로 포화 없이 애드스톡만 적용하면 예산을 늘릴수록 효과가 끝없이 비례해서 커진다는 비현실적인 가정을 하게 된다.
Meridian·Robyn 같은 도구는 애드스톡 함수의 감쇠 속도, 포화 함수의 변곡점을 데이터로부터 자동 추정하는 기능을 제공하지만, 이 추정치가 상식적으로 말이 되는지 검토하는 과정은 실무자가 직접 해야 한다. 감쇠 속도가 극단적으로 느리게(수개월간 잔존) 나온다면 데이터 기간이 짧아 모델이 다른 요인과 혼동했을 가능성을 의심해야 하고, 브랜딩 매체인데 감쇠가 지나치게 빠르게 나온다면 계절성이나 프로모션 같은 다른 변수가 그 매체 효과로 잘못 흡수됐을 가능성도 점검 대상이다.
[채널별 예상 포화지점 가설 정리]
| 채널 | 최근 3개월 평균 주간 지출 | 도달 가능 잠재고객 규모(추정) | 예상 포화 구간(가파름/평평 추정) | 가설 근거 |
|---|---|---|---|---|
| 검색광고 | | 좁음(구매의사 명확) | 상대적으로 낮은 지출부터 평평해질 것으로 예상 | |
| 디스플레이 | | 넓음(브랜딩) | 높은 지출까지 가파른 구간 지속 예상 | |
| 유튜브 | | 넓음 | | |
| OOH/TV(집행 시) | | 매우 넓음 | | |
주의: 이 표는 자사 MMM을 실제로 돌리기 전 가설 단계 정리다.
모델 결과가 이 가설과 다르게 나오면, 업계 통념보다 자사 데이터 결과를 우선 신뢰한다.
11강. MMM 도구 지형에서 이 계산을 실제로 수행하는 오픈소스·상용 도구들을 비교합니다.