← 라이브러리 01 전방위 마케팅 성과 측정의 최종 단계: 디지털 쿠키 추적 없이 거시적 데이터 통계로 채널별 효율을 분석하는 마케팅 믹스 모델(MMM)의 정의 쿠키·픽셀이 다 막혀도 매체별 효율을 비교할 수 있는 마지막 수단, MMM이 실제로 무엇을 하는 방법론인지 정리합니다. 1건 출처 02 구현 조건 및 데이터 요건: 최소 2~3개년의 주별/월별 매출 데이터, 매체별 광고비 지출액, 외부 거시 경제 변수(환율, 날씨, 경쟁사 동향) 로우 데이터셋 모델을 돌리기 전에 "이 데이터로 MMM을 시작할 자격이 되는가"부터 점검하는 체크리스트입니다. 1건 출처 03 오픈소스 MMM 프레임워크 분석: 구글 라이트하우스(Lightweight MMM) 또는 메타 로빈(Robyn) 모델의 알고리즘 구동 원리와 R/Python 인프라 세팅 두 오픈소스 도구의 현재 정확한 명칭과 상태부터 바로잡고, 어떤 인프라가 필요한지 정리합니다. 3건 출처 04 캐리오버 효과(Carryover Effect)와 광고 이월 효과(Ad Adstock) 연산: 광고 집행 후 시간이 지나도 매출에 미치는 잔존 가치를 수학적 함수로 모델링하는 법 광고를 끈 다음 주에도 매출이 계속 오르는 이유를 통계 모델은 어떻게 처리하는지 살펴봅니다. 1건 출처 05 한계 효용 체감의 법칙(Diminishing Returns) 시각화: 매체별 예산 투입 증가에 따른 포화 곡선(Saturation Curve) 도출 및 광고비 최적 변곡점 포착 예산을 두 배로 늘려도 매출이 두 배로 오르지 않는 이유와, 그 꺾이는 지점을 모델이 어떻게 찾아내는지 다룹니다. 1건 출처 06 [실패 사례 분석] 데이터 과적합(Overfitting)으로 인한 예측 오류: 외부 통제 변수 입력 누락으로 인해 엉뚱한 매체가 매출 상승 원인으로 판정된 MMM 실패 복구 외부 변수를 빼먹었을 때 모델이 왜 엉뚱한 결론을 내는지, 그리고 이 상황을 실무에서 어떻게 되돌리는지 다룹니다. 1건 출처 07 디지털 매체와 오프라인 매체(TVCF, OOH)의 통합 분석: 프로그래매틱 트래픽 데이터와 전통 매체 예산의 데이터 규격 단일화 및 기여도 안착 디지털 리포트와 매체 대행사 인보이스, 형식부터 다른 두 데이터를 하나의 모델에 넣는 방법을 정리합니다. 1건 출처 08 예산 최적화 시뮬레이터(Budget Optimizer) 구축: MMM 연산 결과를 바탕으로 "내년 예산 10억을 어떻게 쪼개야 최적의 매출을 내는가" 자동 분배 포트폴리오 애드스톡·포화 곡선까지 다 산출된 다음, 이 숫자들을 실제 예산 배분안으로 옮기는 마지막 단계를 다룹니다. (예산 10억은 이해를 돕기 위한 예시 상황이며, 실제 기준액은 회사마다 다릅니다) 1건 출처 09 [확인 항목] MMM 컨설팅 외주 수수료 및 인하우스 구축 비용 비교: 오픈소스 직접 핸들링 리소스 vs 글로벌 통계 분석 솔루션 도입 요율 트래킹 정확한 견적·요율은 어디에도 공개된 표준가가 없는 영역입니다. 대신 벤더에 견적을 받을 때 무엇을 기준으로 비교해야 하는지 정리합니다. 1건 출처 10 통계적 실험 판정 기준: MMM 모델의 예측 매출값과 실제 현실 매출값 간의 오차율(MAPE) 10% 이내 검증을 위한 잔차 분석 및 모델 튜닝 모델이 "잘 맞는지" 판단하는 기준은 하나가 아닙니다 — 오차율 지표와 잔차 분석을 함께 보는 이유를 정리합니다. 1건 출처 11 인크리멘털리티 테스트(Lift Test)와의 교차 검증: 메타/구글 리프트 실험 지표와 MMM 연산 채널별 효율 지표의 상호 정합성 체크 프로토콜 두 측정 방법이 다른 답을 낼 때 어느 쪽을 믿어야 하는지, 그리고 애초에 둘을 어떻게 맞물리게 설계하는지 정리합니다. 2건 출처 12 [레슨] 거시 경제 지표 데이터 파이프라인 싱크: 한국은행 통계시스템(ECOS) 등 외부 API 데이터를 자사 MMM 마이닝 엔진에 정기 자동 연동하는 규칙 수작업으로 매번 다운로드하던 외부 변수를, 모델 재학습 주기에 맞춰 자동으로 흘러 들어오게 만드는 설계 원칙을 다룹니다. 1건 출처