마케터들은 매년 인플루언서 마케팅에 $16.4 billion을 지출하고 있으며, 이는 2022년에 18.8% 증가한 수치입니다. 하지만 브랜드들은 여전히 그렇게 지출한 비용의 효과를 측정하는 데 어려움을 겪고 있습니다.
DTC 남성 면도용품 브랜드인 Harry’s에서 마케팅 과학 팀을 구축하면서 인플루언서의 ROI를 측정하는 방법에 대해 많은 시간을 고민했습니다. 그래서 이것이 얼마나 어려운 일인지 잘 알고 있습니다. 곧 프로모션 코드만으로는 신뢰할 수 없다는 사실을 깨달았습니다. 너무 많은 고객이 코드 사용을 잊고, 신뢰도가 낮은 제휴사는 더 많은 클릭을 얻기 위해 쿠폰 공유 포털에 코드를 올리고 싶은 유혹을 받기 때문입니다.
따라서 프로모션 코드는 디지털 추적과 마케팅 믹스 모델링(MMM)을 통합하는 더 광범위하고 총체적인 측정 방식의 일부가 되어야 합니다. 이를 함께 활용하면 순증 매출을 창출하지 못하는 캠페인에 대한 낭비되는 미디어 지출을 없앨 수 있습니다.
먼저 인플루언서 마케팅 캠페인 측정에서 겪을 수 있는 문제를 살펴보겠습니다. 다음으로 마케팅 믹스 모델링의 장점과 한계, 그리고 현대적인 DTC 브랜드가 이를 도입한 이유를 간략히 소개하겠습니다.
마지막으로 Excel / GSheets에서 간단한 마케팅 믹스 모델을 직접 구축하는 과정을 안내해 드리겠습니다. 필요한 데이터의 종류, 이 기법의 작동 방식, 그리고 결과를 바탕으로 내릴 수 있는 의사결정에 대해 알아보게 됩니다.
인플루언서 마케팅은 측정하기 어려운 디지털 채널 중 하나입니다. Meta(Facebook & Instagram) 같은 플랫폼에 광고비를 지불하는 대신, 일반적으로 개별 인플루언서에게 직접 연락해 협업하는 ‘장부 밖의’ 방식이기 때문입니다.
캠페인 성과는 크게 1) 제품이 인플루언서의 팔로워에게 얼마나 관련성이 있는지, 2) 인플루언서가 제품에 열정을 갖고 있는지, 3) 캠페인의 크리에이티브 실행력에 따라 달라지므로 결과는 흔히 달라집니다. 사기의 문제도 있습니다. 예를 들어 2021년에는 Instagram 인플루언서 계정의 49%가 사기 피해를 입었으며, 이 때문에 마케터들은 가짜 팔로워를 확인해야 합니다. FTC와 소셜 미디어 플랫폼도 인플루언서의 광고성 게시물에 대한 적절한 광고 표시를 엄격히 단속하고 있습니다.
대부분의 브랜드가 사용하는 주요 측정 방법 중 하나는 오랫동안 검증된 프로모션 코드입니다. 이 기법은 쿠폰 사용이 절정에 달했던 대공황기인 1920년대로 거슬러 올라갑니다. Daniel Starch와 Claude Hopkins 같은 초기 과학적 마케터들은 효과를 테스트하기 위해 서로 다른 광고 문구 버전에 고유한 프로모션 코드를 할당하는 방식을 개척했습니다.
안타깝게도 이 단순하지만 효과적인 기법은 오늘날의 디지털 경제에서 사용할 때 상당한 결함이 있습니다.
이러한 어떤 상황에서도 기록된 매출은 ‘순증’ 매출이 아닙니다. 프로모션 코드 입력란이 없었더라도 발생했을 매출이므로, 제휴사에 지급한 비용이나 제품 가격에서 할인된 금액은 모두 낭비된 것입니다.
반대로 많은 고객은 프로모션 코드 사용을 그냥 잊어버립니다! 또는 게시물 텍스트에 묻힌 코드를 알아차리지 못했을 수도 있습니다. 어느 쪽이든 인플루언서 캠페인 운영 경험이 있는 마케터라면, 인플루언서 캠페인이 시작될 때 추적으로 설명할 수 있는 수준을 넘어 매출이 급증하는 것을 확인한다고 말할 것입니다.
마케팅 믹스 모델링(MMM)은 판매량의 급증과 급감을 마케팅 활동(및 외부 요인)과 연결하기 위해 1960년대에 도입되었습니다. 제대로 수행하면 마케팅 전략의 각 요소가 미치는 증분 효과를 파악할 수 있어, 마케팅 예산을 어디에 배분할지 데이터 기반으로 결정할 수 있습니다.
과거에는 슈퍼볼 광고에 수백만 달러를 지출하는 대형 광고주가 주로 사용했지만, Apple iOS14 개인정보 보호 변경, GDPR/CCPA, 그리고 마케터의 사용자 추적 능력을 제한하는 광고 차단기가 등장하면서 현대적인 DTC 브랜드도 이를 채택하게 되었습니다. MMM은 사용자 수준 데이터를 전혀 필요로 하지 않으므로 TV, 팟캐스트, 인플루언서처럼 추적하기 어려운 채널에 적합합니다.
모델을 구축하면 각 마케팅 채널에 얼마를 지출해야 하는지 결정하고, 성과가 저조한 채널의 예산을 확장 여지가 더 큰 채널로 재배분할 수 있습니다. 디지털 추적 및 분석에 대한 두 번째 의견 역할을 하며, 어떤 채널이 매출 기여도를 인정받아야 하는지에 관해 Google Analytics, 프로모션 코드 추적, "어떻게 저희를 알게 되셨나요?" 설문조사의 결과가 엇갈릴 때 판단 기준이 되기도 합니다.
마케팅 믹스 모델은 정확하게 구축하기 어려울 수 있으며, 때로는 베이지안 알고리즘에 대한 이해와 같은 고급 통계 지식이 필요합니다. 개별 캠페인, 크리에이티브/메시지, 또는 전술까지 세부적으로 분석하기보다는 전체 영향에 대해 하향식으로 채널별 관점을 제공합니다. 그렇긴 하지만, 제대로 구축한다면 MMM은 현대적인 어트리뷰션 스택의 중요한 구성 요소입니다.
함께 따라 해 보려면 Vexpower의 마케팅 믹스 모델링 과정에서 가져온 가상 이커머스 회사 데이터 기반의 이 게시물 템플릿을 확인하세요:
대기업 브랜드의 경우 마케팅 믹스 모델은 여러 사람이 완료하는 데 최대 3개월이 걸리고 지속적인 유지 관리 작업도 필요한 복잡한 프로젝트가 될 수 있습니다. 그러한 상황이라면 Meta Robyn과 같은 기존 라이브러리를 사용하거나, Recast에서 제공하는 것과 같은 완전 자동화된 마케팅 믹스 모델링 도구를 사용해 보는 것이 좋습니다.
하지만 중소기업이나 스타트업이라면 Excel 또는 Google Sheets만으로도 반나절 안에 "충분히 좋은" 모델을 만들 수 있습니다.
모델이 인플루언서의 영향을 다른 모든 요소와 분리할 수 있도록, 매출을 유도하기 위해 비용을 지불하는 모든 활동을 포함해 마케팅 믹스 전반의 데이터가 필요합니다. 표시된 것처럼 표 형식이어야 하며, 이는 각 날짜 또는 주별로 행 하나, 각 채널 또는 캠페인별로 열 하나를 사용한다는 의미입니다.
참고: YouTube와 같은 채널을 이용할 때는 콘텐츠가 게시된 당일 또는 해당 주에 모든 결과가 나타나기는 어렵습니다. 장기적으로 지속되는 트래픽을 기대한다면, 이 모델은 그러한 장기적 효과를 기여도로 반영하지 않습니다.
—
인플루언서 모델링을 위한 전문가 팁:
지출액을 게시 일정에 맞추세요
핵심은 각 게시물에 지출한 금액을 해당 게시물이 게시된 시점과 일치시키는 것입니다. 그렇지 않으면 모델이 영향의 원인을 잘못된 곳에서 찾게 됩니다. 지출을 거래가 성사된 날짜에 배정하거나, 지출을 달력상의 주 또는 월 단위로 묶는 것은 흔한 실수입니다.
—
이상적으로는 모든 미디어 채널에서 지출의 효과, 즉 1달러를 지출할 때마다 몇 달러를 돌려받는지 측정해야 합니다? 즉, 가능하다면 도달, 노출, 팔로워 수 또는 조작하기 쉬운 기타 지표가 아니라 캠페인의 실제 비용을 모델링해야 합니다.
이 경우 아마존 순위나 PR처럼 영향력이 큰 외부 변수를 통제할 수도 있지만, 이를 모델에 어떻게 반영할지는 주의해야 합니다.
알아보기 어려운 이 숫자들의 집합은 Excel과 Google 스프레드시트 모두에서 사용할 수 있는 LINEST 함수의 결과입니다. 맨 윗줄은 계수입니다(참고: 역순으로 표시됩니다). 계수는 각 마케팅 활동의 영향을 알려 줍니다(모델이 정확하다는 전제하에).
계수는 다음과 같이 해석할 수 있습니다. Modash 인플루언서 캠페인의 계수는 0.02입니다. 즉, 예산 1달러당 0.02의 매출이 발생했다는 의미입니다. 1을 0.02로 나누면 고객 획득 비용(CPA)이 나오며, 이 모델에서는 $46.60입니다. 이를 프로모션 코드 추적에서 얻은 수치와 비교할 수 있으며, 그 수치는 더 높거나 낮을 수 있습니다.
승수는 이 두 수치의 비율이며, 앞으로 캠페인의 ‘실제’ ROI를 추정할 때 경험칙으로 활용할 수 있습니다. 예를 들어 프로모션 코드 추적 결과 CPA가 $50으로 나타나는 새 캠페인을 진행하고 승수가 0.73이라면, ‘실제’ CPA는 $37에 더 가까웠다고 상당히 확신할 수 있습니다(50 x 0.73 = 37).
이 사례에서는 모델이 과거 매출을 매우 정확하게 예측하는 것을 확인할 수 있습니다. 정확도/오차 측정값인 MAPE는 일반적으로 특정 주에 5% 미만이며, 전체적으로는 3.5%입니다. 좋은 시작이지만 충분하지는 않습니다!
다음으로 모델이 아직 보지 못한 새 데이터를 정확하게 예측할 수 있는지 확인해야 합니다. 예를 들어 향후 4주간의 매출을 예측해 볼 수 있습니다.
모델의 결과가 그럴듯한지도 중요합니다. 인플루언서가 $50이 아니라 $5의 비용으로 매출을 발생시킨다고 모델이 알려 준다면 믿기 어려울 것이며, 모델에 문제가 있다는 신호일 수 있습니다. 어떤 경우든 이러한 모델은 특히 무작위 대조 실험(A/B 테스트)을 포함한 다른 마케팅 어트리뷰션 방법을 통해 얻은 인사이트와 비교하여 검증하고 보정해야 합니다.
더 높은 정확도와 통계적 타당성을 추구하다 보면 베이지안 MMM과 같은 고급 기법을 도입하고, 인플루언서 캠페인의 지연 효과(게시물 후에도 매출이 얼마나 오래 발생하는가?)와 수확 체감(포화 상태가 되기 전까지 얼마나 지출할 수 있는가?)을 측정하며, 우수한 마케팅 믹스 모델의 기타 중요한 요소를 활용하고 싶어질 것입니다. 이 단계에서는 고급 MMM 기법을 학습하거나, 데이터 사이언티스트를 확보하거나, 이러한 복잡성을 처리하고 모델의 정확성을 보장할 수 있는 Recast와 같은 업체를 고용해야 합니다.