통합 마케팅 기여도 산정: MMM에 기반한 프라이버시 보호형 세밀한 측정을 위한 베이지안 프레임워크

소매 마케팅 측정은 사용자 수준의 추적(user-level tracking)에 의존하지 않으면서도 점점 더 세밀한 캠페인 수준의 인사이트를 요구하고 있습니다. 그러나 두 가지 지배적인 접근 방식인 마케팅 믹스 모델링 (Marketing Mix Modeling, MMM)과 멀티 터치 기여도 (Multi-Touch Attribution, MTA)는 종종 파편화된 인사이트를 생성합니다. MMM은 프라이버시를 보호하며 채널 수준의 계획 수립에는 견고하지만, 캠페인 최적화를 수행하기에는 너무 거칠며(coarse), MTA는 세밀한 기여도를 제공하지만 증가하는 프라이버시 제한 하에서 신뢰성이 낮아지고 있습니다. 우리는 집계된 데이터로부터 캠페인 수준의 효과를 도출하기 위해 MMM과 채널별 베이지안 기여도 모델 (Bayesian attribution models)을 결합한 통합 마케팅 기여도 (Integrated Marketing Attribution, IMA) 프레임워크를 제안합니다. MMM에서 얻은 사전 정보 (priors)를 활용함으로써, IMA는 MMM과의 일관성을 유지하면서도 세밀하고 프라이버시를 보호하는 기여도 산정을 제공합니다.