1949년 닐 보든이 '마케팅 믹스'라는 용어를 처음 선보인 후부터 기업은 제품의 마케팅과 홍보를 위한 여러 분석과 개선법을 모색해왔다. 판매 및 마케팅 종합aggregate 데이터를 사용해 기업 마케팅에 대한 전략적 조정을 제안하는 '마케팅 믹스 모델링MMM'은 오랫동안 선도적인 분석법으로 여겨졌다. 그러나 이는 디지털 광고 측정 영역에서 주로 시대에 뒤처진 거대 기업이 사용했으며, 새로운 기술로 가능해진 즉각적이고 정확한 속성을 제대로 반영하지 못했다.
그러나 마케팅 믹스 모델링의 시대가 다시 돌아오고 있다. 이유가 뭘까? 광고주가 추적할 수 있는 범위에 대한 애플의 새로운 제한 정책 등 디지털 광고 생태계의 근본적인 변화가 기업이 소비자들을 추적하고, 디지털 광고 효과를 측정하는 일을 점점 더 어렵게 만들고 있기 때문이다. 이런 데이터가 고갈되면서 적응하지 못하는 기업은 갑자기 어둠 속을 헤매게 될 위험이 있다. 이런 새로운 환경에서 마케팅 믹스 모델은 특별한 이점을 가진다. 사용자 수준의 데이터를 필요로 하지 않고 종합 데이터의 자연스러운 변화만으로 신뢰할 수 있는 측정과 통찰을 얻을 수 있다.
문제는 MMM을 마케팅 분석 툴킷에 포함시키는 것이 스위치를 켜는 것처럼 간단하지 않다는 점이다. 잘못된 조건하에서 그리고 신중한 지침 없이는 분석이 부정확해 기업의 마케팅 결정에 잘못된 정보를 줄 수 있다.
MMM을 시작하거나 다시 시작하려는 기업은 실험을 거쳐 디지털 마케팅 접근법을 조정해야 한다. 필자들이 디지털 광고주들과 실행한 여러 차례의 현장 연구에 따르면 MMM 추정치의 부정확성을 줄이려면 실험을 통해 모델을 보정하는 과정이 필요하다. 이 글에서 필자들은 새로운 디지털 광고 측정 환경에서 성공하기 위해 필요한 것과 그 실행 방법을 자세히 살펴보고자 한다.