Marketing analytics maturity model — last-click부터 triangulation까지 5단계

“우리는 어떤 측정을 쓰고 있는가?” 라는 질문에 답하는 5단계 모델이 있습니다. 1단계 last-click부터 5단계 triangulation까지. 우리 팀이 어디 있는지 진단하면 다음 분기 로드맵이 자연스럽게 나옵니다. 단계를 건너뛸 수 없고, 한 단계 위로 올라가는 데 보통 1-2분기가 걸립니다.

마케터가 이 글을 읽어야 하는 이유: 측정 도구를 한 번 도입하기는 쉬워도 운영 표준으로 정착시키는 게 어렵습니다. 5단계 모델로 우리 팀의 현재 위치를 객관화하면 다음 단계 투자 우선순위가 명확해지고, 분기 보고에서 “우리는 지금 3단계, 다음 분기 4단계 진입”이라는 구체적 답을 할 수 있습니다.

1. 1단계 — Last-click 어트리뷰션

가장 단순한 출발점. 전환 직전 마지막 클릭에 100% 공을 줌.

대부분의 회사 출발점. 광고 플랫폼이 자동으로 제공하는 보고서가 그대로 last-click. 분기 ROAS 보고가 이 단계에 머물면 채널 간 의사결정이 왜곡.

2. 2단계 — Multi-touch attribution (MTA)

여러 터치포인트에 공을 분배. 데이터 기반(linear, time-decay) 또는 모델 기반(Shapley, Markov).

last-click의 단순성을 넘지만 사용자 시퀀스 데이터가 정확해야 함. iOS ATT·쿠키 종료로 MTA의 정확도가 점점 어려워지는 자리. Shapley value, Bayesian attribution 같은 도구가 표준.

3. 3단계 — MMM (Marketing Mix Model)

채널별 시계열 회귀로 광고비와 매출의 관계 모델링. 채널 기여도 추정.

MMM 입문, adstock 심화, saturation, 예산 재배분에서 다룬 도구들. PyMC-Marketing·Robyn 같은 오픈소스로 진입 장벽이 내려가고 있음.

4. 4단계 — Lift study (incrementality)

무작위 배정 + holdout으로 광고의 인과 효과 측정.

Brand lift study, Geo-lift, Incrementality 테스트에서 다룬 도구들. Meta·Google이 자체 lift 도구 제공하지만 외부 검증도 가능.

5. 5단계 — Triangulation

last-click + MTA + MMM + lift study를 모두 운영하면서 결과를 교차 검증. 한 도구의 한계를 다른 도구로 보완.

triangulation의 핵심 룰: 세 도구의 결과가 서로 일관되어야 신뢰. MMM이 채널 X의 ROAS 4.0이라 하고 lift study가 ROAS 2.5라면 둘 중 하나(또는 둘 다)가 틀림. 그 차이를 분석하는 게 triangulation의 실무.

MTA·MMM·Lift 비교에서 더 깊이 다룹니다.

6. 단계 진단 — 우리 팀은 어디?

다음 5질문에 답하면 현재 단계가 거의 정해집니다.

1. ROAS 보고서가 광고 플랫폼 자체 ROAS만으로 채워지는가?
2. 사용자 시퀀스 데이터(노출 → 클릭 → 구매)가 1st-party로 통합되어 있는가?
3. MMM 분기 결과가 예산 재배분 회의에 들어가는가?
4. lift study가 분기 1회 이상 돌아가는가?
5. 세 도구의 결과를 한 슬라이드에 두고 비교하는가?

대부분의 팀이 2-3단계. 4단계 이상은 큰 회사·인프라 갖춘 자리. 단계 건너뛰기 어려움.

7. 단계 이동의 운영 부담

각 단계 진입에 드는 분기 단위 부담.

5단계 진입은 인력·인프라 모두 큰 투자. 회사 규모·마케팅 예산이 어느 정도 임계 이상일 때 의미 있음.

8. 코드 한 묶음 — triangulation 한 슬라이드 표

이게 글에 박는 유일한 코드입니다. 5단계 triangulation 표를 자동으로 생성.

import pandas as pd

def triangulation_summary(channel_results: dict) -> pd.DataFrame:
    """
    channel_results: {
        "Meta": {"last_click_roas": 4.5, "mta_roas": 3.8,
                 "mmm_roas": 3.2, "lift_roas": 2.7},
        "Google": {...},
        "TV": {...},
    }
    """
    rows = []
    for ch, r in channel_results.items():
        rows.append({
            "채널": ch,
            "Last-click ROAS": r.get("last_click_roas"),
            "MTA ROAS": r.get("mta_roas"),
            "MMM ROAS": r.get("mmm_roas"),
            "Lift ROAS": r.get("lift_roas"),
            "최대-최소 차": (max(r.values()) - min(r.values())),
            "신뢰 등급": (
                "고" if max(r.values()) - min(r.values()) < 0.5
                else "중" if max(r.values()) - min(r.values()) < 1.5
                else "저 (불일치 큼)"
            ),
        })
    return pd.DataFrame(rows).set_index("채널")

# 예시 데이터
results = {
    "Meta": {"last_click_roas": 4.5, "mta_roas": 3.8,
             "mmm_roas": 3.2, "lift_roas": 2.7},
    "Google": {"last_click_roas": 6.2, "mta_roas": 5.5,
               "mmm_roas": 5.1, "lift_roas": 4.8},
    "TV": {"last_click_roas": 0.5, "mta_roas": 1.2,
           "mmm_roas": 2.8, "lift_roas": 2.3},
}
print(triangulation_summary(results))

이 표가 분기 보고에 들어가면 “어느 채널이 도구 간 일치/불일치하는지”가 한눈에. 불일치 큰 채널부터 정밀 분석.

9. 마치며 — 성숙도는 누적

마케팅 측정 성숙도는 단계가 누적됩니다. 5단계 도달이 1단계를 버린다는 의미가 아니라, 5단계가 1-4단계의 결과를 종합한다는 의미. last-click이 빠르고 MMM이 장기적이고 lift가 인과적이고 — 도구마다 답하는 질문이 다릅니다. 우리 팀이 어느 단계에 있는지 정직히 진단하고 다음 단계 진입에 분기 1-2를 투자하는 게 표준 로드맵.

다음 분기에 한 번만 시도해 볼 만한 것은 5단계 triangulation 표를 (가짜 숫자라도) 한 번 작성해보고 회의에 던져 보는 흐름입니다. 부족한 칸이 그대로 다음 분기 투자 자리가 됩니다.

다음에 읽을 글

• MTA·MMM·Lift 비교 — triangulation 깊이
• MMM 입문 — 3단계 진입의 출발점
• Brand lift study — 4단계 진입

참고

• Forrester, “Marketing measurement maturity”: https://www.forrester.com/
• Gartner, “Marketing analytics maturity”: https://www.gartner.com/
• Google, “Cross-channel attribution”: https://www.thinkwithgoogle.com/
• “Attribution science” (Avinash Kaushik): https://www.kaushik.net/avinash/
• “Triangulating measurement” (Recast): https://getrecast.com/triangulation/