그래디언트 부스팅 모델을 이용하여 광고 예산 도출하기

February 28, 2025

INSIGHT

들어가며

매출 향상을 위해 효과적인 마케팅 전략을 수립하는 것은 끊임없는 고민거리 입니다.

그 중에서도 각각의 특정 목적이나 미디어에 따라 적절한 예산을 할당하는 것은 매출에 직접적인 영향을 미치기 때문에, 데이터를 기반으로 한 의사 결정이 매우 중요합니다.

매드업에서는 이러한 문제 해결하기 위해, 3rd party 데이터를 활용해 광고 예산 분배에 따른 매출액을 예측하는 모델을 개발했습니다.

그렇다면 어떻게 최적의 예산을 도출할 수 있을까요 ?

최적의 예산을 도출하기 위해서는 먼저 마케팅 데이터의 특징을 이해해야 합니다. 모델에서 다루는 데이터는 과거의 광고 캠페인이나 프로모션에 투자된 예산과 그로부터 얻은 매출을 기록하고 있습니다. 이를 통해 우리는 지난 해에 광고에 투자한 비용과 매출을 추적하여 미래의 예산 배분을 더욱 효율적으로 구성할 수 있습니다. 또한, 광고는 다양한 유형과 채널을 통해 전개되는데요, 각 광고 유형과 채널은 서로 다른 비용과 다른 매출을 가져올 수 있습니다. 더불어 광고가 전개된 시기나 특정 이벤트와의 연관성도 중요합니다.

이러한 데이터 특징들을 종합적으로 고려해보았을 때, 저희는 CatBoost와 XGBoost 모델을 통해 이 문제에 효과적인 해결책을 제시하였습니다. 이들 모델은 각각의 프로모션 유형과 예산, 그리고 과거 매출 데이터를 종합적으로 고려하여 매출에 미치는 영향을 분석합니다. 이를 토대로 다음 달의 매출을 예측하고, 예산을 조정함으로써 미래의 성과를 더욱 향상시키는 전략을 수립할 수 있습니다.

Step 1. 데이터 특성 파악하기

목적 : 예측 모델 개발을 위한 각 Feature 별 상관관계 파악
데이터 개요 : 2023년 2월 15일 ~ 2024년 04월 15일 까지 (1.2년)

주요 변수 추가

날짜를 기준으로 ‘요일’, ‘주중/주말’ 등 예측 변수에 영항을 줄 가능성이 있는 변수를 추가하였습니다.

상관관계 분석

광고 비용와 Paid 매출 및 구매 간의 관계:

광고 비용은 paid 매출과 구매와 강한 양의 상관 관계를 보입니다. 이는 광고에 투자할수록 paid 매출과 구매가 증가할 가능성이 높다는 것을 시사합니다.

광고 비용와 앱 설치 수 간의 관계:

광고 비용과 앱 설치 수 간에는 강한 양의 상관 관계가 있습니다. 이는 전반적인 광고 비용이 증가할수록 앱 설치 도 함께 증가할 가능성이 있다는 것을 시사합니다.

광고 비용와 조회수 간의 관계:

광고 비용과 조회수 간에는 상관 관계가 매우 약합니다. 이는 광고 비용과 조회수는 거의 관련이 없는 것으로 간주될 수 있습니다.

Step 2. 데이터 시각화 분석하기

다음으로 시계열 데이터의 자기상관 함수(ACF)와 부분자기상관 함수(PACF)를 통해 현재 값과 과거 값 사이의 관계를 확인할 수 있습니다. 이 함수들은 시차(lags)만큼 이동시킨 자기자신과의 관련도를 보여준다고 이해하시면 되는데요.

아래 이미지와 같이 ACF에서 지속적으로 양수 또는 음수 값을 보이는 경우, 데이터가 자기상관을 갖는 경향이 있다는 것을 알 수 있습니다. 이는 데이터가 이전 값과 일관된 패턴을 가지고 있다는 것을 의미하고 있습니다.

[A 캠페인] ACF 시각화

PACF를 통해서는 갑자기 감소하는 구간이 나타나는 경우, 데이터의 시차에 따른 부분 자기상관을 고려할 수 있는데요, 이는 특정 시점 이전의 데이터와 현재 데이터 간의 관계를 고려할 때 뚜렷한 변화가 있다는 것을 알 수 있습니다.

[A 캠페인] PACF 시각화

Step 3. 예측 모델 구축하기

본 분석에서는 CatBoost 와 XGBoost 라는 머신러닝 모델을 사용했습니다. 이 두 모델은 그래디언트 부스팅 알고리즘을 기반으로 하며, 트리 기반 앙상블 학습 방법을 사용합니다. 그래디언트 부스팅 이란, 이전에 만들어진 트리의 오차를 보완하는 새로운 트리를 순차적으로 추가하여 모델을 개선하는 방법이며, 트리 기반 앙상블 학습 방법 이란, 여러 결정 트리를 조합하여 더 강력한 모델을 만드는 방법입니다.

CatBoost는 범주형 데이터를 다루는 데 특히 강점을 가지고 있으며, 자체적인 정규화와 파라미터 튜닝 기능을 제공하여 모델의 안정성과 성능을 향상시킬 수 있습니다. 반면 XGBoost는 뛰어난 예측 성능과 확장성을 제공하며, 이상치 처리 기능을 통해 과적합을 방지하고 일반화 성능을 향상시킬 수 있습니다. 2가지의 모델을 사용한 이유는 마케팅 데이터의 특성 상 매출이 0원이거나 미운영인 경우가 존재하여, 프로모션별 데이터가 서로 다른 특징을 가지고 있기 때문에 각 데이터 특성에 맞는 모델을 선택하였습니다.

3-1. 데이터 전처리

EDA를 통해 데이터의 특성 파악 및 ADF&ACF 검정, 로그 변환 등의 전처리를 수행합니다.

ADF&ACF 검정 : 단위근 존재 여부를 통해 시계열 데이터가 *정상성 데이터인지 확인합니다.

정상성 : 데이터가 시간과 관계 없이 일정한 성질을 가지는 것
ADF Statistic : -5.027550831 / p-value : 0.0001832426
ㄴ p-value < 0.05 이므로 귀무가설을 채택 (즉, 해당 데이터는 비정상 시계열 임을 알 수 있습니다.)

로그 변환 : 로그 변환 적용을 통해 분산 안정화 및 이상치에 대한 강건성 확보하였습니다.

[A 캠페인] 로그변환 전, 분산이 불안정함

[A 캠페인] 로그변환 후, 정규분포에 가까워짐

3-2. 변수 중요도 검사 및 파생 변수 추출

변수 중요도를 평가하여 모델에 가장 영향력 있는 변수를 식별하고, 적절한 파생 변수를 추출합니다.
이때 사용되는 지표는 아래와 같습니다.

비즈니스 content : 통합 매출(종속 변수), 앱 설치, 구매, 지출 금액, 통합 구매
미디어 & 마케팅 : 빅 프로모션 운영 여부, 네이버 키워드 검색량
외부 요인 : 계절성, 성수기 여부, 휴일 여부
시간 정보 : paid 매출에 대한 Lagging과 Rolling, 차분 등 과거 시계열 정보(4주/7주/12주)

Lagging: 데이터를 N칸 뒤로 밀어 N기간 이전 데이터를 가공한 독립변수
Rolling: N기간 동안의 통계량을 예측 변수로 활용하여 잡음의 영향을 줄이고 단기 트렌드 반영
차분: 연이은 관측값들의 차이를 계산함으로서 추세 감소

3-3. 모델 최적화

Cross-validation 및 hyper-parameter tuning을 통해 모델을 최적화하고, 예측 성능을 향상시킵니다.

3-4. 프로모션 별 데이터 분리 및 모델 학습:

프로모션 기준으로 Paid 성과 데이터를 분리하여 각각의 데이터 셋으로 구성합니다.
학습 데이터를 기반으로 다음 달의 매출을 예측하기 위해 프로모션 별 모델을 학습시킵니다.

3-5. 예측 수행

5월의 광고비 예산을 기반으로 프로모션 별 광고비 비율을 조정하고, 이를 사용하여 각 매출액을 예측합니다. 결과적으로 조정된 비율을 통해 월별 최적의 ROAS가 나오는 비중을 도출합니다.

Step 4. 결과

4-1. 평가 지표

MAE (Mean Squared Error)

MSE는 예측값과 실제값 사이의 오차의 제곱의 평균을 나타냅니다.
작을수록 모델의 예측이 더 정확하다고 해석할 수 있습니다.

MSE (Mean Squared Error)

실제값에서 예측값을 뺀 값의 제곱의 평균을 나타냅니다.
작을수록 모델의 예측이 더 정확하다고 해석할 수 있으며, MAE보다 큰 오차에 더 큰 패널티를 주는 특성이 있습니다.

MAPE (Mean Absolution Percentage Error)

예측값과 실제값 사이의 백분율로 나타낸 절대적인 오차의 평균을 나타냅니다.
역시 작을수록 모델의 예측이 더 정확하다고 해석할 수 있으며, 오차를 백분율로 나타내기 때문에 예측값의 스케일에 따라 해석이 달라질 수 있습니다.

4-2. 예측 결과

2024년 3월 15일까지의 데이터를 바탕으로, 예산 n억원을 기준으로 5월의 캠페인별 매출을 예측하였습니다.
예측 정확도를 측정하기 위해 전체 기간 중 20%의 데이터를 평가에 사용했습니다.

이때 사용된 평가 지표인 MAE, MSE, MAPE는 모델의 성능을 평가하는데 사용되며, 값이 0에 가까울수록 모델의 성능이 높다고 판단할 수 있습니다.

최적의 ROAS (= 통합 매출액 / 통합 광고액) 선택 기준은 조정된 비율을 통해 예측된 결과 중 월별 가장 높은 ROAS가 나오는 것으로 선택했습니다.
예측 결과는 A 캠페인 : B 캠페인 = 75% : 25% (예상 ROAS 2098%)

1. A 캠페인 예측 결과

MAE=0.099, MSE=0.016, MAPE=0.005
ㄴ 모든 지표의 값이 0.1 이하로 나타났으며, 이는 모델의 성능이 상당히 우수하다고 볼 수 있습니다.

2. B 캠페인 예측 결과

MAE=0.067, MSE=0.007, MAPE=0.003

ㄴ 역시 모든 지표의 값이 0.1 이하로 나타났으며, 이 모델 또한 예측 성능이 우수하다고 볼 수 있습니다.

Step 5. 특성 중요도 importance features

특성 중요도란, 각 특성(feature)이 모델 예측에 얼마나 중요한 역할을 하는 지를 나타냅니다. 이 중요도를 통해 어떤 특성이 모델 예측(매출)에 큰 영향을 미치는지를 파악할 수 있습니다.

A 캠페인의 특성 중요도 (CatBoost)

통합 구매 > 지출 금액 > 앱 설치 수 > 프로모션 여부 순으로 모델의 예측에 높은 영향력을 기록하였습니다.

B 캠페인의 특성 중요도 (XGBoost)

네이버 키워드 검색량 > 통합 구매 > 과거 매출액 > 시간대 순으로 모델의 예측에 높은 영향력을 기록하였습니다.

마무리

예산에 따른 매출을 예측하는 것은 효과적인 마케팅 전략을 수립하는 데에 중요한 역할을 합니다. 이때 CatBoost와 XGBoost와 같은 머신러닝 모델을 활용하여 이러한 예측을 수행할 수 있으며, 이를 토대로 프로모션 예산을 효율적으로 책정할 수 있습니다. 이러한 제안을 통해 기업은 광고 예산을 더욱 효과적으로 활용하여 매출을 극대화할 수 있을 것으로 기대됩니다.

디지털 마케팅 전략, 퍼포먼스 마케팅 제안, CRM 등 그로스 컨설팅, 솔루션 제안 등 도움이 필요하시면 Data/Tech 기반으로 서비스 성장에 특화되어 있는 디지털 마케팅 에이전시 매드업에 문의해주세요 🙂

목록으로

개인정보 처리방침

<매드업>은 개인정보보호법에 따라 이용자의 개인정보 보호 및 권익을 보호하고 개인정보와 관련한 이용자의 고충을 원활하게 처리할 수 있도록 다음과 같은 처리방침을 두고 있습니다.

<매드업>은 회사는 개인정보처리방침을 개정하는 경우 웹사이트 공지사항(또는 개별공지)을 통하여 공지할 것입니다.

○ 본 방침은 2020년 1월 15일부터 시행됩니다.

개인정보의 처리 목적 <매드업>은 개인정보를 다음의 목적을 위해 처리합니다. 처리한 개인정보는 다음의 목적 이외의 용도로는 사용되지 않으며 이용 목적이 변경될 시에는 사전동의를 구할 예정입니다.

가. 홈페이지 회원가입 및 관리 회원 가입의사 확인, 회원제 서비스 제공에 따른 본인 식별·인증, 회원자격 유지·관리, 제한적 본인확인제 시행에 따른 본인확인, 서비스 부정이용 방지, 만14세 미만 아동 개인정보 수집 시 법정대리인 동의 여부 확인, 각종 고지·통지, 고충처리, 분쟁 조정을 위한 기록 보존 등을 목적으로 개인정보를 처리합니다.

나. 민원사무 처리 민원인의 신원 확인, 민원사항 확인, 사실조사를 위한 연락·통지, 처리결과 통보 등을 목적으로 개인정보를 처리합니다.

다. 재화 또는 서비스 제공 물품배송, 서비스 제공, 청구서 발송, 콘텐츠 제공, 맞춤 서비스 제공, 본인인증, 연령인증, 요금결제·정산 등을 목적으로 개인정보를 처리합니다.

라. 마케팅 및 광고에의 활용 신규 서비스(제품) 개발 및 맞춤 서비스 제공, 이벤트 및 광고성 정보 제공 및 참여기회 제공 , 인구통계학적 특성에 따른 서비스 제공 및 광고 게재 , 서비스의 유효성 확인, 접속빈도 파악 또는 회원의 서비스 이용에 대한 통계 등을 목적으로 개인정보를 처리합니다.

개인정보 파일 현황

가. 개인정보 파일명 : 개인정보 처리방침

개인정보 항목 : 이메일, 휴대전화번호, 비밀번호, 이름, 업체명, 제목, 광고 예산, 내용, 사업자 등록 번호, 신용카드정보, 은행계좌정보, 예금주, 생년월일, 서비스 이용 기록, 접속 로그, 쿠키, 접속 IP 정보, 결제기록

수집방법 : 홈페이지, 계약서

보유근거 : 홈페이지 회원정보 수집 등에 관한 기록

보유기간 : 5년

관련법령 : 대금결제 및 재화 등의 공급에 관한 기록 : 5년

개인정보의 처리 및 보유 기간 ① <매드업>은 법령에 따른 개인정보 보유·이용기간 또는 정보주체로부터 개인정보를 수집 시에 동의 받은 개인정보 보유,이용기간 내에서 개인정보를 처리,보유합니다. ② 각각의 개인정보 처리 및 보유 기간은 다음과 같습니다.

가. <홈페이지 회원가입 및 관리> <홈페이지 회원가입 및 관리>와 관련한 개인정보는 수집.이용에 관한 동의일로부터<5년>까지 위 이용목적을 위하여 보유.이용됩니다.

보유근거 : 홈페이지 회원정보 수집 등에 관한 기록

관련법령 : 대금결제 및 재화 등의 공급에 관한 기록 : 5년

예외사유 :

나. <재화 또는 서비스 제공> <재화 또는 서비스 제공>와 관련한 개인정보는 수집.이용에 관한 동의일로부터<5년>까지 위 이용목적을 위하여 보유.이용됩니다.

보유근거 : 계약 또는 청약철회 등에 관한 기록

관련법령 : 계약 또는 청약철회 등에 관한 기록 : 5년

예외사유 :

다. <마케팅 및 광고에의 활용> <마케팅 및 광고에의 활용>와 관련한 개인정보는 수집.이용에 관한 동의일로부터<3년>까지 위 이용목적을 위하여 보유.이용됩니다.

보유근거 : 전자상거래등에서의 소비자보호에 관한 법률

관련법령 : 소비자의 불만 또는 분쟁처리에 관한 기록 : 3년

예외사유 :

정보 주체와 법정대리인의 권리·의무 및 그 행사방법 이용자는 개인정보주체로써 다음과 같은 권리를 행사할 수 있습니다.

① 정보주체는 매드업에 대해 언제든지 개인정보 열람,정정,삭제,처리 정지 요구 등의 권리를 행사할 수 있습니다.

② 제1항에 따른 권리 행사는 매드업에 대해 개인정보 보호법 시행령 제41조제1항에 따라 서면, 전자우편, 모사전송(FAX) 등을 통하여 하실 수 있으며 매드업은 이에 대해 지체 없이 조치하겠습니다.

③ 제1항에 따른 권리 행사는 정보주체의 법정대리인이나 위임을 받은 자 등 대리인을 통하여 하실 수 있습니다. 이 경우 개인정보 보호법 시행규칙 별지 제11호 서식에 따른 위임장을 제출하셔야 합니다.

④ 개인정보 열람 및 처리 정지 요구는 개인정보보호법 제35조 제5항, 제37조 제2항에 의하여 정보주체의 권리가 제한 될 수 있습니다.

⑤ 개인정보의 정정 및 삭제 요구는 다른 법령에서 그 개인정보가 수집 대상으로 명시되어 있는 경우에는 그 삭제를 요구할 수 없습니다.

⑥ 매드업은 정보주체 권리에 따른 열람의 요구, 정정·삭제의 요구, 처리 정지의 요구 시 열람 등 요구를 한 자가 본인이거나 정당한 대리인인지를 확인합니다.

처리하는 개인정보의 항목 작성

① <매드업>은 다음의 개인정보 항목을 처리하고 있습니다.

가. <홈페이지 문의 및 관리>

필수항목 : 업체명, 이메일, 제목, 연락처, 광고 예산, 내용, 휴대전화번호, 비밀번호, 이름, 서비스 이용 기록, 접속 로그, 쿠키, 접속 IP 정보

선택항목 : 프로필 사진

나. <재화 또는 서비스 제공>

필수항목 : 업체명, 이메일, 제목, 연락처, 광고 예산, 내용, 비밀번호, 이름, 회사명, 사업자 등록 번호, 신용카드정보, 은행계좌정보, 예금주, 생년월일, 서비스 이용 기록, 접속 로그, 쿠키, 접속 IP 정보, 결제기록

선택항목 :

다. <마케팅 및 광고에의 활용>

필수항목 : 업체명, 이메일, 제목, 연락처, 광고 예산, 내용, 휴대전화번호, 이름, 서비스 이용 기록, 접속 로그, 쿠키, 접속 IP 정보

선택항목 :

개인정보의 파기<매드업>은 원칙적으로 개인정보 처리 목적이 달성된 경우에는 지체없이 해당 개인정보를 파기합니다. 파기의 절차, 기한 및 방법은 다음과 같습니다.

파기절차

이용자가 입력한 정보는 목적 달성 후 별도의 DB에 옮겨져(종이의 경우 별도의 서류) 내부 방침 및 기타 관련 법령에 따라 일정기간 저장된 후 혹은 즉시 파기됩니다. 이 때, DB로 옮겨진 개인정보는 법률에 의한 경우가 아니고서는 다른 목적으로 이용되지 않습니다.

파기기한

이용자의 개인정보는 개인정보의 보유기간이 경과된 경우에는 보유기간의 종료일로부터 5일 이내에, 개인정보의 처리 목적 달성, 해당 서비스의 폐지, 사업의 종료 등 그 개인정보가 불필요하게 되었을 때에는 개인정보의 처리가 불필요한 것으로 인정되는 날로부터 5일 이내에 그 개인정보를 파기합니다.

파기방법

전자적 파일 형태의 정보는 기록을 재생할 수 없는 기술적 방법을 사용합니다. 종이에 출력된 개인정보는 분쇄기로 분쇄하거나 소각을 통하여 파기합니다.

개인정보 자동 수집 장치의 설치•운영 및 거부에 관한 사항

① 매드업은 개별적인 맞춤서비스를 제공하기 위해 이용 정보를 저장하고 수시로 불러오는 ‘쿠키(cookie)’를 사용합니다.

② 쿠키는 웹사이트를 운영하는데 이용되는 서버(http)가 이용자의 컴퓨터 브라우저에게 보내는 소량의 정보이며 이용자들의 PC 컴퓨터 내의 하드디스크에 저장되기도 합니다.

가. 쿠키의 사용 목적 : 이용자가 방문한 각 서비스와 웹 사이트들에 대한 방문 및 이용형태, 인기 검색어, 보안접속 여부, 등을 파악하여 이용자에게 최적화된 정보 제공을 위해 사용됩니다.

나. 쿠키의 설치•운영 및 거부 : 웹브라우저 상단의 도구>인터넷 옵션>개인정보 메뉴의 옵션 설정을 통해 쿠키 저장을 거부 할 수 있습니다.

다. 쿠키 저장을 거부할 경우 맞춤형 서비스 이용에 어려움이 발생할 수 있습니다.

개인정보 보호책임자 작성

① 매드업은 개인정보 처리에 관한 업무를 총괄해서 책임지고, 개인정보 처리와 관련한 정보주체의 불만처리 및 피해구제 등을 위하여 아래와 같이 개인정보 보호책임자를 지정하고 있습니다.

▶ 개인정보 보호책임자

성명 : 강남석

직책 : CFO

직급 : CFO

연락처 : 02-1522-1060, contact@madup.com

※ 개인정보 보호 담당부서로 연결됩니다.

▶ 개인정보 보호 담당부서

부서명 : General Affairs Team

담당자 : 민상준

연락처 : 02-1522-1060, contact@madup.com

② 정보 주체께서는 매드업의 서비스(또는 사업)을 이용하시면서 발생한 모든 개인정보 보호 관련 문의, 불만처리, 피해구제 등에 관한 사항을 개인정보 보호책임자 및 담당부서로 문의하실 수 있습니다. 매드업은 정보주체의 문의에 대해 지체 없이 답변 및 처리해드릴 것입니다.

개인정보 처리방침 변경

① 이 개인정보처리방침은 시행일로부터 적용되며, 법령 및 방침에 따른 변경 내용의 추가, 삭제 및 정정이 있는 경우에는 변경사항의 시행 7일 전부터 공지사항을 통하여 고지할 것입니다.

개인정보의 안전성 확보 조치 <매드업>은 개인정보보호법 제29조에 따라 다음과 같이 안전성 확보에 필요한 기술적/관리적 및 물리적 조치를 하고 있습니다.

가. 정기적인 자체 감사 실시 개인정보 취급 관련 안정성 확보를 위해 정기적(분기 1회)으로 자체 감사를 실시하고 있습니다.

나. 개인정보 취급 직원의 최소화 및 교육 개인정보를 취급하는 직원을 지정하고 담당자에 한정시켜 최소화 하여 개인정보를 관리하는 대책을 시행하고 있습니다.

다. 내부관리계획의 수립 및 시행 개인정보의 안전한 처리를 위하여 내부관리계획을 수립하고 시행하고 있습니다.

라. 해킹 등에 대비한 기술적 대책 <매드업>은 해킹이나 컴퓨터 바이러스 등에 의한 개인정보 유출 및 훼손을 막기 위하여 보안프로그램을 설치하고 주기적인 갱신·점검을 하며 외부로부터 접근이 통제된 구역에 시스템을 설치하고 기술적/물리적으로 감시 및 차단하고 있습니다.

마. 개인정보의 암호화 이용자의 개인정보는 비밀번호는 암호화 되어 저장 및 관리되고 있어, 본인만이 알 수 있으며 중요한 데이터는 파일 및 전송 데이터를 암호화 하거나 파일 잠금 기능을 사용하는 등의 별도 보안기능을 사용하고 있습니다.

바. 접속 기록의 보관 및 위변조 방지 개인정보처리시스템에 접속한 기록을 최소 6개월 이상 보관, 관리하고 있으며, 접속 기록이 위변조 및 도난, 분실되지 않도록 보안기능 사용하고 있습니다.

사. 개인정보에 대한 접근 제한 개인정보를 처리하는 데이터베이스시스템에 대한 접근 권한의 부여,변경,말소를 통하여 개인정보에 대한 접근통제를 위하여 필요한 조치를 하고 있으며 침입차단시스템을 이용하여 외부로부터의 무단 접근을 통제하고 있습니다.

아. 문서 보안을 위한 잠금 장치 사용 개인정보가 포함된 서류, 보조저장매체 등을 잠금 장치가 있는 안전한 장소에 보관하고 있습니다.

자. 비인가자에 대한 출입 통제 개인정보를 보관하고 있는 물리적 보관 장소를 별도로 두고 이에 대해 출입통제 절차를 수립, 운영하고 있습니다.