광고효과의 올바른 분석을 위한 데이터 간격의 연구

Abstract

시간상으로 통합(temporally aggregate)한 데이터로부터 광고효과의 지속기간을 추정하면 우리는 왜곡된 추정값을 가지게 된다. 그 동안 연구자들은 true date interval을 알고 있는 경우 통합된 데이터 (aggregate data)로부터 광고효과의 지속기간을 추정한 후 이로부터 참(true) 광고효과 지속기간의 근사치를 구하는 여러 방법론을 제시하였다. 그러나 true data interval이 무엇이 되어야 하는가에 대한 어떤 이론이나 실증연구가 아직 없다. 많은 연구자들은 true data interval이 inter-purchase time과 같다고 가정하고 있는데 그 이유에 대하여는 어떤 설명도 없다는 점이 흥미롭다. Continuous time model은 이 문제를 이론적으로 해결한 것은 사실이지만 모든 실증 데이터는 discrete time에서 수집되므로 현실적인 문제를 해결하지는 못하고 있다. 데이터가 점점 더 dissaggregate되어 가는 추세에 있는 요즈음 어느 정도의 disaggregation이 올바른가에 대한 문제 즉 적정한 data interval을 결정하는 문제는 매우 중요한 문제임에 틀림없다. 본 연구는 첫째 왜곡된 결과를 피할 수 있는 가장 좋은 data interval은 inter-exposure time이라는 점을 보여 주고 있다. 또한 적정한 data interval과 inter-exposure time은 아무런 관계가 없다. 둘째, 만약 광고가 매우 serially correlated하다면 aggregate data로부터 도출한 광고의 current effect는 진정한 광고의 총효과(true total effect of advertising)와 동일하다는 것을 증명하였다. 셋째, 대부분의 경우 Koyck model을 사용하여 aggregate data로부터 광고의 장기효과를 추정하는 것은 잘못된 모형의 사용이라는 위험과 aggregation bias라는 위험을 감수하여야 한다는 것을 보여 주고 있다. 광고와 판매의 선형관계라는 가정만을 한 우리의 분석은 매우 일반적인 분석으로 우리의 분석결과는 어떤 종류의 advertising decay의 경우에도 적용 가능하고 또한 광고 및 판매의 serial correlation에 있어 어떤 종류의 (stationary) 패턴에도 적용이 가능하다. 이 분야의 기존 연구는 geometric decay에 한정이 되어 있기 때문에 Koyck model의 결과와 다른 광고 반응 모형의 결과를 비교할 수 없었다. 우리의 분석 방법론은 Fourier transform과 관련된 수학에 기초를 두고 있다. 또한 본 연구는 Sims(1971. 1972)의 논문을 두 가지 점에 있어 확장하였는데 그 첫째가 discrete data로의 확장이고 둘째가 광고와 판매 process가 동시에 일어나지 않는 케이스로의 확장이다. 본 연구의 가장 중요한 시사점은 최근에 개발된 TVmeter scanner 데이터가 광고의 총효과를 추정하는데 필수 불가결하다는 점이다. 그와 같은 데이터 덕택에 우리는 inter-exposure time으로의 분석이 가능하게 되었다. 본 연구의 두 번째 시사점은 Koyck model은 광고 효과를 분석하는데 적절하지 않다는 점이다. 마지막으로 광고효과가 3개월부터 15개월 정도 지속된다고 추정한 과거의 연구는 신빙성이 없다는 점이다.