“AI测肤互动增长97% AI机会向产业链延伸”
同样被称美妆，有的是详情页里的虚拟试妆，有的是拍照后生成的一份测肤报告，也有的是研发团队用来筛选原料的模型。这些应用都在增加，但对美妆企业来说，最需要判断的并不是用了多少种技术，而是它们究竟解决了哪一个原本解决不好的问题。
线上买粉底，色号始终是第一道坎；测肤报告拿到手，下一步怎么护理依然没答案；品牌按经验提前备货，爆款与积压两头堵。AI可以切入这些环节，而机会能否成立取决于三件事：用户愿不愿意用，企业接不接得住，结果能不能被验证。
用户说基于天猫、京东、抖音的线上销售数据和社交媒体相关内容表现，同时开展了300名女性受访者的调研及品牌案例，梳理了AI美妆目前的发展状态。我们希望回答一个更贴近经营的问题：哪些应用已经显露需求，哪些环节仍有落差，品牌下一步应该把资源放在哪里？
报告全文67页
用户说企业会员成为即可解锁完整版
转发本文至朋友圈即可获取精华版
扫描以下二维码联系客服
四品类线上3231亿元
AI先解决什么问题？
品类不同，任务不同
用户说监测，2025年8月至2026年7月，报告统计的护肤、彩妆、香水香氛与美容仪四个品类，在天猫、京东、抖音的销售额合计约3231亿元。其中，护肤达到2318.06亿元，占据最大的市场体量；彩妆为713.41亿元，同比增长9%，是四类中增长最快的品类；美容仪则同比下降1%。
这组数字提醒企业：讨论AI投入之前，先要确认各品类的购买障碍发生在哪里。彩妆卡在色号与妆效能不能提前判断；护肤更依赖对肤况和产品适配的解释；美容仪除了选择难题，还要回答使用过程是否安全、效果如何持续观察。用一套智能推荐覆盖所有品类，容易做出功能相似而价值模糊的工具。AI投入的先后次序，取决于障碍出现在购买前、使用中，还是售后阶段。
AI沿产业链落点
如果只观察虚拟试妆和智能导购，AI美妆很容易被理解为营销和销售工具。但报告梳理的应用已经覆盖更多环节：上游用于活性成分筛选、作用机制研究和配方推演；中游辅助检测、功效评价与生产管理；到了下游，才是消费者更容易感知的测肤、试妆、内容制作和产品推荐。它们解决的问题并不相同：研发希望减少无效尝试，生产希望降低供需错配，零售则希望帮助消费者更快作出选择。
企业因此需要区分技术的可展示程度和经营价值。一次试妆可以立刻出现在商品详情页，研发模型却要依赖长期积累的配方和实验数据；生产端即使提高了预测能力，也需要采购、工厂和销售部门共同调整计划。AI已经有了贯穿产业链的应用方向，但各环节的数据基础、验证周期和投入门槛相差很大。眼下最容易被消费者看见的，仍是测肤与导购，我们先从这两个入口看起。
测肤热，问题在报告之后
具体应用中，AI测肤已经获得相当高的内容关注。用户说监测发现，AI测肤与AI定制化产品相关内容的互动量达到164.09万，同比增长97%。拍照、识别、生成报告，再匹配产品，这套流程技术门槛已经不高，品牌也愿意在结果页上做视觉投入。
难点出现在用户看完报告以后。自发讨论中，消费者会追问测量到底准不准，为什么不同时间拍出来结果不一样，也会怀疑推荐是不是始终指向品牌自家产品。测肤工具的考核口径因此要换：不再只数体验人次，而是看复测率和方案采纳率。一份报告讲不清判断依据，也给不出可执行的护理步骤，一次检测就只能是一次科技体验，换不来下一次打开。
导购热，需要看清来源
测肤帮助消费者理解自身状态，导购则试图接住下一个问题：眼前这么多产品，到底该选哪一款？报告显示。AI美容顾问与AI导购相关内容互动量达到2127.9万，增幅接近75倍。这个数字需要拆开看，其中相当一部分来自平台级推广活动与集中的内容投放，不能据此认定消费者已经大量使用AI导购，更不宜把互动量等同于购买转化。
传播热度与服务能力是两件事。前者看内容有没有被看见，后者看咨询有没有真正走完：AI有没有听懂问题，推荐理由站不站得住，用户是否继续查看商品，遇到复杂诉求时能不能顺利转给真人。讨论越热，品牌越需要分清用户是在说它好用，还是在问这个东西到底怎么用。
内容端已经有热度，消费者端却未必形成了同样程度的信任。我们在调研中看到的，正是两者之间的距离。
98%愿了解
为什么仍在犹豫？
测出来，还要讲得明白
用户说调研中，55%的受访者觉得AI测肤结果一半准、一半不准。谈及体验中的具体问题，35%认为建议太空泛、无法执行，29%遇到同日重复测量结果不一致，27%认为分析结束后只会推荐品牌自己的产品。
这些反馈里，测量稳定性当然重要，但更值得品牌重视的是结果如何被使用。消费者并不需要一张写满专业名词的报告，她们更想知道某项结果意味着什么、应该先处理哪个问题、当前推荐为什么适合自己。品牌若能说明拍摄条件、展示判断依据，并将建议具体到使用步骤与复测节点，测肤才有机会成为一项持续服务，而不只是一次有科技感的体验。
AI初筛，真人把关
受访者对AI的接受并非没有边界。66%愿意让AI初筛产品范围，59%愿意用它对比价格和成分；但涉及皮肤疾病评估时，74%认为应交由人来完成。复杂投诉、专业性较强的方案及高价产品推荐，也更需要真人参与。
这个分工对企业很有操作价值。消费者面对大量SKU时，需要有人替她整理信息、缩小范围，AI在这里可以提高效率；当判断涉及健康、较高支出或服务纠纷，她需要的是专业解释以及明确的责任承担。因而，一个好用的AI导购，不应以“能回答多少问题”为唯一目标，还要知道什么时候该停止推荐、什么时候该把问题交给合适的人。
消费者要的是少费力
如果只看态度，AI美妆并不缺少尝试机会。用户说调研发现，98%的受访者表示愿意尝试或了解相关体验。进一步问及期待，41%希望AI帮助解决信息过载、筛选复杂的问题；与此同时，47%仍把真实效果、肤感和适配情况列为主要顾虑。
这组结果给品牌的启发很直接。消费者愿意让AI帮忙整理和比较，却不会因为一份自动生成的建议，就放弃自己对肤感、妆效和实际使用结果的判断。能够提供多种选择、解释差异、保留试用与人工咨询入口的服务，更符合她们眼下的需求。技术首先要让选择变得省力，随后才谈得上影响购买。
消费者已经说清楚了哪些地方需要帮助。接下来的问题回到企业自身：要稳定地提供这些帮助，研发、供给与门店流程能否跟得上。
25种方案、20分钟交付
AI怎样进入实际经营？
研发，少走无效的路
研发环节，AI的第一价值是减少无效实验，而不是替人做决定。美妆研发面临的选择并不比消费者少：一个功效目标对应许多潜在成分和配方组合，研究人员还要同时考虑稳定性、安全性、肤感、成本与生产可行性。AI的作用，是利用已有配方和实验数据筛出值得继续验证的候选，让团队把时间花在更有希望的方案上。
欧莱雅与IBM合作开发化妆品配方AI模型的案例已被收录进报告，其规划覆盖新品研发、现有产品调整及规模化生产优化。对更多美妆企业来说，比采购某个模型更基础的工作，是整理历史配方、测试结果与失败记录，并明确希望模型回答的问题。模型可以辅助提出假设，产品的稳定性、安全性和功效仍必须经过相应实验验证。
预测，必须进入决策
产品做出来以后，另一个难题是生产多少。美妆需求容易受到促销、达人内容、季节变化和新品上市节奏影响。品牌即使提前看到了趋势，如果销售、生产、物流仍各按自己的数据安排工作，预测也很难改变缺货或积压的结果。
花王的Kao-MIKOMIL案例值得关注：系统将需求预测与促销、渠道和价格等经营信息结合，提供计划建议及其依据，再由业务人员核验和决定。这种做法体现了AI在供应链中的实际位置，它帮助团队更快形成有依据的方案，而备货与排产仍需要跨部门协同。对于SKU多、上新频繁的企业，先打通销售和库存数据，往往比单纯追求更复杂的预测模型更迫切。
香氛，先理解偏好
研发和供给解决的是企业能否做好、供得上产品；消费端还有一个难题：怎样理解那些消费者自己也说不清的喜好？香氛尤其如此。在线上选香时，用户无法闻到气味，也未必熟悉前调、中调、后调，但她可能很清楚自己喜欢哪些空间、颜色和生活场景。
祖玛珑与Pinterest推出的Scent Scanner，尝试在用户授权后分析其收藏图片中的视觉线索，并据此推荐香氛；报告还收录了奇华顿利用AI关联气味、色彩与情绪表达的实践。这些案例说明，香氛推荐可以获得比香调问卷更丰富的输入。不过，推荐是否真的更合适，最终仍要看用户试香与购买后的反馈，视觉偏好不能代替实际嗅觉体验。
门店，把建议交付出来
当AI能够识别需求，门店就有机会把这种识别变成更完整的服务。兰芝首尔旗舰店的定制服务中，AI分析肤况后，可在25种组合中推荐护肤方案，让顾客在现场约20分钟体验定制产品。检测、推荐与制作由此连接起来，消费者离店时带走的也不再只是一份分析结果。
这类案例容易让人把注意力放在设备和定制技术，但企业真正要算的是经营账：多少顾客愿意开始体验，有多少人在体验后购买，人员与设备投入如何分摊，后续还能否维持服务质量。AI门店的吸引力可以带来第一次到访，稳定的交付能力才能决定这项服务是否值得长期做下去。
机会在哪里
先验证什么，再补什么
AI美妆目前最清晰的机会，仍集中在企业与消费者都能说出具体困难的环节：选错色号、看不懂测肤建议、难以在线选香、研发筛选耗时、需求变化后供给跟不上。品牌不需要同时进入所有场景。按验证周期和投入量级排个序，资源该往哪走会更清楚：
比如，先验证，信息筛选与对比、AI导购。消费者已经表态愿意让AI缩小范围（66%）、比价看成分（59%）。工具轻，效果能在点击与转化里直接读出来，适合用来跑通第一组数据。
再考虑补底盘，测肤与研发。前者要解决稳定性与可解释性，后者要把历史配方、测试结果和失败记录整理成可用的数据资产。两项都慢，但决定后面能走多远。
谨慎重投，门店定制、智能美容仪。体验感强，但设备、人力与服务质量需要一起算账。先用单点跑通单位经济模型，再谈复制。先选一个问题，明确改善指标，再决定需要怎样的数据、技术和人工服务，投入才更容易产生可验证的结果。
完整报告还梳理了AI美妆的应用场景与相关政策、国内外品牌实践、不同品类的落地方向，以及成熟品牌与新锐品牌各自面临的机会。更多数据、案例与完整分析，欢迎订阅用户说企业会员。
报告全文67页
用户说企业会员成为即可解锁完整版
转发本文至朋友圈即可获取精华版
扫描以下二维码联系客服
作者 | 林其心
编辑 | remy
视觉 | 七七
