Tonalidades de Base no Mercado Global: Um Estudo Comparativo entre EUA, Japão, Nigéria e Índia

Universidade Federal do Estado do Rio de Janeiro – CCJP
Disciplina: Estatística
Professor: Steven Dutt-Ross

Nome: Ana Beatriz da Silva Fata Vieira
Matrícula: 20241520011
E-mail:

Nome: Ana Carolina Rodrigues de Queiroz
Matrícula: 20241520058
E-mail:

Nome: Clara Ferreira Gonzalez
Matrícula: 20241520013
E-mail:

Nome: Evelin Alice Gomes da Silva
Matrícula: 20241520035
E-mail:

Nome: Maria Carolina Pereira Soares
Matrícula: 20232520043
E-mail:

Resumo

Este estudo investiga como fatores culturais, demográficos e climáticos influenciam as preferências por tonalidades de bases de maquiagem em quatro países: Estados Unidos, Japão, Nigéria e Índia. A pesquisa utilizou um conjunto de dados abrangente para analisar características como matiz, saturação, brilho e luminosidade, buscando identificar padrões regionais, diferenças entre marcas locais e internacionais, e relações com tons de pele e contextos culturais. Os resultados evidenciaram disparidades significativas na oferta de tonalidades, com destaque para a valorização de tons claros no Japão e tons quentes em países tropicais. A análise reforça a importância de estratégias mais inclusivas no setor, promovendo a criação de produtos que atendam à diversidade de tons de pele e ideais de beleza ao redor do mundo. Essa abordagem não só contribui para maior equidade no mercado, mas também representa uma oportunidade de expansão econômica para as marcas que investirem em inovação e representatividade.

Introdução

A indústria da maquiagem desempenha um papel central no mercado global e na construção da identidade e autoestima de milhões de pessoas. Mais do que um setor estético, ela reflete e influencia movimentos culturais, promovendo debates essenciais sobre inclusão e diversidade. A falta de tons de base que atendam à diversidade de peles é um exemplo que destaca as lacunas ainda presentes no setor e a importância de atender às necessidades de públicos variados. Ao reconhecer as singularidades de diferentes tons de pele, estilos e culturas, a maquiagem se torna um instrumento de valorização da individualidade, alinhando inovação e representatividade em uma sociedade cada vez mais plural. Este estudo se propõe a analisar essa diversidade, explorando como as preferências por tonalidades variam entre diferentes regiões e culturas. Utilizando um conjunto de dados robusto, serão investigadas as relações entre as tonalidades de maquiagem e fatores como cultura, demografia e características individuais.

Objetivo

O objetivo do estudo é analisar a influência de fatores culturais e demográficos nas preferências por tonalidades de maquiagem em quatro países distintos: Estados Unidos, Japão, Nigéria e Índia. A investigação busca compreender como diferentes características socioculturais e regionais impactam as escolhas de cores, contribuindo para um entendimento mais amplo das tendências do mercado de cosméticos.

Para alcançar esse objetivo, serão adotados os seguintes objetivos específicos:

  1. Identificar as tonalidades de maquiagem mais populares em cada país por meio da análise das distribuições de Matiz (H), Saturação (S), Brilho (V) e Luminosidade (L).

  2. Comparar as características de cor predominantes entre os países, destacando as principais diferenças e semelhanças.

  3. Explorar a relação entre tonalidade de pele e escolha de maquiagem, avaliando como aspectos culturais e demográficos influenciam essa decisão.

  4. Examinar padrões de preferência por cores quentes e frias, investigando sua conexão com fatores regionais e o impacto das marcas de maquiagem mais vendidas. O estudo também levará em consideração a influência das tendências locais e a padronização global na indústria cosmética.

Metodologia

Os dados utilizados na pesquisa foram extraídos da base de dados Makeup Shades Dataset disponível no Kaggle. As informações foram originalmente coletadas em Maio de 2018 pelo autor do estudo publicado no The Pudding, que utilizou fontes diversas para selecionar as marcas e produtos analisados. A coleta de dados seguiu os seguintes passos:

  • Seleção de marcas consideradas best sellers nos Estados Unidos, Nigéria, Índia e Japão, com base em listas de recomendação e artigos especializados.

  • Identificação da linha de base líquida de cada marca com o maior número de tonalidades disponíveis no momento da coleta.

  • Extração dos valores hexadecimais das amostras de cores disponíveis nos sites das marcas.

  • Utilização do Adobe Photoshop para obter o valor de lightness de cada tonalidade, segundo o modelo de cores CIE Lab.

O banco de dados possui 625 linhas de observações e 10 variáveis.

shades <- read.csv("C:/Users/Mamede/Desktop/Bia/shades.csv")

library (kableExtra)
kable(shades, row.names = FALSE)%>%
  kable_styling( full_width = FALSE,bootstrap_options = c("striped", "hover", "condensed", "responsive"), 
                 position = "center", fixed_thead = T) %>%
  scroll_box(width = "800px", height = "500px")
brand brand_short product product_short hex H S V L group
Maybelline mb Fit Me fmf f3cfb3 26 0.26 0.95 86 2
Maybelline mb Fit Me fmf ffe3c2 32 0.24 1.00 92 2
Maybelline mb Fit Me fmf ffe0cd 23 0.20 1.00 91 2
Maybelline mb Fit Me fmf ffd3be 19 0.25 1.00 88 2
Maybelline mb Fit Me fmf bd9584 18 0.30 0.74 65 2
Maybelline mb Fit Me fmf eabda6 20 0.29 0.92 80 2
Maybelline mb Fit Me fmf fbd2ad 28 0.31 0.98 87 2
Maybelline mb Fit Me fmf e2b597 24 0.33 0.89 77 2
Maybelline mb Fit Me fmf e4b38e 26 0.38 0.89 77 2
Maybelline mb Fit Me fmf b2856f 20 0.38 0.70 60 2
Maybelline mb Fit Me fmf e8ba8c 30 0.40 0.91 79 2
Maybelline mb Fit Me fmf f3b584 26 0.46 0.95 79 2
Maybelline mb Fit Me fmf f0b996 23 0.37 0.94 80 2
Maybelline mb Fit Me fmf e3b082 28 0.43 0.89 76 2
Maybelline mb Fit Me fmf eab181 27 0.45 0.92 77 2
Maybelline mb Fit Me fmf 9d7359 23 0.43 0.62 52 2
Maybelline mb Fit Me fmf e2aa7b 27 0.46 0.89 74 2
Maybelline mb Fit Me fmf d99358 27 0.59 0.85 67 2
Maybelline mb Fit Me fmf 9c744f 29 0.49 0.61 52 2
Maybelline mb Fit Me fmf b18b65 30 0.43 0.69 61 2
Maybelline mb Fit Me fmf 84583f 22 0.52 0.52 42 2
Maybelline mb Fit Me fmf 7d5631 29 0.61 0.49 40 2
Maybelline mb Fit Me fmf c07746 24 0.64 0.75 57 2
Maybelline mb Fit Me fmf 643c27 21 0.61 0.39 30 2
Maybelline mb Fit Me fmf edcfb9 25 0.22 0.93 85 2
Maybelline mb Fit Me fmf e1bba7 21 0.26 0.88 79 2
Maybelline mb Fit Me fmf c1a07e 30 0.35 0.76 68 2
Maybelline mb Fit Me fmf d09e7c 24 0.40 0.82 69 2
Maybelline mb Fit Me fmf c7967d 20 0.37 0.78 66 2
Maybelline mb Fit Me fmf c09578 24 0.38 0.75 65 2
Maybelline mb Fit Me fmf 9d6f48 28 0.54 0.62 51 2
Maybelline mb Fit Me fmf a86d40 26 0.62 0.66 52 2
Maybelline mb Fit Me fmf 7f5c3b 29 0.54 0.50 42 2
Maybelline mb Fit Me fmf 735642 24 0.43 0.45 39 2
Maybelline mb Fit Me fmf 6b5041 21 0.39 0.42 37 2
Maybelline mb Fit Me fmf 7d5c4d 19 0.38 0.49 42 2
Maybelline mb Fit Me fmf 5c4433 25 0.45 0.36 31 2
Maybelline mb Fit Me fmf 5e3a23 23 0.63 0.37 28 2
Maybelline mb Fit Me fmf 5e4638 22 0.40 0.37 32 2
Maybelline mb Fit Me fmf 3f2018 12 0.62 0.25 16 2
bareMinerals bm barePRO pro edceb2 28 0.25 0.93 85 2
bareMinerals bm barePRO pro f0cba1 32 0.33 0.94 84 2
bareMinerals bm barePRO pro ebc99c 34 0.34 0.92 83 2
bareMinerals bm barePRO pro e6bc94 29 0.36 0.90 79 2
bareMinerals bm barePRO pro dcb79a 26 0.30 0.86 77 2
bareMinerals bm barePRO pro eac8a3 31 0.30 0.92 83 2
bareMinerals bm barePRO pro e9c89e 34 0.32 0.91 83 2
bareMinerals bm barePRO pro d4ad8a 28 0.35 0.83 74 2
bareMinerals bm barePRO pro cfa786 27 0.35 0.81 72 2
bareMinerals bm barePRO pro d8b08c 28 0.35 0.85 75 2
bareMinerals bm barePRO pro d4a97f 30 0.40 0.83 72 2
bareMinerals bm barePRO pro deb58b 30 0.37 0.87 77 2
bareMinerals bm barePRO pro dbae85 29 0.39 0.86 75 2
bareMinerals bm barePRO pro d5a275 28 0.45 0.84 71 2
bareMinerals bm barePRO pro d1a67e 29 0.40 0.82 71 2
bareMinerals bm barePRO pro e0ab81 27 0.42 0.88 74 2
bareMinerals bm barePRO pro ca9f75 30 0.42 0.79 69 2
bareMinerals bm barePRO pro c69c6c 32 0.45 0.78 68 2
bareMinerals bm barePRO pro bd9359 35 0.53 0.74 64 2
bareMinerals bm barePRO pro b38355 29 0.53 0.70 59 2
bareMinerals bm barePRO pro ab7945 31 0.60 0.67 55 2
bareMinerals bm barePRO pro ab7944 31 0.60 0.67 55 2
bareMinerals bm barePRO pro ad7d59 26 0.49 0.68 57 2
bareMinerals bm barePRO pro a16c38 30 0.65 0.63 51 2
bareMinerals bm barePRO pro 976236 27 0.64 0.59 47 2
bareMinerals bm barePRO pro 8a5833 26 0.63 0.54 43 2
bareMinerals bm barePRO pro 8d5c31 28 0.65 0.55 44 2
bareMinerals bm barePRO pro 775436 28 0.55 0.47 39 2
bareMinerals bm barePRO pro 6e4b2f 27 0.57 0.43 35 2
Estée Lauder el Double Wear dw ffd6ba 24 0.27 1.00 89 2
Estée Lauder el Double Wear dw d0a26e 32 0.47 0.82 70 2
Estée Lauder el Double Wear dw c48f56 31 0.56 0.77 64 2
Estée Lauder el Double Wear dw bb8046 30 0.63 0.73 59 2
Estée Lauder el Double Wear dw ffc8a3 24 0.36 1.00 85 2
Estée Lauder el Double Wear dw d8bba3 27 0.25 0.85 78 2
Estée Lauder el Double Wear dw fac7a7 23 0.33 0.98 84 2
Estée Lauder el Double Wear dw ffcba6 25 0.35 1.00 86 2
Estée Lauder el Double Wear dw e5b593 25 0.36 0.90 77 2
Estée Lauder el Double Wear dw dea365 31 0.55 0.87 72 2
Estée Lauder el Double Wear dw d8a46d 31 0.50 0.85 71 2
Estée Lauder el Double Wear dw f2bb96 24 0.38 0.95 80 2
Estée Lauder el Double Wear dw d4a066 32 0.52 0.83 70 2
Estée Lauder el Double Wear dw f2bf91 28 0.40 0.95 81 2
Estée Lauder el Double Wear dw edbe98 27 0.36 0.93 81 2
Estée Lauder el Double Wear dw e7b79c 22 0.32 0.91 78 2
Estée Lauder el Double Wear dw ebad81 25 0.45 0.92 76 2
Estée Lauder el Double Wear dw ddb491 28 0.34 0.87 76 2
Estée Lauder el Double Wear dw e5ad8a 23 0.40 0.90 75 2
Estée Lauder el Double Wear dw d59a71 25 0.47 0.84 69 2
Estée Lauder el Double Wear dw cf905d 27 0.55 0.81 65 2
Estée Lauder el Double Wear dw d69060 24 0.55 0.84 66 2
Estée Lauder el Double Wear dw be8058 24 0.54 0.75 59 2
Estée Lauder el Double Wear dw d7986d 24 0.49 0.84 68 2
Estée Lauder el Double Wear dw ad7247 25 0.59 0.68 54 2
Estée Lauder el Double Wear dw c27440 24 0.67 0.76 57 2
Estée Lauder el Double Wear dw c0976b 31 0.44 0.75 66 2
Estée Lauder el Double Wear dw 99562c 23 0.71 0.60 44 2
Estée Lauder el Double Wear dw da926b 21 0.51 0.85 67 2
Estée Lauder el Double Wear dw a35829 23 0.75 0.64 46 2
Estée Lauder el Double Wear dw b56e38 26 0.69 0.71 54 2
Estée Lauder el Double Wear dw a85f2a 25 0.75 0.66 48 2
Estée Lauder el Double Wear dw 8f4d2b 20 0.70 0.56 41 2
Estée Lauder el Double Wear dw 864f26 26 0.72 0.53 40 2
Estée Lauder el Double Wear dw 8f5c35 26 0.63 0.56 44 2
Estée Lauder el Double Wear dw 895c26 33 0.72 0.54 43 2
Estée Lauder el Double Wear dw aa6533 25 0.70 0.67 59 2
Estée Lauder el Double Wear dw 925b2d 27 0.69 0.57 44 2
Estée Lauder el Double Wear dw 77421e 24 0.75 0.47 34 2
Estée Lauder el Double Wear dw 724727 26 0.66 0.45 35 2
Estée Lauder el Double Wear dw 7e512d 27 0.64 0.49 39 2
Estée Lauder el Double Wear dw 5e3617 26 0.76 0.37 27 2
Revlon rv ColorStay cs f9caac 23 0.31 0.98 85 2
Revlon rv ColorStay cs f8c7a1 26 0.35 0.97 84 2
Revlon rv ColorStay cs f1bc96 25 0.38 0.95 80 2
Revlon rv ColorStay cs f1b496 20 0.38 0.95 79 2
Revlon rv ColorStay cs e8b29c 17 0.33 0.91 77 2
Revlon rv ColorStay cs e2ae8e 23 0.37 0.89 75 2
Revlon rv ColorStay cs dfa48c 17 0.37 0.87 73 2
Revlon rv ColorStay cs e4a87f 24 0.44 0.89 74 2
Revlon rv ColorStay cs e1a681 23 0.43 0.88 73 2
Revlon rv ColorStay cs d5a187 20 0.37 0.84 71 2
Revlon rv ColorStay cs dba787 23 0.38 0.86 73 2
Revlon rv ColorStay cs d79f86 19 0.38 0.84 70 2
Revlon rv ColorStay cs d5a187 20 0.37 0.84 71 2
Revlon rv ColorStay cs de9a77 20 0.46 0.87 70 2
Revlon rv ColorStay cs cb8f6e 21 0.46 0.80 65 2
Revlon rv ColorStay cs c98667 19 0.49 0.79 62 2
Revlon rv ColorStay cs c68f71 21 0.43 0.78 64 2
Revlon rv ColorStay cs ba8568 21 0.44 0.73 60 2
Revlon rv ColorStay cs a7745e 18 0.44 0.65 54 2
Revlon rv ColorStay cs 8e6558 14 0.38 0.56 47 2
Revlon rv ColorStay cs eec498 31 0.36 0.93 82 2
Revlon rv ColorStay cs eec29e 27 0.34 0.93 82 2
L’Oréal lo Infalliable ipm f3c6a2 27 0.33 0.95 83 2
L’Oréal lo Infalliable ipm e5ad8b 23 0.39 0.90 75 2
L’Oréal lo Infalliable ipm e7ad82 26 0.44 0.91 76 2
L’Oréal lo Infalliable ipm eeb67e 30 0.47 0.93 78 2
L’Oréal lo Infalliable ipm e8b481 30 0.44 0.91 77 2
L’Oréal lo Infalliable ipm daa271 28 0.48 0.85 71 2
L’Oréal lo Infalliable ipm d49e6c 29 0.49 0.83 70 2
L’Oréal lo Infalliable ipm c0844e 28 0.59 0.75 61 2
L’Oréal lo Infalliable ipm c27f48 27 0.63 0.76 60 2
L’Oréal lo Infalliable ipm da9e6b 28 0.51 0.85 70 2
L’Oréal lo Infalliable ipm b87740 28 0.65 0.72 56 2
L’Oréal lo Infalliable ipm 925422 27 0.77 0.57 43 2
L’Oréal lo Infalliable ipm fadcc8 24 0.20 0.98 90 2
L’Oréal lo Infalliable ipm fcd6c7 17 0.21 0.99 89 2
L’Oréal lo Infalliable ipm f7cab1 21 0.28 0.97 85 2
L’Oréal lo Infalliable ipm deb09e 17 0.29 0.87 76 2
L’Oréal lo Infalliable ipm d1a396 13 0.28 0.82 71 2
L’Oréal lo Infalliable ipm cf9c7d 23 0.40 0.81 69 2
L’Oréal lo Infalliable ipm d99959 30 0.59 0.85 69 2
L’Oréal lo Infalliable ipm 754728 24 0.66 0.46 35 2
L’Oréal lo Infalliable ipm 4d2c0a 30 0.87 0.30 22 2
L’Oréal lo Infalliable ipm 4d2006 22 0.92 0.30 19 2
Covergirl + Olay oc Simply Ageless sa e1ad81 NA NA NA 75 2
Covergirl + Olay oc Simply Ageless sa deb192 NA NA NA 76 2
Covergirl + Olay oc Simply Ageless sa e3b490 NA NA NA 77 2
Covergirl + Olay oc Simply Ageless sa e9b898 NA NA NA 79 2
Covergirl + Olay oc Simply Ageless sa e8bb9c NA NA NA 79 2
Covergirl + Olay oc Simply Ageless sa e1b7a0 NA NA NA 78 2
Covergirl + Olay oc Simply Ageless sa eac4ae NA NA NA 82 2
Covergirl + Olay oc Simply Ageless sa eac7ab NA NA NA 83 2
Covergirl + Olay oc Simply Ageless sa eabe9e NA NA NA 80 2
Covergirl + Olay oc Simply Ageless sa e5b39a NA NA NA 77 2
Covergirl + Olay oc Simply Ageless sa e7b590 NA NA NA 78 2
Covergirl + Olay oc Simply Ageless sa f7dcca NA NA NA 90 2
Fenty fe PRO FILT’R pf fde9de 21 0.12 0.99 94 0
Fenty fe PRO FILT’R pf fde7da 22 0.14 0.99 93 0
Fenty fe PRO FILT’R pf fde3cc 28 0.19 0.99 92 0
Fenty fe PRO FILT’R pf f2d3b1 31 0.27 0.95 87 0
Fenty fe PRO FILT’R pf fce1c6 30 0.21 0.99 91 0
Fenty fe PRO FILT’R pf efd1b7 28 0.23 0.94 86 0
Fenty fe PRO FILT’R pf f4cca8 28 0.31 0.96 85 0
Fenty fe PRO FILT’R pf e8bfa3 24 0.30 0.91 80 0
Fenty fe PRO FILT’R pf fad5b8 26 0.26 0.98 88 0
Fenty fe PRO FILT’R pf e9c39f 29 0.32 0.91 81 0
Fenty fe PRO FILT’R pf e8bc99 27 0.34 0.91 80 0
Fenty fe PRO FILT’R pf e2ad85 26 0.41 0.89 75 0
Fenty fe PRO FILT’R pf eeba93 26 0.38 0.93 80 0
Fenty fe PRO FILT’R pf dfad89 25 0.39 0.87 75 0
Fenty fe PRO FILT’R pf d9a57d 26 0.42 0.85 72 0
Fenty fe PRO FILT’R pf e4ac7c 28 0.46 0.89 75 0
Fenty fe PRO FILT’R pf dca77d 27 0.43 0.86 73 0
Fenty fe PRO FILT’R pf d59d6d 28 0.49 0.84 69 0
Fenty fe PRO FILT’R pf e7ae85 25 0.42 0.91 76 0
Fenty fe PRO FILT’R pf dcb17d 33 0.43 0.86 75 0
Fenty fe PRO FILT’R pf ca9262 28 0.51 0.79 65 0
Fenty fe PRO FILT’R pf d28f58 27 0.58 0.82 65 0
Fenty fe PRO FILT’R pf d39063 24 0.53 0.83 66 0
Fenty fe PRO FILT’R pf d39156 28 0.59 0.83 66 0
Fenty fe PRO FILT’R pf ac7752 25 0.52 0.67 55 0
Fenty fe PRO FILT’R pf b67849 26 0.60 0.71 56 0
Fenty fe PRO FILT’R pf bd7b45 27 0.63 0.74 58 0
Fenty fe PRO FILT’R pf c98256 23 0.57 0.79 61 0
Fenty fe PRO FILT’R pf ca875a 24 0.55 0.79 63 0
Fenty fe PRO FILT’R pf a86b3f 25 0.63 0.66 51 0
Fenty fe PRO FILT’R pf a65e23 27 0.79 0.65 48 0
Fenty fe PRO FILT’R pf 9d5d2d 26 0.71 0.62 46 0
Fenty fe PRO FILT’R pf ab6939 25 0.67 0.67 51 0
Fenty fe PRO FILT’R pf 894f29 24 0.70 0.54 40 0
Fenty fe PRO FILT’R pf 9b5b35 22 0.66 0.61 46 0
Fenty fe PRO FILT’R pf 824f30 23 0.63 0.51 39 0
Fenty fe PRO FILT’R pf 7d452c 19 0.65 0.49 36 0
Fenty fe PRO FILT’R pf 6d3b20 21 0.71 0.43 31 0
Fenty fe PRO FILT’R pf 683a20 22 0.69 0.41 30 0
Fenty fe PRO FILT’R pf 583218 24 0.73 0.35 25 0
Iman im Second to None sn e1bea4 26 0.27 0.88 80 3
Iman im Second to None sn e5ae86 25 0.41 0.90 76 3
Iman im Second to None sn c38e63 27 0.49 0.76 64 3
Iman im Second to None sn ac703d 28 0.65 0.67 53 3
Iman im Second to None sn 9e6209 36 0.94 0.62 47 3
Iman im Second to None sn 855723 32 0.74 0.52 41 3
Iman im Second to None sn 793f0d 28 0.89 0.47 34 3
Iman im Second to None sn 64300a 25 0.90 0.39 27 3
Beauty Bakerie bb #1 CAKE MIX cm 532e1e 18 0.64 0.33 24 3
Beauty Bakerie bb #1 CAKE MIX cm 4e2a1a 18 0.67 0.31 22 3
Beauty Bakerie bb #1 CAKE MIX cm 623f2c 21 0.55 0.38 30 3
Beauty Bakerie bb #1 CAKE MIX cm 8e532b 24 0.70 0.56 42 3
Beauty Bakerie bb #1 CAKE MIX cm 985223 24 0.77 0.60 43 3
Beauty Bakerie bb #1 CAKE MIX cm a86738 25 0.67 0.66 50 3
Beauty Bakerie bb #1 CAKE MIX cm a16f4c 25 0.53 0.63 52 3
Beauty Bakerie bb #1 CAKE MIX cm a4683b 26 0.64 0.64 50 3
Beauty Bakerie bb #1 CAKE MIX cm a4683b 26 0.64 0.64 50 3
Beauty Bakerie bb #1 CAKE MIX cm ba7246 23 0.62 0.73 55 3
Beauty Bakerie bb #1 CAKE MIX cm a86d46 24 0.58 0.66 52 3
Beauty Bakerie bb #1 CAKE MIX cm b47c57 24 0.52 0.71 57 3
Beauty Bakerie bb #1 CAKE MIX cm cc9561 29 0.52 0.80 66 3
Beauty Bakerie bb #1 CAKE MIX cm d6a878 31 0.44 0.84 72 3
Beauty Bakerie bb #1 CAKE MIX cm d0a37f 27 0.39 0.82 71 3
Beauty Bakerie bb #1 CAKE MIX cm f1c78e 35 0.41 0.95 83 3
Beauty Bakerie bb #1 CAKE MIX cm f2cea2 33 0.33 0.95 85 3
Beauty Bakerie bb #1 CAKE MIX cm f5dab6 34 0.26 0.96 89 3
Beauty Bakerie bb #1 CAKE MIX cm e9c096 30 0.36 0.91 81 3
Beauty Bakerie bb #1 CAKE MIX cm edcbab 29 0.28 0.93 84 3
Beauty Bakerie bb #1 CAKE MIX cm f2dac1 31 0.20 0.95 89 3
Beauty Bakerie bb #1 CAKE MIX cm f2dbbb 35 0.23 0.95 89 3
Beauty Bakerie bb #1 CAKE MIX cm f3dabc 33 0.23 0.95 89 3
Beauty Bakerie bb #1 CAKE MIX cm f3dbbc 34 0.23 0.95 89 3
Beauty Bakerie bb #1 CAKE MIX cm f6e2c7 34 0.19 0.96 91 3
Beauty Bakerie bb #1 CAKE MIX cm f4dfc9 31 0.18 0.96 90 3
Beauty Bakerie bb #1 CAKE MIX cm f9ecc5 45 0.21 0.98 94 3
Beauty Bakerie bb #1 CAKE MIX cm f9ebcd 41 0.18 0.98 94 3
Beauty Bakerie bb #1 CAKE MIX cm f3e2ce 32 0.15 0.95 91 3
Beauty Bakerie bb #1 CAKE MIX cm f5e8d7 34 0.12 0.96 93 3
Black Up bu Matifying Fluid mf eed1b5 29 0.24 0.93 86 3
Black Up bu Matifying Fluid mf daaa80 28 0.41 0.85 73 3
Black Up bu Matifying Fluid mf d7a778 30 0.44 0.84 72 3
Black Up bu Matifying Fluid mf dfa46f 28 0.50 0.87 72 3
Black Up bu Matifying Fluid mf d28f66 23 0.51 0.82 66 3
Black Up bu Matifying Fluid mf ad6d41 24 0.62 0.68 52 3
Black Up bu Matifying Fluid mf c98c60 25 0.52 0.79 64 3
Black Up bu Matifying Fluid mf bf7a43 27 0.65 0.75 58 3
Black Up bu Matifying Fluid mf ac734c 24 0.56 0.67 54 3
Black Up bu Matifying Fluid mf b97245 23 0.63 0.73 55 3
Black Up bu Matifying Fluid mf a0522c 20 0.73 0.63 44 3
Black Up bu Matifying Fluid mf 9e5a35 21 0.66 0.62 46 3
Black Up bu Matifying Fluid mf 97472e 14 0.70 0.59 41 3
Black Up bu Matifying Fluid mf 7e3e2a 14 0.67 0.49 34 3
Black Up bu Matifying Fluid mf 7b3625 12 0.70 0.48 32 3
Black Up bu Matifying Fluid mf 653129 8 0.59 0.40 27 3
Black Up bu Matifying Fluid mf 3b2218 17 0.59 0.23 16 3
Black Up bu Matifying Fluid mf 352315 26 0.60 0.21 16 3
Black Opal bo True Color tc b77d57 24 0.52 0.72 65 3
Black Opal bo True Color tc bc835b 25 0.52 0.74 60 3
Black Opal bo True Color tc b67753 22 0.54 0.71 56 3
Black Opal bo True Color tc b77d53 25 0.55 0.72 58 3
Black Opal bo True Color tc 7b4e34 22 0.58 0.48 38 3
Black Opal bo True Color tc 7a523a 23 0.52 0.48 39 3
Black Opal bo True Color tc 71412d 18 0.60 0.44 33 3
Black Opal bo True Color tc 81523e 18 0.52 0.51 40 3
Black Opal bo True Color tc 6a4338 13 0.47 0.42 33 3
Black Opal bo True Color tc 543022 17 0.60 0.33 24 3
Black Opal bo True Color tc 5d3e2e 20 0.51 0.36 30 3
Black Opal bo True Color tc 4c2e22 17 0.55 0.30 23 3
Laws of Nature ln Foxy Finish ff a66c4b 22 0.55 0.65 51 3
Laws of Nature ln Foxy Finish ff bb8f7f 16 0.32 0.73 63 3
Laws of Nature ln Foxy Finish ff dfb9af 12 0.22 0.87 78 3
Laws of Nature ln Foxy Finish ff b7743c 27 0.67 0.72 55 3
Laws of Nature ln Foxy Finish ff 924829 18 0.72 0.57 40 3
Laws of Nature ln Foxy Finish ff a37452 25 0.50 0.64 53 3
Laws of Nature ln Foxy Finish ff 6c4529 25 0.62 0.42 33 3
Laws of Nature ln Foxy Finish ff 321407 18 0.86 0.20 11 3
Laws of Nature ln Foxy Finish ff cc9d72 29 0.44 0.80 68 3
Laws of Nature ln Foxy Finish ff a66c49 23 0.56 0.65 51 3
Laws of Nature ln Foxy Finish ff be784d 23 0.59 0.75 57 3
Laws of Nature ln Foxy Finish ff 592d24 10 0.60 0.35 24 3
Laws of Nature ln Foxy Finish ff b68e6f 26 0.39 0.71 62 3
Laws of Nature ln Foxy Finish ff b19277 28 0.33 0.69 63 3
Laws of Nature ln Foxy Finish ff a3724a 27 0.55 0.64 53 3
Laws of Nature ln Foxy Finish ff 742b13 15 0.84 0.45 29 3
Laws of Nature ln Foxy Finish ff deb399 23 0.31 0.87 76 3
Lancôme lc Teint Idole ti fdece4 19 0.10 0.99 95 4
Lancôme lc Teint Idole ti f4d1ab 31 0.30 0.96 86 4
Lancôme lc Teint Idole ti eec1a0 25 0.33 0.93 82 4
Lancôme lc Teint Idole ti eac398 31 0.35 0.92 81 4
Lancôme lc Teint Idole ti e9be9e 26 0.32 0.91 80 4
Lancôme lc Teint Idole ti deba96 30 0.32 0.87 78 4
Lancôme lc Teint Idole ti dcb190 26 0.35 0.86 76 4
Lancôme lc Teint Idole ti ddb391 27 0.34 0.87 76 4
Lancôme lc Teint Idole ti e4ba8c 31 0.39 0.89 78 4
Lancôme lc Teint Idole ti e2b78f 29 0.37 0.89 78 4
Lancôme lc Teint Idole ti e5b189 26 0.40 0.90 76 4
Lancôme lc Teint Idole ti f3c796 32 0.38 0.95 83 4
Lancôme lc Teint Idole ti f3bf90 28 0.41 0.95 81 4
Lancôme lc Teint Idole ti e1af8c 25 0.38 0.88 76 4
Lancôme lc Teint Idole ti ddb184 30 0.40 0.87 75 4
Lancôme lc Teint Idole ti dca77d 27 0.43 0.86 73 4
Lancôme lc Teint Idole ti d6a77d 28 0.42 0.84 72 4
Lancôme lc Teint Idole ti d7a17f 23 0.41 0.84 71 4
Lancôme lc Teint Idole ti d7a17d 24 0.42 0.84 71 4
Lancôme lc Teint Idole ti dda876 29 0.47 0.87 73 4
Lancôme lc Teint Idole ti e39f72 24 0.50 0.89 72 4
Lancôme lc Teint Idole ti cf9162 26 0.53 0.81 66 4
Lancôme lc Teint Idole ti e0a16b 28 0.52 0.88 72 4
Lancôme lc Teint Idole ti d0975d 30 0.55 0.82 67 4
Lancôme lc Teint Idole ti d29e6d 29 0.48 0.82 69 4
Lancôme lc Teint Idole ti c9925e 29 0.53 0.79 65 4
Lancôme lc Teint Idole ti ce8c5c 25 0.55 0.81 64 4
Lancôme lc Teint Idole ti bb7e44 29 0.64 0.73 58 4
Lancôme lc Teint Idole ti ce9163 26 0.52 0.81 66 4
Lancôme lc Teint Idole ti bd7f56 24 0.54 0.74 59 4
Lancôme lc Teint Idole ti 935427 25 0.73 0.58 43 4
Lancôme lc Teint Idole ti bc7c56 22 0.54 0.74 58 4
Lancôme lc Teint Idole ti aa6941 23 0.62 0.67 51 4
Lancôme lc Teint Idole ti 9b5e41 19 0.58 0.61 46 4
Lancôme lc Teint Idole ti 8a4d30 19 0.65 0.54 40 4
Lancôme lc Teint Idole ti 7b3c11 24 0.86 0.48 33 4
Lancôme lc Teint Idole ti 703e23 21 0.69 0.44 32 4
Lancôme lc Teint Idole ti 502716 18 0.73 0.31 21 4
Lancôme lc Teint Idole ti 7c3f2c 14 0.65 0.49 34 4
Lancôme lc Teint Idole ti 391b11 15 0.70 0.22 14 4
MAC ma Studio Fix sff d8b593 30 0.32 0.85 76 4
MAC ma Studio Fix sff fbbe91 25 0.42 0.98 82 4
MAC ma Studio Fix sff d2ae88 31 0.35 0.82 74 4
MAC ma Studio Fix sff d0a87f 30 0.39 0.82 72 4
MAC ma Studio Fix sff d79051 28 0.62 0.84 66 4
MAC ma Studio Fix sff ffdbc2 25 0.24 1.00 90 4
MAC ma Studio Fix sff ffc9a9 22 0.34 1.00 85 4
MAC ma Studio Fix sff ffd7b4 28 0.29 1.00 89 4
MAC ma Studio Fix sff dfc7a8 34 0.25 0.87 82 4
MAC ma Studio Fix sff dabc96 34 0.31 0.85 78 4
MAC ma Studio Fix sff d9b88f 33 0.34 0.85 77 4
MAC ma Studio Fix sff d4b588 36 0.36 0.83 76 4
MAC ma Studio Fix sff d0ae84 33 0.37 0.82 73 4
MAC ma Studio Fix sff d3b18a 32 0.35 0.83 75 4
MAC ma Studio Fix sff d1ac7f 33 0.39 0.82 73 4
MAC ma Studio Fix sff d0a97b 32 0.41 0.82 72 4
MAC ma Studio Fix sff c9a177 31 0.41 0.79 69 4
MAC ma Studio Fix sff c5986d 29 0.45 0.77 66 4
MAC ma Studio Fix sff d5844b 25 0.65 0.84 63 4
MAC ma Studio Fix sff db864d 24 0.65 0.86 64 4
MAC ma Studio Fix sff b5855a 28 0.50 0.71 60 4
MAC ma Studio Fix sff b38456 30 0.52 0.70 59 4
MAC ma Studio Fix sff e5d1be 29 0.17 0.90 85 4
MAC ma Studio Fix sff e0c8ae 31 0.22 0.88 82 4
MAC ma Studio Fix sff e0c1a2 30 0.28 0.88 80 4
MAC ma Studio Fix sff dcbca2 27 0.26 0.86 79 4
MAC ma Studio Fix sff dbbc9f 29 0.27 0.86 78 4
MAC ma Studio Fix sff d9b28d 29 0.35 0.85 75 4
MAC ma Studio Fix sff d5b293 28 0.31 0.84 75 4
MAC ma Studio Fix sff d5ad89 28 0.36 0.84 74 4
MAC ma Studio Fix sff d1a88a 25 0.34 0.82 72 4
MAC ma Studio Fix sff cfa67d 30 0.40 0.81 71 4
MAC ma Studio Fix sff cba275 31 0.42 0.80 70 4
MAC ma Studio Fix sff c39368 28 0.47 0.76 65 4
MAC ma Studio Fix sff b28050 29 0.55 0.70 58 4
MAC ma Studio Fix sff b9855a 27 0.51 0.73 60 4
MAC ma Studio Fix sff b27949 27 0.59 0.70 56 4
MAC ma Studio Fix sff ae7a50 27 0.54 0.68 56 4
MAC ma Studio Fix sff a77246 27 0.58 0.65 53 4
MAC ma Studio Fix sff a0714d 26 0.52 0.63 52 4
MAC ma Studio Fix sff a9734e 24 0.54 0.66 54 4
MAC ma Studio Fix sff 724a32 23 0.56 0.45 36 4
Bobbi Brown br Skin Long-Wear slw f5e0c8 32 0.18 0.96 90 4
Bobbi Brown br Skin Long-Wear slw efcfaf 30 0.27 0.94 85 4
Bobbi Brown br Skin Long-Wear slw e8bca4 21 0.29 0.91 80 4
Bobbi Brown br Skin Long-Wear slw e5bc92 30 0.36 0.90 79 4
Bobbi Brown br Skin Long-Wear slw debe97 33 0.32 0.87 79 4
Bobbi Brown br Skin Long-Wear slw e9c9aa 30 0.27 0.91 83 4
Bobbi Brown br Skin Long-Wear slw eac49f 30 0.32 0.92 82 4
Bobbi Brown br Skin Long-Wear slw ecc3a1 27 0.32 0.93 82 4
Bobbi Brown br Skin Long-Wear slw e2b996 28 0.34 0.89 78 4
Bobbi Brown br Skin Long-Wear slw d29e7b 24 0.41 0.82 70 4
Bobbi Brown br Skin Long-Wear slw d9a779 29 0.44 0.85 72 4
Bobbi Brown br Skin Long-Wear slw d6a075 27 0.45 0.84 70 4
Bobbi Brown br Skin Long-Wear slw d3996f 25 0.47 0.83 68 4
Bobbi Brown br Skin Long-Wear slw d7a770 32 0.48 0.84 72 4
Bobbi Brown br Skin Long-Wear slw ca8f63 26 0.51 0.79 65 4
Bobbi Brown br Skin Long-Wear slw d29d71 27 0.46 0.82 69 4
Bobbi Brown br Skin Long-Wear slw d09059 28 0.57 0.82 65 4
Bobbi Brown br Skin Long-Wear slw ca9450 33 0.60 0.79 66 4
Bobbi Brown br Skin Long-Wear slw cc9357 31 0.57 0.80 66 4
Bobbi Brown br Skin Long-Wear slw b27c3b 33 0.67 0.70 57 4
Bobbi Brown br Skin Long-Wear slw a86829 30 0.76 0.66 50 4
Bobbi Brown br Skin Long-Wear slw b87840 28 0.65 0.72 57 4
Bobbi Brown br Skin Long-Wear slw 9a4e28 20 0.74 0.60 42 4
Bobbi Brown br Skin Long-Wear slw 81562f 29 0.64 0.51 41 4
Bobbi Brown br Skin Long-Wear slw aa6a2f 29 0.72 0.67 51 4
Bobbi Brown br Skin Long-Wear slw 9b5127 22 0.75 0.61 43 4
Bobbi Brown br Skin Long-Wear slw 7e462d 19 0.64 0.49 36 4
Bobbi Brown br Skin Long-Wear slw 8e4922 22 0.76 0.56 39 4
Bobbi Brown br Skin Long-Wear slw 7b2800 20 1.00 0.48 29 4
Bobbi Brown br Skin Long-Wear slw 623726 17 0.61 0.38 28 4
Make Up For Ever mu Ultra HD uhd f9e3d5 23 0.14 0.98 92 1
Make Up For Ever mu Ultra HD uhd f6d2bb 23 0.24 0.96 87 1
Make Up For Ever mu Ultra HD uhd f9d5c3 20 0.22 0.98 88 1
Make Up For Ever mu Ultra HD uhd f7c3b3 14 0.28 0.97 83 1
Make Up For Ever mu Ultra HD uhd deccaf 37 0.21 0.87 83 1
Make Up For Ever mu Ultra HD uhd e1c2a8 27 0.25 0.88 81 1
Make Up For Ever mu Ultra HD uhd efd2b8 28 0.23 0.94 86 1
Make Up For Ever mu Ultra HD uhd f7bcb7 5 0.26 0.97 82 1
Make Up For Ever mu Ultra HD uhd ebcab0 26 0.25 0.92 84 1
Make Up For Ever mu Ultra HD uhd eac1ac 20 0.26 0.92 81 1
Make Up For Ever mu Ultra HD uhd e8c6a3 30 0.30 0.91 82 1
Make Up For Ever mu Ultra HD uhd f2ccb7 21 0.24 0.95 85 1
Make Up For Ever mu Ultra HD uhd dca795 15 0.32 0.86 73 1
Make Up For Ever mu Ultra HD uhd e4bd9c 27 0.32 0.89 79 1
Make Up For Ever mu Ultra HD uhd daad90 24 0.34 0.85 74 1
Make Up For Ever mu Ultra HD uhd d8ab8b 25 0.36 0.85 74 1
Make Up For Ever mu Ultra HD uhd ddb395 25 0.33 0.87 76 1
Make Up For Ever mu Ultra HD uhd e3b391 25 0.36 0.89 77 1
Make Up For Ever mu Ultra HD uhd e3b296 22 0.34 0.89 77 1
Make Up For Ever mu Ultra HD uhd dcb59c 23 0.29 0.86 77 1
Make Up For Ever mu Ultra HD uhd d79e89 16 0.36 0.84 70 1
Make Up For Ever mu Ultra HD uhd d9a586 22 0.38 0.85 72 1
Make Up For Ever mu Ultra HD uhd d19578 20 0.43 0.82 67 1
Make Up For Ever mu Ultra HD uhd e7b391 24 0.37 0.91 77 1
Make Up For Ever mu Ultra HD uhd d4a689 23 0.35 0.83 72 1
Make Up For Ever mu Ultra HD uhd d69b81 18 0.40 0.84 69 1
Make Up For Ever mu Ultra HD uhd d59682 14 0.39 0.84 68 1
Make Up For Ever mu Ultra HD uhd c99980 21 0.36 0.79 67 1
Make Up For Ever mu Ultra HD uhd c98567 18 0.49 0.79 62 1
Make Up For Ever mu Ultra HD uhd c7977b 22 0.38 0.78 67 1
Make Up For Ever mu Ultra HD uhd be8470 15 0.41 0.75 61 1
Make Up For Ever mu Ultra HD uhd c78569 18 0.47 0.78 62 1
Make Up For Ever mu Ultra HD uhd b68069 18 0.42 0.71 59 1
Make Up For Ever mu Ultra HD uhd b17862 17 0.45 0.69 56 1
Make Up For Ever mu Ultra HD uhd 996754 17 0.45 0.60 49 1
Make Up For Ever mu Ultra HD uhd 9c624a 18 0.53 0.61 48 1
Make Up For Ever mu Ultra HD uhd 8e5642 16 0.54 0.56 43 1
Make Up For Ever mu Ultra HD uhd 784a42 9 0.45 0.47 37 1
Make Up For Ever mu Ultra HD uhd 895852 7 0.40 0.54 43 1
Make Up For Ever mu Ultra HD uhd 644136 14 0.46 0.39 31 1
Hegai and Ester he Photo Perfect pp f6a762 28 0.60 0.96 75 5
Hegai and Ester he Photo Perfect pp d76b4c 13 0.65 0.84 58 5
Hegai and Ester he Photo Perfect pp ad543d 12 0.65 0.68 47 5
Hegai and Ester he Photo Perfect pp c86835 21 0.74 0.78 55 5
Hegai and Ester he Photo Perfect pp 904134 8 0.64 0.56 38 5
Hegai and Ester he Photo Perfect pp 92524e 4 0.47 0.57 43 5
Hegai and Ester he Photo Perfect pp bf6b44 19 0.64 0.75 55 5
Hegai and Ester he Photo Perfect pp 915831 24 0.66 0.57 43 5
Hegai and Ester he Photo Perfect pp ea8944 25 0.71 0.92 67 5
Hegai and Ester he Photo Perfect pp eebb7a 34 0.49 0.93 80 5
House of Tara ht Oil Free off ae7748 28 0.59 0.68 55 5
House of Tara ht Oil Free off b68358 27 0.52 0.71 59 5
House of Tara ht Oil Free off a77546 29 0.58 0.65 54 5
House of Tara ht Oil Free off a36c3b 28 0.64 0.64 51 5
House of Tara ht Oil Free off 89562c 27 0.68 0.54 42 5
House of Tara ht Oil Free off 9a572c 23 0.71 0.60 44 5
House of Tara ht Oil Free off 904d2e 19 0.68 0.56 41 5
House of Tara ht Oil Free off 783f23 20 0.71 0.47 34 5
House of Tara ht Oil Free off 75391c 20 0.76 0.46 32 5
House of Tara ht Oil Free off 602d18 18 0.75 0.38 25 5
House of Tara ht Oil Free off 5b2717 14 0.75 0.36 23 5
Trim & Prissy tp Flawless Finish fff e2ac7c 28 0.45 0.89 75 5
Trim & Prissy tp Flawless Finish fff b17e4f 29 0.55 0.69 57 5
Trim & Prissy tp Flawless Finish fff 8c5b3d 23 0.56 0.55 44 5
Trim & Prissy tp Flawless Finish fff b0704d 21 0.56 0.69 54 5
Trim & Prissy tp Flawless Finish fff d89757 30 0.60 0.85 68 5
Trim & Prissy tp Flawless Finish fff c48b58 28 0.55 0.77 63 5
Trim & Prissy tp Hi - Def hdf fcd1a7 30 0.34 0.99 87 5
Trim & Prissy tp Hi - Def hdf e2ac7c 28 0.45 0.89 75 5
Trim & Prissy tp Hi - Def hdf b17e51 28 0.54 0.69 57 5
Trim & Prissy tp Hi - Def hdf 9d6d49 26 0.54 0.62 51 5
Trim & Prissy tp Hi - Def hdf b0704d 21 0.56 0.69 54 5
Trim & Prissy tp Hi - Def hdf 8c5b3d 23 0.56 0.55 44 5
Trim & Prissy tp Hi - Def hdf 795340 20 0.47 0.47 39 5
Elsas Pro ep Full Coverage fcf 815d51 15 0.37 0.51 43 5
Elsas Pro ep Full Coverage fcf 845949 16 0.45 0.52 42 5
Elsas Pro ep Full Coverage fcf 8b614b 21 0.46 0.55 45 5
Elsas Pro ep Full Coverage fcf 906656 17 0.40 0.56 47 5
Elsas Pro ep Full Coverage fcf 774c43 10 0.44 0.47 37 5
Elsas Pro ep Full Coverage fcf 734b41 12 0.43 0.45 36 5
Elsas Pro ep Full Coverage fcf 88614d 20 0.43 0.53 45 5
Elsas Pro ep Full Coverage fcf ba8261 22 0.48 0.73 60 5
Elsas Pro ep Full Coverage fcf d9ab88 26 0.37 0.85 74 5
Elsas Pro ep Full Coverage fcf d49a74 24 0.45 0.83 69 5
Elsas Pro ep Full Coverage fcf cf8a60 23 0.54 0.81 64 5
Kuddy ku Matte Wear mwf c78660 22 0.52 0.78 62 5
Kuddy ku Matte Wear mwf e0a260 31 0.57 0.88 72 5
Kuddy ku Matte Wear mwf cc8b65 22 0.50 0.80 64 5
Kuddy ku Matte Wear mwf c78660 22 0.52 0.78 62 5
Kuddy ku Matte Wear mwf b2724f 21 0.56 0.70 54 5
RMK rmk RMK Liquid lf fcdba8 36 0.33 0.99 89 6
RMK rmk RMK Liquid lf fbd099 34 0.39 0.98 86 6
RMK rmk RMK Liquid lf f7be87 29 0.45 0.97 81 6
RMK rmk RMK Liquid lf f0a762 29 0.59 0.94 75 6
RMK rmk RMK Liquid lf e8a463 29 0.57 0.91 73 6
RMK rmk RMK Liquid lf fddcbb 30 0.26 0.99 90 6
RMK rmk RMK Liquid lf f9c89f 27 0.36 0.98 84 6
RMK rmk RMK Liquid lf f3c095 27 0.39 0.95 82 6
RMK rmk RMK Liquid lf c17663 12 0.49 0.76 58 6
Addiction ad The Foundation tf ffdcbe 28 0.25 1.00 90 6
Addiction ad The Foundation tf ffd8b9 27 0.27 1.00 89 6
Addiction ad The Foundation tf fdd5b4 27 0.29 0.99 88 6
Addiction ad The Foundation tf fdcfad 25 0.32 0.99 87 6
Addiction ad The Foundation tf fdcba6 26 0.34 0.99 85 6
Addiction ad The Foundation tf fcc59e 25 0.37 0.99 84 6
Addiction ad The Foundation tf f8bf88 29 0.45 0.97 82 6
Addiction ad The Foundation tf f3bc86 30 0.45 0.95 80 6
Addiction ad The Foundation tf eab17a 29 0.48 0.92 77 6
Addiction ad The Foundation tf e9b079 29 0.48 0.91 76 6
Addiction ad The Foundation tf dfaa76 30 0.47 0.87 74 6
Addiction ad The Foundation tf dda376 26 0.47 0.87 72 6
Addiction ad The Foundation tf daa272 28 0.48 0.85 71 6
Addiction ad The Foundation tf db9e70 26 0.49 0.86 70 6
Addiction ad The Foundation tf d69668 25 0.51 0.84 68 6
Addiction ad The Foundation tf c38355 25 0.56 0.76 61 6
Addiction ad The Foundation tf c37f4e 25 0.60 0.76 60 6
Shu Uemera su Petal Skin Fluid psf e9a986 21 0.42 0.91 75 6
Shu Uemera su Petal Skin Fluid psf fac6a1 25 0.36 0.98 84 6
Shu Uemera su Petal Skin Fluid psf c99e76 29 0.41 0.79 68 6
Shu Uemera su Petal Skin Fluid psf e0aa7c 28 0.45 0.88 74 6
Shu Uemera su Petal Skin Fluid psf ebc095 30 0.37 0.92 81 6
Shu Uemera su Petal Skin Fluid psf f9dabd 29 0.24 0.98 89 6
Shu Uemera su Petal Skin Fluid psf af8749 36 0.58 0.69 59 6
Shu Uemera su Petal Skin Fluid psf c89a5e 34 0.53 0.78 67 6
Shu Uemera su Petal Skin Fluid psf dbab6d 34 0.50 0.86 73 6
Shu Uemera su Petal Skin Fluid psf e5bf81 37 0.44 0.90 80 6
Shu Uemera su Petal Skin Fluid psf f4d6a4 37 0.33 0.96 87 6
Shiseido sh Synchro Skin ss edb899 22 0.35 0.93 79 6
Shiseido sh Synchro Skin ss e8b193 21 0.37 0.91 77 6
Shiseido sh Synchro Skin ss ebb68c 27 0.40 0.92 78 6
Shiseido sh Synchro Skin ss e9b085 26 0.43 0.91 76 6
Shiseido sh Synchro Skin ss d69e7b 23 0.43 0.84 70 6
Shiseido sh Synchro Skin ss cb9068 24 0.49 0.80 65 6
Kate ka Secret Skin Maker Zero ssm f7d5bb 26 0.24 0.97 88 6
Kate ka Secret Skin Maker Zero ssm e8b793 25 0.37 0.91 78 6
Kate ka Secret Skin Maker Zero ssm dca67e 26 0.43 0.86 73 6
Kate ka Secret Skin Maker Zero ssm ebbd88 32 0.42 0.92 80 6
Kate ka Secret Skin Maker Zero ssm d19c72 27 0.45 0.82 69 6
Kate ka Secret Skin Maker Zero ssm c28660 23 0.51 0.76 61 6
IPSA ip Liquid Foundation lf edc69f 30 0.33 0.93 83 6
IPSA ip Liquid Foundation lf efc9a5 29 0.31 0.94 84 6
IPSA ip Liquid Foundation lf ecbb9a 24 0.35 0.93 80 6
IPSA ip Liquid Foundation lf e9b494 23 0.36 0.91 78 6
IPSA ip Liquid Foundation lf e7aa8d 19 0.39 0.91 75 6
IPSA ip Liquid Foundation lf edc0a3 24 0.31 0.93 81 6
Dior di Diorskin Forever df e6c6ad 26 0.25 0.90 82 6
Dior di Diorskin Forever df e7cbac 32 0.26 0.91 83 6
Dior di Diorskin Forever df edc8af 24 0.26 0.93 83 6
Dior di Diorskin Forever df e2bda2 25 0.28 0.89 79 6
Dior di Diorskin Forever df e4bf9a 30 0.32 0.89 80 6
Dior di Diorskin Forever df d7a98a 24 0.36 0.84 73 6
NARS na Velvet Matte vm fad8a7 35 0.33 0.98 88 6
NARS na Velvet Matte vm efbf99 27 0.36 0.94 81 6
NARS na Velvet Matte vm f6d0a1 33 0.35 0.96 86 6
NARS na Velvet Matte vm ecb98c 28 0.41 0.93 79 6
NARS na Velvet Matte vm e7ab74 29 0.50 0.91 75 6
NARS na Velvet Matte vm e6b685 30 0.42 0.90 78 6
NARS na Velvet Matte vm dd9e6d 26 0.51 0.87 71 6
NARS na Velvet Matte vm e4aa7c 27 0.46 0.89 74 6
NARS na Velvet Matte vm dfa575 27 0.48 0.87 73 6
NARS na Velvet Matte vm da9b5a 30 0.59 0.85 69 6
NARS na Velvet Matte vm e4a36a 28 0.54 0.89 72 6
NARS na Velvet Matte vm ca8a55 27 0.58 0.79 63 6
NARS na Velvet Matte vm ce8440 29 0.69 0.81 62 6
Lakmé la Invisible Finish if c39d76 30 0.39 0.76 68 7
Lakmé la Invisible Finish if bc8b63 27 0.47 0.74 62 7
Lakmé la Invisible Finish if c88f72 20 0.43 0.78 65 7
Lakmé la Invisible Finish if deaf91 23 0.35 0.87 75 7
Colorbar cb Perfect Match pm cd9d77 27 0.42 0.80 69 7
Colorbar cb Perfect Match pm ecc3a5 25 0.30 0.93 82 7
Colorbar cb Perfect Match pm e5ae87 25 0.41 0.90 76 7
Bharat & Doris bd Liquid Foundation lf d7ac7a 32 0.43 0.84 73 7
Bharat & Doris bd Liquid Foundation lf d7b182 33 0.40 0.84 75 7
Bharat & Doris bd Liquid Foundation lf ce9c6a 30 0.49 0.81 68 7
Bharat & Doris bd Liquid Foundation lf eec693 34 0.38 0.93 83 7
Bharat & Doris bd Liquid Foundation lf d7c499 42 0.29 0.84 80 7
Bharat & Doris bd Liquid Foundation lf e3b385 29 0.41 0.89 77 7
Bharat & Doris bd Liquid Foundation lf cba167 35 0.49 0.80 69 7
Olivia ol Foundation fo eb893e 26 0.74 0.92 67 7
Olivia ol Foundation fo ef9a5a 26 0.62 0.94 72 7
Olivia ol Foundation fo d0803b 28 0.72 0.82 61 7
Olivia ol Foundation fo b76f47 21 0.61 0.72 54 7
Blue Heaven bh X Factor xf ebb08a 24 0.41 0.92 77 7
Blue Heaven bh X Factor xf e8b684 30 0.43 0.91 78 7
Lotus Herbals lh Make-Up Ecostay mue eec1a2 24 0.32 0.93 82 7
Lotus Herbals lh Make-Up Ecostay mue b7a597 26 0.17 0.72 69 7
Lotus Herbals lh Make-Up Ecostay mue f0c092 29 0.39 0.94 81 7
Lotus Herbals lh Make-Up Ecostay mue d0985f 30 0.54 0.82 67 7
Nykaa ny SKINgenius sg cb9070 21 0.45 0.80 65 7
Nykaa ny SKINgenius sg dfab86 25 0.40 0.87 74 7
Nykaa ny SKINgenius sg d19676 21 0.44 0.82 67 7
Nykaa ny SKINgenius sg d4ac93 23 0.31 0.83 74 7
Nykaa ny SKINgenius sg ebc7af 24 0.26 0.92 83 7
Maybelline mb Fit Me Matte fmm f7d1bc 21 0.24 0.97 87 7
Maybelline mb Fit Me Matte fmm f3b989 27 0.44 0.95 80 7
Maybelline mb Fit Me Matte fmm f0ba81 31 0.46 0.94 80 7
Maybelline mb Fit Me Matte fmm ebba8a 30 0.41 0.92 79 7
Maybelline mb Fit Me Matte fmm d69c74 24 0.46 0.84 69 7
Maybelline mb Fit Me Matte fmm f9d0b0 26 0.29 0.98 86 7
Maybelline mb Fit Me Matte fmm fbd5bd 23 0.25 0.98 86 7
Maybelline mb Fit Me Matte fmm e7b9a2 20 0.30 0.91 79 7
Maybelline mb Fit Me Matte fmm dcb297 23 0.31 0.86 76 7
Maybelline mb Fit Me Matte fmm e6b898 25 0.34 0.90 78 7
Maybelline mb Fit Me Matte fmm ebbf93 30 0.37 0.92 81 7
Maybelline mb Fit Me Matte fmm efb793 23 0.38 0.94 79 7
Maybelline mb Fit Me Matte fmm ebba8a 30 0.41 0.92 79 7
Maybelline mb Fit Me Matte fmm f3b27d 27 0.49 0.95 78 7
L’Oréal lo True Match tms 693720 19 0.70 0.41 29 7
L’Oréal lo True Match tms b07555 21 0.52 0.69 55 7
L’Oréal lo True Match tms bc6d4e 17 0.59 0.74 55 7
L’Oréal lo True Match tms c29979 26 0.38 0.76 67 7
L’Oréal lo True Match tms ddb496 25 0.32 0.87 76 7
L’Oréal lo True Match tms eebfa3 22 0.32 0.93 81 7
L’Oréal lo True Match tms e7cbb5 26 0.22 0.91 84 7
L’Oréal lo True Match tms dcb29a 22 0.30 0.86 76 7
L’Oréal lo True Match tms f0c7b3 20 0.25 0.94 83 7
L’Oréal lo True Match tms eecfba 24 0.22 0.93 85 7
L’Oréal lo True Match tms e8c7b8 19 0.21 0.91 83 7
L’Oréal lo True Match tms f0cbb9 20 0.23 0.94 85 7
L’Oréal lo True Match tms e9c4b1 20 0.24 0.91 82 7
L’Oréal lo True Match tms eabea1 24 0.31 0.92 80 7

Dicionário de dados:

Os dados foram organizados em um conjunto estruturado com as seguintes colunas:

  • Marca e Produto: Nome da marca e linha de base líquida analisada.

  • Código Hexadecimal: Representação da cor em formato hexadecimal.

  • Componentes de Cor: Valores numéricos correspondentes às dimensões de Matiz (H), Saturação (S), Brilho (V) e Luminosidade (L).

    • Matiz (H): Representa a dimensão da cor que diferencia tons como vermelho, verde e azul. É a cor pura, sem influência de sombras ou iluminação.
    • Saturação (S):Indica a intensidade e vivacidade da cor. Quando a saturação é baixa, mais próxima do cinza ela estará; quando a saturação for alta, mais semelhante à matiz original ela será.
    • Luminosidade (L): A luminosidade mede a quantidade de luz refletida por uma cor, determinando o quão clara ou escura ela parece. Valores mais altos de luminosidade indicam cores mais próximas do branco (mais luz refletida), enquanto valores mais baixos indicam cores mais próximas do preto (menos luz refletida). Foca no quão clara ou escura uma cor parece.
    • Brilho (V): Define a intensidade luminosa da cor em uma escala de 0% a 100%. No valor mínimo (0%), a cor se torna preta, independentemente do matiz ou da saturação. No valor máximo (100%), a cor se transforma em branco puro. Determina a intensidade luminosa da cor, ou seja, o quão “acesa” ela parece.

  • Grupo: Classificação da marca/produto em um dos seguintes grupos:

    • 0: Fenty Beauty’s PRO FILT’R: Linha da Fenty Beauty, referência em diversidade de tons
    • 1: Make Up For Ever’s Ultra HD: Linha da Make Up For Ever.
    • 2: US Best Sellers: Bases mais vendidas nos EUA
    • 3: BIPOC-recommended Brands with BIPOC Founders: Marcas fundadas por pessoas negras, indígenas e de outras etnias não brancas (BIPOC) e recomendadas por essa comunidade, priorizando tons inclusivos.
    • 4: BIPOC-recommended Brands with White Founders: Marcas recomendadas por consumidores BIPOC, mas criadas por fundadores brancos, que passaram a incluir mais diversidade de tons.
    • 5: Nigerian Best Sellers: Bases mais populares na Nigéria.
    • 6: Japanese Best Sellers: Bases mais vendidas no Japão.
    • 7: Indian Best Sellers: Bases mais populares na Índia.
library(dplyr)
library(reactable)


shades$group <- factor(shades$group, levels = 0:7, 
                     labels = c("Fenty Beauty's PRO FILT'R Foundation Only", 
                                "Make Up For Ever's Ultra HD Foundation Only", 
                                "US Best Sellers", 
                                "BIPOC-recommended Brands with BIPOC Founders", 
                                "BIPOC-recommended Brands with White Founders", 
                                "Nigerian Best Sellers", 
                                "Japanese Best Sellers", 
                                "Indian Best Sellers"))
create_data_dictionary_pt <- function(data, num_examples = 2) {
 
  var_names <- names(data)
  var_types <- sapply(data, class)
  
  
  var_types[var_types == "character"] <- "texto"
  var_types[var_types == "numeric"] <- "numérico"
  var_types[var_types == "factor"] <- "categórico"
  
  var_unique_values <- sapply(data, function(x) length(unique(x)))
  var_examples <- sapply(data, function(x) {
    if(is.factor(x)) {
      paste(head(levels(x), num_examples), collapse = " | ")
    } else {
      paste(head(unique(x), num_examples), collapse = ", ")
    }
  })
  
  
  var_missing_values <- sapply(data, function(x) sum(is.na(x)))
  
 
  dict <- data.frame(
    Variável = var_names,
    Tipo = var_types,
    Descrição = c(
      "Nome completo da marca do produto",
      "Abreviação do nome da marca",
      "Nome do produto",
      "Abreviação do nome do produto",
      "Código hexadecimal da cor",
      "Matiz (Tonalidade) - Componente H do modelo HSV (0-360)",
      "Saturação - Componente S do modelo HSV (0-1)",
      "Valor - Componente V do modelo HSV (0-1)",
      "Luminosidade - Valor L (0-100)",
      "Categorização dos produtos por origem e recomendação"
    ),
    "Valores Únicos" = var_unique_values,
    "Valores Faltantes" = var_missing_values,
    Exemplos = var_examples
  )
  
  
  dict <- dict[, -1]  
  
  return(dict)
}


dictionary_pt <- create_data_dictionary_pt(shades)


reactable(dictionary_pt)

Análise descritiva dos dados

summary(shades)
##     brand           brand_short          product          product_short     
##  Length:625         Length:625         Length:625         Length:625        
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##      hex                  H               S                V         
##  Length:625         Min.   : 4.00   Min.   :0.1000   Min.   :0.2000  
##  Class :character   1st Qu.:23.00   1st Qu.:0.3500   1st Qu.:0.6900  
##  Mode  :character   Median :26.00   Median :0.4400   Median :0.8400  
##                     Mean   :25.31   Mean   :0.4595   Mean   :0.7795  
##                     3rd Qu.:29.00   3rd Qu.:0.5600   3rd Qu.:0.9100  
##                     Max.   :45.00   Max.   :1.0000   Max.   :1.0000  
##                     NA's   :12      NA's   :12       NA's   :12      
##        L                                                  group    
##  Min.   :11.00   US Best Sellers                             :167  
##  1st Qu.:55.00   BIPOC-recommended Brands with White Founders:112  
##  Median :71.00   BIPOC-recommended Brands with BIPOC Founders: 85  
##  Mean   :65.92   Japanese Best Sellers                       : 74  
##  3rd Qu.:79.00   Indian Best Sellers                         : 57  
##  Max.   :95.00   Nigerian Best Sellers                       : 50  
##                  (Other)                                     : 80

Tratamento de valores ausentes

shades<- shades %>% na.omit()

Análise de variáveis

Serão analisadas as relações da variável tonalidades de maquiagem com as variáveis: país (Estados Unidos, Nigéria, Índia e Japão), grupo de marcas (best sellers, marcas recomendadas para BIPOC, marcas globais e regionais), composição de cor (Matiz, Saturação, Luminosidade) e diversidade demográfica.

Para responder aos objetivos da pesquisa, serão aplicadas as seguintes técnicas de análise:

  • Distribuição das tonalidades por país: Identificação dos tons mais frequentes em cada região, utilizando métricas como Matiz (H), Saturação (S) e Luminosidade (L).

  • Comparação entre os países: Uso de testes estatísticos e visualizações gráficas para destacar variações nas preferências de tonalidade entre diferentes mercados.

  • Correlação entre tonalidade de pele e escolhas de maquiagem: Avaliação da relação entre os tons de base disponíveis e a diversidade de tons de pele na população de cada país.

  • Análise de tendências globais e locais: Identificação de padrões de cores quentes e frias em relação à categorização das marcas (exemplo: diferenças entre best sellers regionais e marcas globais).

Para o teste de hipóteses será utilizado o alpha = 0,05. A regra de decisão adotada estabelece que, se o p-valor for menor que alpha, a hipótese nula (H0) será rejeitada; caso contrário, não será rejeitada. Inicialmente, será aplicado o teste de Shapiro-Wilk para verificar a normalidade da distribuição dos dados. Como os resultados indicaram que os dados não seguem uma distribuição normal, optou-se pelo teste de Kruskal-Wallis para avaliar diferenças significativas entre os grupos analisados. Além disso, foi utilizada a correlação de Spearman para investigar a relação entre as variáveis de matiz (H), saturação (S), brilho (V) e luminosidade (L).

Metódos utilizados para a realização das análises

  • Gráficos de Densidade
  • Gráficos Boxplots
  • Mapa de Calor da Correlação
  • Histogramas
  • Testes de hipóteses (Teste de Shapiro-Wilk, Teste de Kruskal-Wallis, Correlação de Spearman)

Análise de Resultados

Inicialmente, analisaremos a distribuição das variáveis de matiz (H), saturação (S), brilho (V) e luminosidade (L) por grupo, com base nos dados de diferentes países. Para isso, utilizaremos gráficos de densidade para observar as diferenças nas preferências de tonalidades de bases de maquiagem, considerando a influência das características culturais e demográficas de cada grupo.

Densidade 1- Distribuição de Matiz (H)

library(ggplot2)
library(dplyr)
library(tidyr)
library(ggpubr)
library(rstatix)
library(corrplot)
library(sf)


ggplot(shades, aes(x = H, fill = group)) +
  geom_density(alpha = 0.6) +
  labs(title = "Distribuição de Matiz (H) por Grupo",
       x = "Matiz (H)", y = "Densidade", fill = "Grupo") +
  theme_minimal()

O gráfico apresenta a distribuição da matiz para bases de maquiagem em diferentes mercados, destacando Nigéria, Japão, Índia e Estados Unidos. A matiz varia entre 10 e 35, com padrões distintos para cada região:

  1. Nigéria: A distribuição da matiz está concentrada entre 15 e 25, sugerindo predominância de tons neutros a levemente quentes. Isso é coerente com as características de muitas peles escuras, que frequentemente apresentam subtons dourados ou oliva. Há uma leve presença de matizes mais frias, mas em menor proporção.

  2. Japão: A matiz se concentra fortemente entre 20 e 30, com baixa variação. Isso sugere uma preferência por bases neutras a levemente amareladas, refletindo a menor diversidade de tons disponíveis ou demandados no mercado japonês. A distribuição uniforme indica um padrão relativamente homogêneo de tons.

  3. Índia: A distribuição de matizes na Índia cobre uma ampla faixa, entre 15 e 30, com um pico em torno de 20-25. Isso reflete a diversidade de tons de pele no país, que variam de médios a profundos, frequentemente com subtons dourados e oliva. Embora haja alguma sobreposição com os mercados japonês e americano, a distribuição indiana se assemelha mais à da Nigéria.

  4. Estados Unidos: A distribuição da matiz nos EUA é a mais ampla, variando de 10 a 35, refletindo a diversidade demográfica do país. O pico ocorre entre 22-27, indicando a popularidade dos tons médios, mas também há presença de bases para tons mais claros e mais escuros. Essa ampla variedade sugere que o mercado americano busca atender a consumidores com uma grande gama de subtons de pele.

Os diferentes mercados analisados apresentam padrões distintos de distribuição de matiz. Nigéria e Índia compartilham uma diversidade de tons que abrangem subtons dourados e oliva, enquanto o Japão possui uma gama mais homogênea e centrada em tons neutros e amarelados. Os Estados Unidos apresentam a maior variedade, refletindo a necessidade de atender a uma ampla base de consumidores com diferentes características de pele.

Densidade 2- Distribuição de Saturação (S)

ggplot(shades, aes(x = S, fill = group)) +
  geom_density(alpha = 0.6) +
  labs(title = "Distribuição de Saturação (S) por Grupo",
       x = "Saturação (S)", y = "Densidade", fill = "Grupo") +
  theme_minimal()

Analisando a distribuição da saturação das bases de maquiagem nos seguintes mercados:

  1. Nigéria: A distribuição da saturação na Nigéria está deslocada para valores mais altos em comparação com os outros países, com um pico entre 0,45 e 0,55 e uma cauda que se estende até ~0,75. Isso indica que as bases mais vendidas no país possuem tons mais saturados e vibrantes, atendendo à necessidade de produtos com maior pigmentação para peles mais escuras. Há também uma variação considerável, sugerindo a presença de opções neutras e intensas no mercado.

  2. Japão: A distribuição japonesa tem um pico acentuado entre 0,35 e 0,45, com predominância de saturações mais baixas em relação à Nigéria. Isso sugere uma preferência por tons mais neutros e suaves, condizente com o tom de pele mais claro e de menor contraste da população japonesa. Bases com saturação elevada são menos comuns nesse mercado, como indicado pela cauda curta para valores mais altos.

  3. Índia: A distribuição na Índia é semelhante à do Japão, com um pico entre 0,35 e 0,45, mas com uma cauda um pouco mais longa em direção a valores mais altos. Isso reflete a diversidade de tons de pele na Índia e a oferta de produtos que atendem tanto a tons médios neutros quanto a tons mais saturados, especialmente para peles quentes ou com subtons oliva. Embora haja sobreposição com o Japão, a presença de bases mais saturadas é ligeiramente maior.

  4. Estados Unidos: A distribuição nos EUA é a mais ampla, cobrindo uma grande faixa de saturação. O pico principal ocorre entre 0,35 e 0,45, semelhante ao Japão e à Índia, mas há também bases com saturação muito baixa e uma cauda que se estende até ~0,70. Essa diversidade reflete a ampla demografia do mercado americano, que atende consumidores de tons de pele claros, médios e escuros.

Assim, cada mercado apresenta padrões distintos de saturação para bases de maquiagem. A Nigéria tem predominância de tons mais saturados, enquanto Japão e Índia demonstram preferência por saturações moderadas, com a Índia oferecendo um espectro um pouco mais amplo. Os Estados Unidos apresentam a maior variedade, refletindo a diversidade de subtons de pele de seus consumidores.

Densidade 3- Distribuição de Brilho (V)

ggplot(shades, aes(x = V, fill = group)) +
  geom_density(alpha = 0.6) +
  labs(title = "Distribuição de Brilho (V) por Grupo",
       x = "Brilho (V)", y = "Densidade", fill = "Grupo") +
  theme_minimal()

O gráfico apresenta a distribuição do brilho das bases de maquiagem nos mercados da Nigéria, Japão, Índia e Estados Unidos, evidenciando as preferências distintas entre esses países.

  1. Nigéria: A distribuição da Nigéria é bimodal, com dois picos: um em torno de 0,45 e outro próximo de 0,75. O primeiro pico indica a predominância de bases mais escuras e profundas, atendendo às necessidades de tons de pele ricos em melanina. O segundo pico sugere a presença de opções um pouco mais claras, mas em menor proporção.

  2. Japão: A distribuição japonesa apresenta um pico muito acentuado entre 0,95 e 1,0, indicando uma forte preferência por bases claras e luminosas. Essa tendência está alinhada com a tonalidade predominante da pele japonesa, que tende a ser mais clara, com menor variação de tons profundos. A concentração no topo da escala sugere uma menor diversidade de tons escuros no mercado japonês.

  3. Índia: A distribuição na Índia é intermediária entre a Nigéria e o Japão, com um pico principal em torno de 0,85-0,95 e uma cauda que se estende para tons mais escuros. Isso reflete a ampla diversidade de tons de pele no país, que variam de médios a profundos, frequentemente com subtons dourados ou oliva. A sobreposição com o mercado japonês sugere que as bases mais vendidas na Índia incluem opções claras, mas com um espectro mais amplo.

  4. Estados Unidos: A distribuição nos EUA é a mais ampla, cobrindo quase toda a faixa de brilho. Há um pico principal entre 0,85 e 1,0, indicando uma grande oferta de bases claras a médias, mas também uma cauda longa em direção a tons mais escuros (~0,4-0,6). Isso reflete a diversidade demográfica do mercado americano, que atende a consumidores com diferentes tons de pele, desde os mais claros até os mais profundos.

Dessa forma, foram apresentados padrões distintos na distribuição do brilho das bases de maquiagem. O Japão mostra uma forte concentração de bases muito claras, enquanto a Nigéria apresenta uma distribuição bimodal, sugerindo a presença de bases tanto escuras quanto intermediárias. A Índia se posiciona entre esses extremos, oferecendo uma variedade ampla de tons, enquanto os Estados Unidos apresentam a maior diversidade, refletindo a grande amplitude demográfica do país.

Densidade 4- Distribuição de Luminosidade (L)

ggplot(shades, aes(x = L, fill = group)) +
  geom_density(alpha = 0.6) +
  labs(title = "Distribuição de Luminosidade(L) por Grupo",
       x = "Luminosidade (L)", y = "Densidade", fill = "Grupo") +
  theme_minimal()

O gráfico apresenta a distribuição da luminosidade das bases de maquiagem nos mercados da Nigéria, Japão, Índia e Estados Unidos, destacando as preferências distintas entre esses países.

  1. Estados Unidos: A distribuição da luminosidade nos best sellers americanos é ampla e menos concentrada. Isso reflete a diversidade racial dos Estados Unidos, onde há alta demanda por tons variados – desde os mais claros até os mais escuros. As marcas precisam oferecer uma ampla gama de tons para atender a essa diversidade.

  2. Nigéria: A concentração de luminosidade entre 40 e 55 indica predominância de tons médios a escuros. Isso sugere que as bases mais vendidas nesse mercado possuem pigmentação mais quente e profunda, cobrindo uma grande variedade de subtons dentro das peles escuras. A necessidade de mais opções para peles negras torna essencial a diversificação dos tons escuros nas linhas de maquiagem.

  3. Japão: A distribuição japonesa apresenta um pico muito acentuado próximo de 75, indicando uma forte preferência por bases claras e luminosas. Essa tendência está alinhada com a tonalidade predominante da pele japonesa, que tende a ser mais clara e com menor variação de tons profundos. A fórmula das bases nesse mercado geralmente apresenta acabamentos leves e iluminados, combinando com o estilo de maquiagem natural e suave predominante no Japão.

  4. Índia: A distribuição na Índia é semelhante à do Japão, mas com uma presença maior de tons médios. Isso reflete a diversidade de tons de pele no país, que varia de médio-claro a médio-escuro, muitas vezes com subtons dourados ou oliva. Para atender a essa diversidade, as bases mais vendidas na Índia equilibram tons médios e quentes, proporcionando uma ampla cobertura de tons de pele.

Logo, os padrões apresentado são distintos na em sua distribuição, onde o Japão mostra uma forte concentração de bases muito claras, enquanto a Nigéria apresenta predominância de tons médios a escuros. A Índia se posiciona entre esses extremos, oferecendo uma maior variedade de tons médios, enquanto os Estados Unidos apresentam a maior diversidade, refletindo a ampla amplitude demográfica do país.

Vamos iniciar a análise dos gráficos boxplot para avaliar as variações e dispersões de dados em cada país.

Boxplot 1 - Distribuição de Matiz (H) por Grupo

ggplot(shades, aes(x = group, y = H, fill = group)) +
  geom_boxplot() +
  labs(title = "Boxplot de Matiz (H) por Grupo", 
       x = "Grupo", 
       y = "Matiz (H)") +
  theme_minimal() +
  theme(axis.text.x = element_blank())

A análise do boxplot que descreve a distribuição de matiz (H) por grupo revela as tendências de tonalidade nos produtos mais vendidos em diferentes países.

  1. Estados Unidos : A mediana intermediária sugere que os produtos mais vendidos têm matizes moderados, possivelmente voltados para tons médios de pele. A caixa curta indica que a maioria dos produtos segue uma tonalidade similar, com pouca variação entre eles, refletindo uma preferência por tonalidades que atendem a um público diversificado, mas com menos extremos. No entanto, a presença de outliers indica que existem alguns produtos com matizes bem diferentes, possivelmente direcionados a nichos específicos ou a consumidores com tons de pele mais variados, que buscam algo além dos matizes mais convencionais.

  2. Nigéria: A mediana baixa na Nigéria sugere que os produtos mais vendidos têm matizes mais próximos de tonalidades específicas, provavelmente mais quentes, adequados para a maioria dos consumidores nigerianos. A caixa mais longa indica uma maior diversidade nas tonalidades dos produtos, refletindo a variedade de tons de pele presentes na população. No entanto, os poucos outliers presentes indicam que há produtos com matizes que se afastam do padrão comum, mas essas opções são relativamente raras, mostrando que, embora existam alternativas diferenciadas, a maioria dos consumidores prefere matizes mais quentes e tradicionais.

  3. Japão: A mediana baixa indica que os produtos tendem a ter matizes mais específicos, possivelmente voltados para tonalidades neutras ou frias, alinhadas com a estética local que valoriza um acabamento natural. A caixa curta sugere pouca variação entre os produtos mais populares, evidenciando uma homogeneidade nas escolhas de tonalidade entre os consumidores japoneses. A ausência ou escassez de outliers reforça a ideia de que o mercado japonês é bastante uniforme em relação aos matizes, com uma preferência clara por tons mais discretos e harmoniosos.

  4. Índia: A mediana intermediária indica que os produtos mais vendidos têm matizes moderados, provavelmente para atender a uma ampla gama de tons de pele. A caixa média sugere que, embora haja uma semelhança na tonalidade entre a maioria dos produtos, existe uma maior diversidade em comparação com o Japão e a Nigéria, refletindo a diversidade demográfica do país. A presença de alguns outliers mostra que, assim como nos outros mercados, há produtos com matizes que fogem do padrão comum, oferecendo opções para consumidores que buscam tonalidades mais específicas ou exclusivas.

Assim, os resultados indicam que os Estados Unidos e a Índia apresentam maior diversidade de matizes, com matizes moderados dominando as preferências, mas com opções fora da faixa comum para atender a nichos específicos. Já a Nigéria e o Japão têm uma maior concentração de produtos em tonalidades mais específicas, com a Nigéria favorecendo matizes mais quentes e o Japão optando por matizes neutros ou frios. A presença de outliers em todos os países, embora de maneira mais sutil no Japão, sugere que há espaço para produtos que atendem a preferências menos convencionais, mas a maioria dos consumidores tende a optar por tonalidades mais populares e tradicionais dentro de cada região.

Boxplot 2 - Distribuição de Saturação (S) por Grupo

ggplot(shades, aes(x = group, y = S, fill = group)) +
  geom_boxplot() +
  labs(title = "Boxplot de Saturacao (S) por Grupo",
       x = "Grupo",
       y = "Saturacao (S)") +
  theme_minimal() +
  theme(axis.text.x = element_blank())

A análise descreve a distribuição de saturação (S) em diferentes países.

  1. Japão : A mediana baixa indica que as bases tendem a ter uma saturação suave, sem cores excessivamente intensas. A caixa curta sugere uma homogeneidade nas bases disponíveis, com pouca variação no nível de saturação. Além disso, a ausência ou presença mínima de outliers demonstra que o mercado japonês é consistente em sua preferência por produtos mais discretos em termos de cor.

  2. Índia: A mediana também é baixa, sugerindo uma tendência a bases com saturação suave. No entanto, a caixa longa indica uma diversidade maior de opções de saturação, o que reflete a variedade de preferências de consumidores em um mercado demograficamente amplo. A presença de vários outliers indica que há produtos com saturação mais intensa ou mais suave, para atender a nichos de mercado, mas esses produtos não são predominantes.

  3. Nigéria: As bases nigerianas, por outro lado, apresentam uma mediana alta, indicando uma saturação mais vibrante e intensa. A caixa média sugere que há alguma variação na saturação, mas a maioria das bases segue uma linha mais consistente. A ausência de outliers reforça a ideia de que o mercado nigeriano favorece uma saturação mais uniforme e forte, com menos diversificação em relação a saturação.

  4. Estados Unidos: A mediana intermediária sugere uma saturação moderada, com as bases variando entre opções mais suaves e mais intensas. A caixa longa, como no mercado indiano, indica uma vasta gama de saturação disponível, atendendo à diversidade de preferências dos consumidores. A presença de outliers também sugere que há opções extremas de saturação, tanto mais altas quanto mais baixas, para agradar a públicos específicos que buscam bases mais ousadas ou mais discretas.

Em síntese, o Japão e a Índia compartilham uma tendência para bases com saturação mais suave, mas o mercado indiano se destaca pela maior variedade de opções. A Nigéria se afasta dessa tendência, favorecendo saturações mais intensas e vibrantes. Nos Estados Unidos, a saturação moderada e a grande diversidade de opções refletem as diferentes preferências locais. A presença de outliers nos mercados indiano e americano, embora não predominante, aponta para uma segmentação de mercado em busca de alternativas mais extremas.

Boxplot 3 - Distribuição de Brilho (V) por Grupo

ggplot(shades, aes(x = group, y = V, fill = group)) +
  geom_boxplot() +
  labs(title = "Boxplot de Brilho (V) por Grupo",
       x = "Grupo",
       y = "Brilho (V)") +
  theme_minimal() +
  theme(axis.text.x = element_blank())

A análise revela padrões interessantes sobre as preferências de acabamento e brilho nos produtos, refletindo as particularidades culturais e de mercado de cada região.

  1. Japão : No Japão, a mediana alta indica uma clara preferência por bases luminosas, alinhada com a valorização da pele “glowy”, característica culturalmente importante no país. O fato de a caixa ser curta sugere que a oferta de produtos no mercado é relativamente homogênea, com poucas variações nos acabamentos, refletindo uma tendência consolidada em torno do brilho. A presença de poucos outliers reforça essa ideia de uniformidade, com a maioria dos produtos seguindo um padrão de brilho moderado.

  2. Índia : A mediana elevada na Índia, por sua vez, aponta para uma forte preferência por bases com brilho intenso, o que pode estar relacionado tanto à busca por um visual radiante quanto à valorização de tons de pele mais escuros, comuns entre os consumidores locais. A caixa média, mais larga, sugere uma maior diversidade de opções de acabamento, atendendo a diferentes necessidades dos consumidores, o que reflete a diversidade demográfica e cultural da Índia. A presença de outliers também é significativa, indicando que há uma oferta de produtos que se distanciam do padrão predominante, oferecendo bases com brilho mais intenso ou até mais opacas, para atender a nichos específicos de consumidores.

  3. Nigéria : No mercado nigeriano, a mediana equilibrada sugere um equilíbrio entre bases luminosas e opacas, indicando que o mercado atende a uma ampla gama de preferências de acabamento. A caixa longa revela uma grande variação nos níveis de brilho, evidenciando a diversidade de tons de pele e tipos de consumidor no país. Assim como na Índia, a presença de outliers mostra que há produtos fora do padrão, com opções mais intensas ou mais opacas, possivelmente para atender a nichos de consumidores com necessidades específicas.

  4. Estados Unidos : Nos Estados Unidos, a mediana intermediária reflete a diversidade de preferências dos consumidores, que buscam acabamentos variados, como luminoso, matte ou natural. A caixa extensa, uma das mais longas, revela uma grande variação nos níveis de brilho, indicando que o mercado americano é altamente segmentado, com opções para todos os tipos de pele e preferências pessoais. A presença de outliers, embora não excessiva, sugere que existem opções mais extremas, tanto de brilho intenso quanto de acabamentos opacos, para atender a consumidores que buscam produtos diferenciados.

Em resumo, enquanto o Japão e a Índia se destacam por suas preferências mais homogêneas ou intensas por brilho, países como a Nigéria e os Estados Unidos mostram uma oferta mais diversificada e segmentada, atendendo a uma gama maior de preferências de acabamento e brilho. Esses padrões de consumo estão profundamente ligados às características culturais, demográficas e até mesmo aos tipos de pele prevalentes em cada região.

Boxplot 4 - Distribuição de Luminosidade (L) por Grupo

ggplot(shades, aes(x = group, y = L, fill = group)) +
  geom_boxplot() +
  labs(title = "Boxplot de Luminosidade (L) por Grupo",
       x = "Grupo",
       y = "Luminosidade (L)") +
  theme_minimal() +
  theme(axis.text.x = element_blank())

A análise do gráfico revelou o padrão de luminosidade nos seguintes países:

  1. Estados Unidos : A mediana intermediária sugere que os produtos mais vendidos apresentam uma luminosidade moderada, atendendo à diversidade de preferências dos consumidores. A caixa longa indica uma ampla variação na luminosidade dos produtos, o que é consistente com o mercado altamente segmentado, onde os consumidores têm diferentes necessidades de acabamento. A presença de outliers, embora não em excesso, mostra que existem produtos com luminosidade mais extrema, tanto mais alta quanto mais baixa, atendendo a nichos específicos e preferências mais particulares.

  2. Nigéria: A mediana baixa sugere que a maioria dos produtos vendidos tem luminosidade moderada ou baixa, atendendo a consumidores que buscam um acabamento mais suave. A caixa curta indica pouca variação nos níveis de luminosidade, refletindo uma oferta mais uniforme no mercado nigeriano. Embora existam alguns outliers, com produtos com luminosidade fora da faixa comum, esses são poucos, sugerindo que a maioria dos consumidores nigerianos prefere bases com acabamento mais opaco ou com brilho moderado.

  3. Japão : Apresenta uma mediana alta, o que indica uma forte preferência por produtos com luminosidade elevada. A caixa curta sugere que os produtos mais vendidos têm uma luminosidade bastante homogênea, com pouca variação entre eles. A ausência ou presença mínima de outliers reforça a ideia de um mercado japonês bastante consolidado e focado em bases com acabamento luminoso, indicando um padrão de consumo mais uniforme e alinhado com a valorização da pele radiante, característica da estética japonesa.

  4. Índia: A mediana alta indica uma preferência por bases com luminosidade um pouco mais elevada, o que pode estar relacionado à busca por um visual radiante. A caixa curta sugere que, apesar da preferência por um acabamento luminoso, a variação entre os produtos vendidos não é muito grande. A presença de alguns outliers, no entanto, indica que há produtos com luminosidade fora do padrão comum, oferecendo alternativas para consumidores que buscam acabamentos mais intensos ou mais opacos.

Dessa forma, o resultado apresenta uma forte preferência por luminosidade elevada no Japão e na Índia, enquanto os Estados Unidos apresentam um mercado mais diversificado, com uma ampla gama de opções de luminosidade. A Nigéria, por sua vez, parece preferir produtos com luminosidade moderada ou baixa, com menos variação no mercado. Os outliers presentes em todos os países indicam que há nichos específicos de consumidores que buscam produtos com características mais extremas, mas de forma mais concentrada em mercados como os dos Estados Unidos e Índia. Cada mercado reflete as particularidades culturais e as necessidades dos consumidores locais, com a luminosidade sendo um fator chave nas escolhas de base.

Correlação de Spearman

correlation_matrix <- cor(shades[, c("H", "S", "V", "L")], method = "spearman")
print(correlation_matrix)
##            H          S          V          L
## H  1.0000000 -0.1564221  0.3367583  0.3934477
## S -0.1564221  1.0000000 -0.7527771 -0.8536919
## V  0.3367583 -0.7527771  1.0000000  0.9724660
## L  0.3934477 -0.8536919  0.9724660  1.0000000

A análise da matriz de correlação de Spearman revela que brilho e luminosidade estão fortemente correlacionados, indicando que cores mais brilhantes tendem a ser mais luminosas. Por outro lado, saturação está negativamente relacionada tanto com brilho quanto com luminosidade, sugerindo que cores mais saturadas são menos brilhantes e luminosas. O matiz apresenta correlações moderadas com brilho e luminosidade, indicando que matizes mais claros tendem a ser mais brilhantes e luminosos. Essas relações ajudam a entender como as características das cores se influenciam e podem orientar escolhas de tonalidades em diferentes contextos estéticos.

Mapa de Calor da Correlação

O Mapa de Calor da Correlação apresenta uma análise visual das relações estatísticas entre as variáveis Matiz (H), Saturação (S), Brilho (V) e Luminosidade (L), permitindo identificar padrões interessantes nas preferências de tonalidades de base nos diferentes países

library(reshape2)

cor_melted <- melt(correlation_matrix)

ggplot(cor_melted, aes(Var1, Var2, fill = value)) +
  geom_tile() +
  scale_fill_gradient2(low = "blue", mid = "white", high = "red", midpoint = 0) +
  geom_text(aes(label = round(value, 2)), color = "black", size = 3) + 
  labs(title = "Mapa de Calor da Correlação (Spearman)",
       x = "Variáveis", y = "Variáveis", fill = "Correlação") +
  theme_minimal()

Primeiramente, a correlação forte positiva entre Brilho (V) e Luminosidade (L) (0,972) indica que tons mais claros, com maior valor de luminosidade, tendem a ser mais brilhantes. Esse padrão é especialmente visível nos EUA e Japão, onde as bases iluminadas são amplamente preferidas, refletindo a busca por uma aparência mais suave e luminosa. Por sua vez, a correlação forte negativa entre Saturação (S) e Luminosidade (L) (-0,854) sugere que cores mais saturadas geralmente possuem menor luminosidade. Esse comportamento é particularmente perceptível nas bases da Nigéria e Índia, que são intensamente saturadas, mas com luminosidade reduzida, o que revela uma preferência por tons mais profundos e intensos.

Além disso, a correlação negativa entre Matiz (H) e Saturação (S) (-0,156) indica que bases mais neutras tendem a ter menor saturação. Esse padrão é evidente no Japão, onde a preferência por tons frios e neutros naturalmente resulta em uma saturação mais baixa.

O mapa de calor revela padrões claros nas escolhas de tonalidades de base entre os países analisados. Na Nigéria e Índia, onde há uma preferência por tons saturados, às bases possuem menor luminosidade, enquanto nos EUA e Japão, que optam por tons mais claros, as bases são mais brilhantes e neutras. A análise evidencia como as preferências estéticas estão profundamente ligadas ao tipo de tonalidade, saturação e luminosidade, variando de acordo com os contextos culturais e geográficos.

Barplot - Distribuição de Cores Quentes e Frias por Grupos

shades$temperature <- ifelse(shades$H < 26, "Quente", "Frio")


freq_data <- shades %>% 
  group_by(group, temperature) %>% 
  summarise(count = n())


bar_plot <- ggplot(freq_data, aes(x = group, y = count, fill = temperature)) + 
  geom_bar(stat = "identity", position = "dodge") + 
  scale_fill_manual(values = c("Quente" = "#ffa746", "Frio" = "#5b97ee")) +
  labs(title = "Cores Quentes vs.Frias por Grupo", 
       x = "Grupo", 
       y = "Frequência", 
       fill = "Temperatura") + 
  theme_minimal() + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

print(bar_plot)

O barplot sugere que, embora Nigéria e Índia apresentem uma frequência absoluta de tons quentes ligeiramente menor do que outros países, a distribuição geral das cores nesses locais ainda se inclina majoritariamente para essa faixa, composta por dourados, avermelhados e alaranjados. No entanto, interpretar essa tendência com precisão é desafiador, pois há sobreposição entre tons e a distinção entre quente e frio nem sempre é clara.

Além disso, o barplot não define explicitamente os limites entre essas categorias, dificultando uma separação rigorosa. Variações sutis dentro da mesma tonalidade podem apresentar matizes que desafiam uma classificação objetiva. Os boxplots, por sua vez, reforçam a tendência de medianas de matiz mais altas para Nigéria e Índia, indicando uma inclinação para tons quentes. No entanto, os gráficos de densidade revelam uma distribuição ampla, sugerindo que, apesar da predominância dos tons quentes, também há uma presença significativa de tons frios.

A análise da saturação revela que Nigéria e Índia apresentam níveis mais altos em comparação com outros países. Esse fator pode estar associado à preferência por tons mais vibrantes, mas não necessariamente restritos aos tons quentes. Certos tons frios, como azulados e rosados intensos, também podem apresentar alta saturação, o que adiciona mais complexidade à análise.

Outro aspecto relevante é a influência cultural e climática. A predileção por tons quentes pode estar relacionada à harmonia com peles mais escuras e à tradição estética nesses países. Entretanto, a aceitação de tons frios em nichos específicos, como bases para subtons neutros ou oliva, pode não ser totalmente capturada por uma análise estatística geral.

Dessa forma, embora os dados obtidos a partir do barplot, dos boxplots e da saturação indiquem uma predominância de tons quentes em Nigéria e Índia, a separação exata entre tons quentes e frios permanece um desafio. A sobreposição de faixas de cor, as variações de saturação e as influências culturais tornam essa distinção mais complexa. Assim, a interpretação dos resultados deve ser feita com cautela, reconhecendo que há uma predominância relativa de tons quentes, mas não uma exclusividade absoluta.

Teste de Normalidade de Shapiro-Wilk

Foi aplicado o Teste de Shapiro-Wilk para verificar se os dados seguiam uma distribuição normal. Os p-valores obtidos foram todos inferiores a 0,05, indicando que as variáveis analisadas (H, S, V e L) não seguem uma distribuição normal. Isso justifica o uso de testes não paramétricos para a comparação entre os grupos.

shapiro.test(shades$H)
## 
##  Shapiro-Wilk normality test
## 
## data:  shades$H
## W = 0.97394, p-value = 5.56e-09
shapiro.test(shades$S)
## 
##  Shapiro-Wilk normality test
## 
## data:  shades$S
## W = 0.98615, p-value = 1.464e-05
shapiro.test(shades$V)
## 
##  Shapiro-Wilk normality test
## 
## data:  shades$V
## W = 0.89754, p-value < 2.2e-16
shapiro.test(shades$L)
## 
##  Shapiro-Wilk normality test
## 
## data:  shades$L
## W = 0.93961, p-value = 4.558e-15

Teste por Grupo

groups <- unique(shades$group)

for (grp in groups) {
  cat("\n### Grupo:", grp, "###\n")
  cat("H - p-value:", shapiro.test(shades$H[shades$group == grp])$p.value, "\n")
  cat("S - p-value:", shapiro.test(shades$S[shades$group == grp])$p.value, "\n")
  cat("V - p-value:", shapiro.test(shades$V[shades$group == grp])$p.value, "\n")
  cat("L - p-value:", shapiro.test(shades$L[shades$group == grp])$p.value, "\n")
  cat("\n")
}
## 
## ### Grupo: US Best Sellers ###
## H - p-value: 0.03332352 
## S - p-value: 0.0004263998 
## V - p-value: 2.481401e-08 
## L - p-value: 2.76618e-06 
## 
## 
## ### Grupo: Fenty Beauty's PRO FILT'R Foundation Only ###
## H - p-value: 0.7502723 
## S - p-value: 0.2152828 
## V - p-value: 0.002482599 
## L - p-value: 0.1179271 
## 
## 
## ### Grupo: BIPOC-recommended Brands with BIPOC Founders ###
## H - p-value: 0.4898257 
## S - p-value: 0.03534906 
## V - p-value: 0.002923898 
## L - p-value: 0.02886407 
## 
## 
## ### Grupo: BIPOC-recommended Brands with White Founders ###
## H - p-value: 0.001893187 
## S - p-value: 0.04739846 
## V - p-value: 4.063837e-08 
## L - p-value: 3.916407e-06 
## 
## 
## ### Grupo: Make Up For Ever's Ultra HD Foundation Only ###
## H - p-value: 0.5728517 
## S - p-value: 0.8960576 
## V - p-value: 0.0001885639 
## L - p-value: 0.008018506 
## 
## 
## ### Grupo: Nigerian Best Sellers ###
## H - p-value: 0.08156766 
## S - p-value: 0.3193703 
## V - p-value: 0.3313078 
## L - p-value: 0.8129846 
## 
## 
## ### Grupo: Japanese Best Sellers ###
## H - p-value: 0.006058661 
## S - p-value: 0.262991 
## V - p-value: 0.001618503 
## L - p-value: 0.03759171 
## 
## 
## ### Grupo: Indian Best Sellers ###
## H - p-value: 0.02176784 
## S - p-value: 0.01680078 
## V - p-value: 4.667532e-07 
## L - p-value: 4.572731e-06

Teste de Kruskal-Wallis

O Teste de Kruskal-Wallis foi aplicado para avaliar diferenças significativas entre os grupos.

kruskal.test(H ~ group, data = shades)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  H by group
## Kruskal-Wallis chi-squared = 77.793, df = 7, p-value = 3.878e-14
kruskal.test(S ~ group, data = shades)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  S by group
## Kruskal-Wallis chi-squared = 74.341, df = 7, p-value = 1.951e-13
kruskal.test(V ~ group, data = shades)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  V by group
## Kruskal-Wallis chi-squared = 103.72, df = 7, p-value < 2.2e-16
kruskal.test(L ~ group, data = shades)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  L by group
## Kruskal-Wallis chi-squared = 96.243, df = 7, p-value < 2.2e-16

Os resultados foram:

  • Matiz (H): χ2 = 77,793, p < 0,0001
  • Saturação (S): χ2 = 74,341, p < 0,0001
  • Brilho (V): χ2 = 103,72, p < 0,0001
  • Luminosidade (L): χ2 = 96,243, p < 0,0001

Os valores de p muito baixos indicam que há diferenças estatisticamente significativas entre os grupos analisados, confirmando que a distribuição das tonalidades de maquiagem varia entre os países e entre as marcas.

Discussão

Os resultados desta pesquisa evidenciam a forte influência de fatores culturais, climáticos e demográficos na escolha de tonalidades de maquiagem ao redor do mundo. Em países como Nigéria e Índia, há uma clara preferência por bases mais saturadas e com subtons quentes, refletindo não apenas a diversidade de tons de pele, mas também a valorização de cores vibrantes em contextos culturais e festividades. A alta saturação de bases nesses mercados é uma resposta à necessidade de produtos que atendem a peles mais escuras e ricas em melanina. Embora o clima tropical nessas regiões possa favorecer o uso de bases opacas para maior durabilidade e controle da oleosidade, a saturação elevada também responde ao desejo por um acabamento mais vibrante e intenso, comum em festividades e celebrações culturais.

As diferenças entre países estão alinhadas com os tons de pele predominantes e os padrões culturais. Em locais como Japão e Estados Unidos, há uma valorização de tons mais claros e neutros devido à predominância de peles mais claras e aos ideais estéticos que ressaltam uma pele natural, iluminada e com acabamento luminoso. No Japão, a preferência por bases com brilho elevado está muito ligada à tendência de maquiagem “glass skin”, que enfatiza um acabamento translúcido e radiante. Nos Estados Unidos, a diversidade demográfica gera uma grande variedade de opções de bases, com uma gama que vai desde os tons mais claros até os mais escuros, refletindo uma busca por personalização e inclusão.

Já na Nigéria e Índia, há uma maior oferta de bases com saturação elevada, com subtons quentes e opacos, para atender a peles de tonalidades médias a escuras, como é comum nesses países. Isso evita o efeito acinzentado frequentemente encontrado em bases de baixa saturação e garante um acabamento mais natural e adequado para peles com subtons dourados ou oliva. O clima quente e ensolarado nessas regiões também favorece o uso de bases com acabamento matte, que proporcionam maior durabilidade e controle da oleosidade ao longo do dia.

A análise estatística mostrou que a saturação é significativamente maior na Nigéria e na Índia, confirmando que as bases nesses mercados são formuladas para realçar tons de pele escuros. Em contraste, no Japão e nos Estados Unidos, os valores mais altos de brilho indicam que bases com acabamento luminoso são mais populares. Esse contraste pode ser explicado pelo perfil demográfico de cada país, com uma maior concentração de peles claras no Japão e Estados Unidos, e peles médias a escuras na Nigéria e Índia.

A forte correlação negativa entre saturação e luminosidade reforça essa tendência, mostrando que bases mais saturadas são predominantes em mercados com maior incidência de tons de pele escuros, enquanto tons mais claros e luminosos são preferidos em países com populações majoritariamente de pele clara. Apesar dos avanços na inclusão, ainda há desigualdade na oferta para peles escuras, representando um desafio, mas também uma grande oportunidade para marcas inovadoras. Para se destacar, as empresas devem equilibrar personalização, inclusão e inovação, ampliando gamas de cores, adaptando fórmulas a diferentes climas e criando campanhas alinhadas às preferências culturais e demográficas de cada mercado.

Conclusão

A pesquisa oferece recomendações valiosas para a indústria de maquiagem, enfatizando a importância da diversificação de produtos e do marketing regionalizado. A criação de sublinhas adaptadas a cada mercado, como Nigéria e Índia, onde há maior preferência por tons vibrantes, pode tornar os produtos mais acessíveis e alinhados às preferências locais.

Além disso, campanhas que valorizam a diversidade cultural e racial aumentam o engajamento e a fidelização dos consumidores. A expansão das paletas de cores também se mostra essencial para promover inclusão e atender a todos os tons de pele. O uso de tecnologia e análise de dados pode aprimorar a personalização dos produtos, garantindo que atendam melhor às demandas regionais. Práticas sustentáveis e éticas também ganham relevância, à medida que os consumidores valorizam a responsabilidade social das marcas.

Os resultados da análise estatística confirmam diferenças significativas nas preferências de maquiagem entre os países estudados, refletindo influências culturais, climáticas e comerciais. Enquanto Nigéria e Índia preferem tons quentes e saturados, Japão e Estados Unidos optam por cores mais neutras e claras. O estudo reforça a necessidade de um mercado de maquiagem mais inclusivo, equilibrando personalização, inovação e representatividade.

Com essas estratégias, as marcas podem expandir seu alcance global e, ao mesmo tempo, promover um setor mais diverso e alinhado às necessidades reais dos consumidores.

Referências

SHADES. Makeup Shades Dataset. Disponível em: https://www.kaggle.com/datasets/shivamb/makeup-shades-dataset. Acesso em: 10 jan. 2025.

DUTT-ROSS, S. Manual de Análise de Dados. Rio de Janeiro: [s.n.], 2020. Disponível em: https://livrometodosquantitativos.netlify.app/. Acesso em: 10 jan. 2025.

COMO FAZER UM BOXPLOT BÁSICO. Geo Krigagem. Disponível em: https://geokrigagem.com.br/geoestatistica-no-r-licao-12-ggplot2-boxplot-tutorial. Acesso em: 14 jan. 2025.

BASES PARA DIFERENTES TONS DE PELE: veja as novidades no mercado. Vogue. Disponível em: https://vogue.globo.com/beleza/skincare/noticia/2018/10/andamento-bases-para-diferentes-tons-de-pele-veja-novidades-no-mercado.ghtml. Acesso em: 14 jan. 2025.

COMO A FENTY BEAUTY, MARCA DA RIHANNA, REVOLUCIONOU A INDÚSTRIA DA BELEZA. Think with Google. Disponível em: https://www.thinkwithgoogle.com/intl/pt-br/futuro-do-marketing/gestao-e-cultura-organizacional/diversidade-e-inclusao/como-fenty-beauty-marca-da-rihanna-revolucionou-industria-da-beleza/#:~:text=Lan%C3%A7amos%20a%20Fenty%20Beauty%20com,clara%20at%C3%A9%20a%20mais%20escura. Acesso em: 14 jan. 2025.

DIVERSIDADE E INCLUSÃO ESTÃO NO RADAR DO MERCADO DE BELEZA. Sebrae. Disponível em: https://sebrae.com.br/sites/PortalSebrae/artigos/diversidade-e-inclusao-estao-no-radar-do-mercado-de-beleza,45a76a131b486810VgnVCM1000001b00320aRCRD. Acesso em: 14 jan. 2025.

DESENVOLVENDO A BELEZA INCLUSIVA: TENDÊNCIAS E INOVAÇÕES NA INDÚSTRIA COSMÉTICA. Talk Science. Disponível em: https://www.talkscience.com.br/industria-cosmetica/desenvolvendo-a-beleza-inclusiva-tendencias-e-inovacoes-na-industria-cosmetica. Acesso em: 23 jan. 2025.

CORRELAÇÃO E VISUALIZAÇÕES DE MATRIZES DE CORRELAÇÃO NO R. RPubs. Disponível em: https://rstudio-pubs-static.s3.amazonaws.com/437792_df39a5ff0a55491fb71f0f4a0f5cd0bf.html. Acesso em: 23 jan. 2025.