把 AI 肌肤分析接入推荐系统:从测肤结果到护肤商品匹配
2026/8/25 4:52:38 网站建设 项目流程

对护肤品牌来说,AI 肌肤分析的价值不只在于生成一份测肤报告,更重要的是把分析结果接入推荐系统,让用户完成自拍后,可以进入更准确的商品推荐、护理建议或会员服务流程。

从技术角度看,AI 测肤可以被理解为一个图像分析入口。用户上传自拍后,系统通过 API 获取毛孔、纹理、皱纹、痘痘等维度的分析结果,再由品牌自己的业务系统决定下一步推荐什么产品、内容或服务。

玩美移动 YouCam API 提供的 AI Skin Analysis 能力,适合被嵌入品牌官网、App、小程序、电商页面或线下导购工具中。对于开发团队而言,重点不是“单次调用成功”,而是如何把测肤任务、结果解析、推荐规则和用户数据管理连接起来。

一、AI 肌肤分析在系统中的位置

在一个完整的护肤推荐链路里,AI 肌肤分析通常处于“数据输入层”。

它负责把用户自拍转换为结构化结果,例如某类肌肤问题的类型、分数或可视化结果。后续的推荐逻辑,则应该由品牌自己的商品系统、内容系统和会员系统来承接。

可以把整体架构理解为:

用户自拍

AI 肌肤分析 API

结构化肤况结果

推荐规则 / 推荐模型

商品、内容、护理方案

前端报告展示

这种设计的好处是职责清晰。AI API 负责分析图像,品牌系统负责理解业务含义。这样后续无论是新增商品、调整推荐策略,还是针对不同渠道配置不同报告,都不需要频繁改动底层 AI 调用逻辑。

二、代码示例:创建 AI Skin Analysis 任务

下面保留一段 AI Skin Analysis 任务创建示例,代码段不做修改:

bash

curl --request POST \
--url https://yce-api-01.makeupar.com/s2s/v2.0/task/skin-analysis \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
"src_file_id": "SaGaqpDgKwFrVBgMpQMA3HY0LeqdT9/13W5TOD8/u/FfjK3xgCQ+hRt9MJXBFaud",
"dst_actions": ["hd_wrinkle",

"hd_pore",

"hd_texture",

"hd_acne"],
"miniserver_args": {
"enable_mask_overlay": true,
"enable_dark_background_hd_pore": true,
"color_dark_background_hd_pore": "3D3D3D",
"opacity_dark_background_hd_pore": 0.4
// Additional parameters omitted for brevity
},
"format": "json"
}'

这段请求中,dst_actions是比较关键的字段。它决定本次分析关注哪些肌肤维度,例如wrinkleporetextureacne。在真实项目中,技术团队可以根据业务场景配置不同的分析组合。

例如,抗老专题页可以重点关注皱纹和纹理;毛孔护理产品页可以重点关注毛孔状态;祛痘护理链路可以重点关注痘痘相关结果。这样 API 调用就不只是固定流程,而是可以和品牌的业务场景绑定。

三、从 API 结果到推荐规则

AI 肌肤分析结果不建议直接等同于最终推荐结果。更合理的方式,是在中间增加一层“结果解释层”。

这一层主要完成三件事。

第一,把 API 返回的技术字段转换成业务可理解的肤况标签。

例如:

pore → 毛孔关注
texture → 肌理关注
wrinkle → 抗老关注
acne → 痘痘护理关注

第二,把肤况标签映射到商品功效标签。

例如:

毛孔关注 → 控油、细致毛孔、清洁
肌理关注 → 修护、平滑、温和焕肤
抗老关注 → 紧致、淡纹、抗氧化
痘痘护理关注 → 舒缓、控油、温和清洁

第三,结合用户信息做过滤。

例如,用户是否敏感肌、是否孕期、预算范围是多少、是否偏好某类成分、是否已经购买过相关产品。这些信息通常不来自 AI API,而来自问卷、会员档案或交易数据。

因此,AI 肌肤分析更适合作为推荐系统的一个输入,而不是替代完整推荐系统。

四、推荐系统不要只看单次测肤结果

很多品牌在接入 AI 测肤时,容易只关注“这一次测出了什么”。但从技术运营角度看,多次测肤结果更有价值。

如果用户第一次测肤显示毛孔问题明显,系统推荐了控油和毛孔护理产品;四周后用户再次测肤,毛孔分数有所变化,品牌就可以基于变化趋势生成新的护理建议。

这类长期数据可以用于:

首次测肤 → 建立肤况档案
二次测肤 → 判断护理变化
多次测肤 → 形成趋势记录
结合购买 → 分析产品使用效果
结合会员 → 触发复购和内容推荐

这样,AI 肌肤分析就不只是一次营销互动,而是可以进入会员运营和用户生命周期管理。

五、技术落地时要注意数据边界

在系统设计中,建议把 AI 分析结果、推荐规则和用户身份信息分层处理。

AI 分析结果可以保存为结构化记录,例如分析时间、分析项目、分数、图片结果地址、任务状态等。

推荐规则可以单独维护,例如某个肤况标签对应哪些商品、内容或护理建议。

用户身份信息则需要按照隐私和合规要求进行管理,避免不必要地长期保存原始面部图像。

一个比较稳妥的设计是:

AI 任务表:记录 file_id、task_id、task_status
测肤结果表:记录肤况类型、分数、结果地址
推荐规则表:记录肤况标签与商品标签关系
用户档案表:记录授权后的用户测肤历史

这样既方便后续排查任务问题,也方便推荐系统独立迭代。

六、前端展示要避免“黑盒推荐”

对用户来说,只看到“推荐你购买这款精华”是不够的。更好的体验是解释推荐依据。

例如:

根据本次 AI 肌肤分析结果,你的肌肤纹理和毛孔状态更需要关注。
因此建议优先选择控油、细致毛孔和修护类产品。

这种展示方式可以让用户理解推荐逻辑,也能降低“系统为什么推荐这个”的疑问。

如果结果中包含可视化 mask 或局部区域展示,前端可以进一步把分数和图像结合起来,帮助用户理解具体问题区域。但展示时要注意表达方式,避免使用过度医疗化或诊断式描述。

七、适合技术团队的接入建议

实际接入时,建议采用后端封装方式。

前端负责拍照、授权、上传状态展示和报告页面。
后端负责 API Key 管理、文件上传、任务创建、状态查询、错误处理和结果落库。
推荐系统负责根据肤况结果匹配商品、内容或服务。
运营后台负责维护不同肤况标签对应的推荐规则。

这种结构更适合长期维护,也方便多端复用。无论是品牌官网、小程序、App,还是线下门店设备,都可以复用同一套后端测肤服务。

结语

AI 肌肤分析 API 的核心价值,不只是识别用户当前肤况,而是把自拍图像转换成可被业务系统使用的数据。对技术团队来说,真正需要关注的是如何把 API 结果接入推荐系统、会员系统和前端报告,而不是只完成一次接口调用。

借助玩美移动 YouCam API,护肤品牌可以把 AI 测肤能力嵌入自己的数字化触点中,让用户从自拍开始,进入更个性化的商品推荐和护理服务流程。

目前 API 仅支持海外使用,品牌或开发团队在规划接入前,需要先确认业务区域、部署环境和相关合规要求。

需要专业的网站建设服务?

联系我们获取免费的网站建设咨询和方案报价,让我们帮助您实现业务目标

立即咨询