Análise de pele por selfie em loja física: como equipar o balcão com dado real

O varejo de beleza ainda depende quase inteiramente da leitura visual de quem está atrás do balcão. Uma consultora experiente acerta o tom de base no olho; uma recém-contratada, em um sábado cheio, nem sempre. A análise de pele por selfie em loja física resolve esse desvio de forma simples: a cliente tira uma foto em um tablet, o sistema devolve um perfil estruturado em segundos, e a conversa de venda passa a começar de um dado comum a todo mundo da equipe — não da intuição de cada pessoa.

Este artigo é sobre como montar esse fluxo na prática: o que roda no dispositivo, o que volta da API, como ligar o resultado ao catálogo e ao CRM, e quais cuidados tomar antes de colocar em dezenas de pontos de venda.

Por que o balcão precisa de um dado padronizado

Três problemas aparecem em quase toda operação de loja própria ou quiosque:

• Variação entre consultoras. Duas profissionais indicam tons diferentes para a mesma cliente. A troca vira devolução, e a devolução vira custo.
• Rotatividade. Treinar subtom e tipo de pele leva tempo; o time muda antes de o treinamento amadurecer.
• Nada fica registrado. A melhor conversa de beleza do mês acontece presencialmente e some. O cliente volta em três meses e começa do zero, ou compra no e-commerce e é tratado como anônimo.

Um perfil de beleza capturado no ponto de venda ataca os três ao mesmo tempo: padroniza a leitura, acelera a autonomia de quem é novo e transforma o atendimento em dado próprio da marca.

Como funciona a análise de pele por selfie em loja física

O MaIA Scan é uma API: o dispositivo envia uma foto e recebe de volta um JSON com o perfil de beleza — tom e subtom de pele, tipo e condição da pele, atributos de cabelo e um grau de confiança por campo. O modelo foi treinado com pele brasileira, o que importa em um país onde a distribuição de tons e subtons não se parece com a de catálogos importados.

Na loja, isso vira uma tela só.

O que roda no tablet

A camada visível é uma página web simples — uma PWA aberta em um tablet no balcão, um totem de autoatendimento ou o próprio celular da consultora. Ela faz três coisas: captura a foto, chama a sua API interna (que, por sua vez, chama a MaIA Scan com a chave de API guardada no servidor, nunca no dispositivo) e mostra o resultado em linguagem de venda, não em JSON cru.

O que a consultora vê

Não mostre o payload. Traduza. Em vez de undertone: warm, a tela diz: "subtom quente — comece pelas bases da família dourada". Em vez de exibir todos os campos, mostre os três ou quatro que mudam a recomendação naquela categoria. O grau de confiança por campo serve para o seu time, não para a cliente: quando vier baixo, a interface pede uma nova foto com luz melhor em vez de empurrar uma sugestão fraca.

Luz, fundo e enquadramento

Loja é um ambiente de iluminação hostil: spot amarelo em cima, vitrine com luz de rua atrás. Vale definir um ponto fixo de captura, com fundo neutro e luz frontal difusa, e treinar a equipe a usar sempre o mesmo lugar. A consistência do ponto de captura é o que mais melhora a qualidade do resultado no varejo físico.

Do perfil para a recomendação

Perfil sem catálogo mapeado não vende nada. O passo seguinte é ligar cada combinação de atributos aos SKUs reais da marca: quais tons de base atendem cada faixa de tom e subtom, quais linhas de skincare combinam com cada condição visível, quais produtos de cabelo correspondem a cada atributo.

Quando esse mapeamento precisa conversar com estoque, campanhas e linguagem de marca, faz sentido usar o MaIA Beauty Advisor, a consultora de IA integrada ao catálogo — entregue como projeto com o time da B4A, e não como API self-service. Ele dá à equipe de loja a mesma recomendação que o cliente recebe no WhatsApp ou na página de produto, o que elimina a contradição clássica entre canais.

Prova virtual como segundo passo

Depois do perfil, a cliente costuma querer ver. O MaIA Try-On tem duas formas: a API por foto, que renderiza batom ou base sobre a imagem com a paleta calibrada nos produtos reais da marca, e o SDK de navegador, em acesso antecipado desde setembro de 2026, com treze produtos e Full Look em modo ao vivo pela câmera ou modo foto, renderizado localmente no navegador. No balcão, o modo ao vivo tem um apelo óbvio; o acesso é concedido por conta, então vale alinhar isso com o time antes de desenhar a jornada.

Conectando a loja ao CRM

O valor de longo prazo não está na venda daquele dia. Está em gravar o perfil de beleza no cadastro do cliente, com consentimento explícito e finalidade declarada, e usá-lo depois: segmentação de e-mail por subtom, aviso de reposição com o tom certo, reconhecimento do mesmo perfil quando a pessoa entra no e-commerce. A loja física vira a porta de entrada do dado próprio, e não um canal isolado.

Um ponto que não pode ser negociado: a análise descreve atributos visíveis em uma foto. Ela não diagnostica, não trata e não substitui avaliação profissional. O script da equipe precisa refletir isso.

O que medir nas primeiras semanas

Comece com um piloto em poucas lojas e acompanhe: número de análises por loja e por consultora, taxa de conversão do atendimento com e sem análise, ticket médio, índice de troca por tom errado e taxa de opt-in para o cadastro. Resultados variam conforme catálogo, fluxo de loja e canal — por isso o comparativo tem que ser interno, entre lojas semelhantes, e não contra números de terceiros.

A integração em si é direta: conta, créditos, chave de API e uma chamada. Veja os três produtos da MaIA e crie sua conta e chave de API para testar o fluxo de loja com fotos reais do seu público — ou fale com o time para desenhar o piloto junto.