Perfil de beleza em JSON: como ler cada campo e usar no seu produto

Quando uma marca de beleza integra análise por selfie, a entrega não é uma tela bonita: é um perfil de beleza em JSON. O cliente envia uma foto, a API responde com um objeto estruturado que descreve atributos visíveis de pele e cabelo, com um nível de confiança para cada campo. O que a sua equipe faz com esse objeto — em quais canais, com quais regras de fallback — define se a integração vira conversão e dado próprio ou só mais um widget.

Este artigo é um guia prático de leitura: o que cada bloco de campos representa, como interpretar a confiança e como transformar o JSON em decisões de produto.

O que existe dentro do perfil de beleza

O retorno do MaIA Scan descreve o que é visível na foto, organizado em blocos. Não é diagnóstico, não é laudo, não substitui profissional de saúde: é descrição de atributos aparentes, no mesmo espírito de uma consultora que olha para o cliente no balcão.

Pele: tom e subtom

O tom é a posição da pele numa escala de claro a profundo. O subtom é a temperatura por baixo do tom — a informação que costuma decidir se uma base fica cinzenta, alaranjada ou invisível no rosto. São dois campos distintos e é importante tratá-los assim: duas pessoas com o mesmo tom podem precisar de bases diferentes por causa do subtom, e é exatamente aí que a maioria das devoluções de base nasce.

O modelo foi treinado com pele brasileira. Isso importa num país onde a maior parte da população fica na faixa intermediária da escala, justamente a região em que catálogos internacionais costumam ter menos precisão de shade.

Pele: tipo e condição

O tipo descreve o comportamento aparente da pele (oleosa, seca, mista, normal). A condição descreve características visíveis no momento da foto. São campos de leitura contextual: a mesma pessoa fotografada em dias diferentes pode variar, e o seu produto deve tratar isso como um sinal atual, não como um rótulo permanente.

Cabelo

O bloco de cabelo traz atributos visíveis do fio e do penteado na foto. Serve para segmentar linhas de tratamento, coloração e finalização — e para evitar recomendar o produto errado para um tipo de cabelo que a foto já mostrou.

Confiança por campo

Cada campo vem acompanhado de um valor de confiança. Esse é o campo mais subestimado do JSON. Ele não existe para enfeitar: existe para você decidir o que mostrar, o que esconder e quando pedir outra foto.

Como usar o perfil de beleza em JSON em cada canal

Página de produto

Na PDP, o uso mais direto é pré-selecionar a shade. O perfil chega, o front destaca as duas ou três opções compatíveis com tom e subtom e mantém o restante do catálogo visível. Se a confiança do subtom estiver baixa, mostre uma faixa mais ampla de opções em vez de cravar uma única resposta — é melhor acertar a faixa do que errar com precisão.

O perfil também combina bem com prova virtual: o cliente vê a recomendação e testa a cor na hora, em vez de decidir no escuro. Quem estiver avaliando os dois formatos de prova encontra a comparação na página do MaIA Try-On.

CRM e base própria

O JSON é dado estruturado, então cabe direto no perfil do cliente. A partir daí, a segmentação deixa de ser só por histórico de compra e passa a considerar atributos declarados por imagem: comunicação de base por faixa de tom, campanhas de tratamento por tipo de pele, lançamentos de coloração por atributo de cabelo.

Duas recomendações práticas. Primeira: guarde a data da análise junto com o perfil — pele e cabelo mudam, e um perfil de dois anos atrás merece uma nova selfie antes de virar régua de e-mail. Segunda: guarde a confiança junto com o valor. Um campo de baixa confiança não deve alimentar uma campanha de alto investimento.

Atendimento e recomendação assistida

No atendimento humano ou automatizado, o perfil encurta a conversa: em vez de perguntar tom, subtom e tipo de pele, o atendente já começa com o contexto. É esse o cenário em que o perfil se conecta ao catálogo real da marca, papel do MaIA Beauty Advisor, que lê o perfil e recomenda produtos que a marca de fato vende, no WhatsApp, na página ou no chat.

Regras de engenharia que evitam retrabalho

Trate o JSON como contrato, não como texto. Mapeie os campos para o seu modelo de dados interno em vez de espalhar chaves da API pelo front. Quando você quiser trocar a origem do dado ou adicionar campos, o impacto fica contido.

Defina limiares antes de codar a interface. Escolha, por campo, qual confiança mínima libera uma recomendação afirmativa, qual libera uma sugestão suave e qual pede nova foto. Sem esse acordo, cada time define um comportamento diferente.

Cuide da foto na entrada. Luz frontal, rosto desobstruído e sem filtro melhoram muito o resultado. Vale investir na tela de captura: instruções curtas, enquadramento guiado e a possibilidade de refazer.

Não prometa o que o campo não diz. O perfil descreve o que aparece na imagem. Copy que sugira diagnóstico, tratamento ou promessa clínica é risco jurídico e de marca, sem ganho de conversão.

Comece pelo menor escopo possível

A integração mais saudável começa pequena: uma categoria, uma tela, uma métrica. Base, por exemplo — pré-seleção de shade na PDP, comparando conversão e devolução contra o grupo que não usou. Com o aprendizado, o mesmo perfil se estende a tratamento, cabelo e atendimento sem nova integração.

Quer ver o formato de resposta na prática? Crie sua conta, compre créditos e gere sua chave na documentação da API — ou fale com o time da B4A se quiser desenhar o uso do perfil canal a canal.