Round Lab Birch Juice Moisturizing Sun Cream vs Birch Juice Moisturizing Sun Serum SPF50
Kurz gesagt
Round Lab Birch Juice Moisturizing Sun Cream gewinnt diesen Vergleich mit 68/100, vor Birch Juice Moisturizing Sun Serum SPF50 (55).
Die Scores werden aus 14 öffentlichen Spezifikationen berechnet; fehlende Werte bleiben unbekannt markiert und werden mit dem Kategorie-Median imputiert.
Round Lab Birch Juice Moisturizing Sun Cream
Round Lab
Auf einen Blick
0–100 pro Gruppe, normalisiert in der Kategorie · Gruppe antippen für Details
Bester Preis jetzt
Günstige Alternativen
Skin1004 Hyalu-Cica Water-Fit Sun Serum
Canmake Mermaid Skin Gel UV SPF50
ISDIN Fusion Water SPF50
Cosrx Aloe Soothing Sun Cream SPF50
Neutrogena Ultra Sheer Dry-Touch SPF50
Supergoop Unseen Sunscreen
Das komplette Datenblatt
Gruppiert und einklappbar · Gruppe antippen zum Einklappen
Schutz2▾
| Round Lab Birch Juice Moisturizing Sun Cream | Birch Juice Moisturizing Sun Serum SPF50 | |
|---|---|---|
| SPF | 50 | — |
| UV-Filter | 2 | — |
Formel4▾
| Round Lab Birch Juice Moisturizing Sun Cream | Birch Juice Moisturizing Sun Serum SPF50 | |
|---|---|---|
| Anzahl der Inhaltsstoffe | 40 | — |
| Star-Inhaltsstoffe | 3 | — |
| Zu vermeidende Inhaltsstoffe | 23 | — |
| Duftstofffrei | ✓ | — |
Aktive8▾
| Round Lab Birch Juice Moisturizing Sun Cream | Birch Juice Moisturizing Sun Serum SPF50 | |
|---|---|---|
| Niacinamid | ✓ | — |
| Hyaluronsäure | ✓ | — |
| Vitamin C | ✓ | — |
| Ceramide | — | — |
| Retinoid | — | — |
| Salicylsäure | — | — |
| AHA-Exfolianten | — | — |
| Tonerde | — | — |
Datenquellen: INCIDecoder
Häufige Fragen
Welches ist besser, Round Lab Birch Juice Moisturizing Sun Cream oder Birch Juice Moisturizing Sun Serum SPF50?
Round Lab Birch Juice Moisturizing Sun Cream hat die höhere Gesamtwertung (68 gegenüber 55).
Was sind die Hauptunterschiede?
Die Scores werden aus 14 öffentlichen Spezifikationen berechnet; fehlende Werte bleiben unbekannt markiert und werden mit dem Kategorie-Median imputiert.
Wie werden die Scores berechnet?
Wir normalisieren 14 öffentliche Spezifikationen innerhalb der Kategorie und gewichten sie nach Gruppe für einen Score von 0–100; fehlende Werte werden von Modellen mit identischen Spezifikationen geerbt oder mit dem Kategoriemedian imputiert, sodass eine dünne Datenblatt nie begünstigt wird. Die Methodik ist öffentlich.