Midnight Blue Calming Cream vs Midnight Blue Clearing Water Cream
Midnight Blue Clearing Water Cream — Midnight Blue Clearing Water Cream을(를) 고르세요 — 이 그룹에서 앞섭니다: 포뮬러 3
그룹명을 눌러 근거 확인 · 점수 산출 방식은 공개되어 있습니다
요약
Midnight Blue Clearing Water Cream가 40/100으로 승리합니다(Midnight Blue Calming Cream 38).
주요 차이: 성분 수 (39 vs 38) · 핵심 성분 (1 vs 2) · 피해야 할 성분 (25 vs 22).
점수는 12개 공개 사양에서 계산됩니다. 누락된 값은 미확인으로 표시되고 카테고리 중앙값으로 대체되며 실측으로 가장하지 않습니다.
한눈에 보기
그룹별 0–100, 카테고리 내 정규화 · 그룹명 누르면 상세로
고르는 방법
Midnight Blue Calming Cream, 중요한 게…
- 세라마이드 ✓ vs —
Midnight Blue Clearing Water Cream, 중요한 게…
- 성분 수 38 +1 vs 39
- 핵심 성분 2 +1 vs 1
- 피해야 할 성분 22 +3 vs 25
- 나이아신아마이드 ✓ vs —
최저가
저렴한 대안
Nivea Soft Moisturizing Cream
First Aid Beauty Ultra Repair Cream
Aveeno Calm + Restore Oat Gel
CeraVe PM Facial Moisturizing Lotion
Klairs Fundamental Watery Oil Drop
The Ordinary Natural Moisturizing Factors + Phytoceramides
차이점
5 · 실제로 다른 행만, 행마다 판정
| Midnight Blue Calming Cream | Midnight Blue Clearing Water Cream | 차이점 | |
|---|---|---|---|
| 성분 수 | 39 | 38 | Midnight Blue Clearing Water Cream |
| 핵심 성분 | 1 | 2 | Midnight Blue Clearing Water Cream |
| 피해야 할 성분 | 25 | 22 | Midnight Blue Clearing Water Cream |
| 나이아신아마이드 | — | ✓ | Midnight Blue Clearing Water Cream |
| 세라마이드 | ✓ | — | Midnight Blue Calming Cream |
전체 스펙
그룹별 접기 · 그룹명 눌러 접기
포뮬러4▾
| Midnight Blue Calming Cream | Midnight Blue Clearing Water Cream | |
|---|---|---|
| 성분 수 | 39 | 38 |
| 핵심 성분 | 1 | 2 |
| 피해야 할 성분 | 25 | 22 |
| 무향료 | ✓ | ✓ |
액티브8▾
| Midnight Blue Calming Cream | Midnight Blue Clearing Water Cream | |
|---|---|---|
| 나이아신아마이드 | — | ✓ |
| 히알루론산 | ✓ | ✓ |
| 비타민 C | — | — |
| 세라마이드 | ✓ | — |
| 레티노이드 | — | — |
| 살리실산 | — | — |
| AHA 각질 제거 성분 | — | — |
| 클레이 | — | — |
데이터 출처: INCIDecoder
자주 묻는 질문
Midnight Blue Calming Cream과(와) Midnight Blue Clearing Water Cream 중 무엇이 더 좋나요?
Midnight Blue Clearing Water Cream가 40 대 38로 근소하게 앞섭니다, 포뮬러에서 앞섭니다. 세라마이드이(가) 더 중요하다면 Midnight Blue Calming Cream를 선택하세요.
주요 차이점은 무엇인가요?
주요 차이: 성분 수 (39 vs 38) · 핵심 성분 (1 vs 2) · 피해야 할 성분 (25 vs 22).
점수는 어떻게 계산되나요?
12개 공개 사양을 카테고리 내에서 정규화하고 그룹별 가중치로 0–100점을 매깁니다. 누락 데이터는 동일 사양 모델에서 상속하거나 카테고리 중앙값으로 대체하므로 사양이 적은 제품이 유리해지지 않습니다. 방법론은 공개되어 있습니다.