한국어
디지털·가젯 →
컴퓨터 →
영상·음향 →
스마트홈 →
스킨케어 →
도시·지역 →

Soybean Panthenol Cream vs Vita Niacinamide Dark Spot Cream

🏆 결정

Vita Niacinamide Dark Spot Cream — Vita Niacinamide Dark Spot Cream을(를) 고르세요 — 이 그룹에서 앞섭니다: 포뮬러 3 액티브 3

그룹명을 눌러 근거 확인 · 점수 산출 방식은 공개되어 있습니다

요약

Vita Niacinamide Dark Spot Cream가 51/100으로 승리합니다(Soybean Panthenol Cream 38).

주요 차이: 성분 수 (39 vs 34) · 핵심 성분 (1 vs 3) · 피해야 할 성분 (25 vs 19).

점수는 12개 공개 사양에서 계산됩니다. 누락된 값은 미확인으로 표시되고 카테고리 중앙값으로 대체되며 실측으로 가장하지 않습니다.

Soybean Panthenol Cream

Soybean Panthenol Cream

Round Lab
38점수 / 100
2승 · 10무
🏆 종합 승자 Vita Niacinamide Dark Spot Cream

Vita Niacinamide Dark Spot Cream

Round Lab
51점수 / 100
6승 · 6무

한눈에 보기

그룹별 0–100, 카테고리 내 정규화 · 그룹명 누르면 상세로

Soybean Panthenol CreamVita Niacinamide Dark Spot Cream
포뮬러 56 68
액티브 26 39

고르는 방법

Soybean Panthenol Cream, 중요한 게…

  • 세라마이드 ✓ vs —
  • AHA 각질 제거 성분 ✓ vs —

Vita Niacinamide Dark Spot Cream, 중요한 게…

  • 성분 수 34 +5 vs 39
  • 핵심 성분 3 +2 vs 1
  • 피해야 할 성분 19 +6 vs 25
  • 나이아신아마이드 ✓ vs —

최저가

저렴한 대안

차이점

8 · 실제로 다른 행만, 행마다 판정

Soybean Panthenol CreamVita Niacinamide Dark Spot Cream차이점
성분 수 3934 Vita Niacinamide Dark Spot Cream
핵심 성분 13 Vita Niacinamide Dark Spot Cream
피해야 할 성분 2519 Vita Niacinamide Dark Spot Cream
나이아신아마이드 —✓ Vita Niacinamide Dark Spot Cream
비타민 C —✓ Vita Niacinamide Dark Spot Cream
세라마이드 ✓— Soybean Panthenol Cream
살리실산 —✓ Vita Niacinamide Dark Spot Cream
AHA 각질 제거 성분 ✓— Soybean Panthenol Cream

전체 스펙

그룹별 접기 · 그룹명 눌러 접기

포뮬러4▾
Soybean Panthenol CreamVita Niacinamide Dark Spot Cream
성분 수 39 34
핵심 성분 1 3
피해야 할 성분 25 19
무향료 ✓ ✓
액티브8▾
Soybean Panthenol CreamVita Niacinamide Dark Spot Cream
나이아신아마이드 — ✓
히알루론산 — —
비타민 C — ✓
세라마이드 ✓ —
레티노이드 — —
살리실산 — ✓
AHA 각질 제거 성분 ✓ —
클레이 — —

데이터 출처: INCIDecoder

자주 묻는 질문

Soybean Panthenol Cream과(와) Vita Niacinamide Dark Spot Cream 중 무엇이 더 좋나요?

Vita Niacinamide Dark Spot Cream의 종합 점수가 더 높습니다(51 대 38), 포뮬러, 액티브에서 앞섭니다. 세라마이드이(가) 더 중요하다면 Soybean Panthenol Cream를 선택하세요.

주요 차이점은 무엇인가요?

주요 차이: 성분 수 (39 vs 34) · 핵심 성분 (1 vs 3) · 피해야 할 성분 (25 vs 19).

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.