Den (o)personliga skönhetsrådgivningen - En mixed methods-studie om konsumenters upplevelser av AI-baserad skönhetsrådgivning och förtroende för varumärken

Sammanfattning

AI-baserad skönhetsrådgivning har blivit en del av hur skönhetsvarumärken försöker skapa mer personliga tjänsteerbjudanden. Genom verktyg för hudanalys, virtual try-ons och produktrekommendationer så kan konsumenter få råd som framställs som personliga och anpassade efter individens behov. Samtidigt bygger denna rådgivning på tekniska system som ska tolka visuella drag, däribland hudton och undertoner. Detta gör skönhetsrådgivning till en relevant kontext för att undersöka hur AI-baserade tjänster upplevs och hur dessa upplevelser kan påverka varumärkesförtroende. Studien fokuserar särskilt på hur detta skiljer sig mellan konsumenter med ljusare och mörkare hudtoner. Det teoretiska ramverket utgår från Expectation-Confirmation Theory och Organizational Trust och bygger på en mixed methods-ansats. Det empiriska materialet består av 210 enkätsvar, varav 127 respondenter hade använt någon form av AI-baserad skönhetsrådgivning. Materialet analyserades i SPSS genom index, gruppjämförelser och korrelationsanalys. Medan fritextsvaren analyserades tematiskt för att fånga hur konsumenterna själva beskrev sina erfarenheter. Respondenterna delades in efter Fitzpatrick-skalan, där kategori I till III användes för ljusare hudtoner och kategori IV till VI för mörkare hudtoner. Resultatet gav inte statistiskt stöd för att konsumenter med mörkare hudtoner rapporterar lägre ECT-index eller förtroende-index än konsumenter med ljusare hudtoner. Däremot framkom vissa mönster i hypotesernas riktning. Resultatet visade även ett positivt och statistiskt signifikant samband mellan upplevd trovärdighet för AI-rådgivningen och förtroende för varumärket. Den tematiska analysen visar att AI-rådgivning kan upplevas som ett stöd vid produktval, men också som opersonlig och bristande i visuell träffsäkerhet. Studien visar att AI-baserad skönhetsrådgivning inte bara handlar om träffsäkerhet. Felaktiga resultat kan även få olika betydelser beroende på hur felet tolkas och verkar ibland påverka förtroendet för AI mer än varumärket bakom tjänsten.