20대 여대생의 피부 톤과 헤어컬러에 따른 얼굴이미지 변화 인식 조사
요약
목적
본 연구는 20대 여대생을 대상으로 피부 톤과 헤어컬러 변화에 따라서 얼굴이미지가 다르게 인식되어 변화를 줄 수 있는지 알아보고 피부 톤에 적합한 헤어컬러 선택에 객관적인 자료를 제공하고자 한다.
방법
20대 여대생을 대상으로 일반적 특성과 피부톤 및 헤어컬러를 변화시킨 자극물에 대한 이미지 평가를 조사하기 위해 설문조사를 진행하였다. SPSS 25.0 통계프로그램을 활용하여 수집된 데이터를 분석하였으며, 빈도분석, 교차분석을 실시하였다.
결과
피부 톤별 헤어컬러에 따른 얼굴이미지 변화 확인 결과, 피부 톤이 밝을수록 헤어컬러에 따라 다양한 얼굴이미지가 형성되는 것으로 나타났으나, 피부 톤이 어두워질수록 헤어컬러 변화보다는 피부 톤 자체에 집중되는 것으로 나타났다. 헤어컬러별 피부 톤에 따른 얼굴이미지 변화 확인 결과, 자주구리빛 어두운 황갈색 헤어컬러는 피부 톤에 따라 다양한 얼굴이미지를 형성하는 반면, 다른 헤어컬러는 피부 톤에 관계없이 비슷한 패턴의 이미지를 형성하는 것으로 나타났다.
결론
연구를 통해 피부 톤에 적합한 헤어컬러 선택에 객관적인 자료를 제공할 수 있도록 피부 톤과 헤어컬러에 따른 얼굴이미지 변화 인식을 분석하였다.
핵심용어: 피부 톤, 헤어컬러, 얼굴이미지, 색채, 헤어염색
Abstract
Purpose
This study aims to investigate whether facial images can be perceived differently by changing skin tone and hair color among female college students in their 20s, and to provide objective data for selecting hair color suitable for skin tone.
Methods
Surveys were conducted for female college students in their 20s to evaluate images regarding general characteristics and stimuli that altered skin tone and hair color. SPSS 25.0 statistical program was used to analyze the collected data, and frequency analysis and cross-tabulation analysis were performed.
Results
Following the analysis of the change of facial images according to hair color by skin tone, it was found that the lighter the skin tone, various facial images were formed according to the brightness of the skin tone. However, the darker the skin tone, the more it is focused on the skin tone itself rather than the change in hair color. Regarding the change in facial images based on skin tone based on hair color, it was observed that dark matogany hair color formed various facial images depending on the skin tone, while other hair colors formed similar patterns of images regardless of skin tone.
Conclusion
The study analyzed the perception of facial image changes according to skin tone and hair color to provide objective data for selecting the right hair color for skin tone.
Keywords: Skin tone, Hair color, Facial image, Color, Hair dyeing
中文摘要
目的
探讨20多岁女大学生通过改变肤色和发色是否会对面部图像产生不同的感知,为选择适合肤色的发色提供客观数据。
方法
对20多岁的女大学生进行调查,评估有关一般特征和改变肤色和头发颜色的刺激的图像。采用SPSS25.0统计程序对收集的数据进行分析,并进行频数分析和交叉表分析。
结果
根据发色和肤色检查面部图像的变化,发现肤色越亮,根据发色形成的面部图像就越多样化。然而,肤色越深,就越关注肤色本身而不是发色的变化。根据发色检查面部图像随肤色变化的结果,发现紫红色-深棕色发色根据肤色形成各种面部图像, 而其他发色无论肤色如何都会形成类似图案的图像。
结论
该研究分析了肤色和发色对面部图像变化的感知,为选择适合肤色的发色提供客观数据。
关键词: 肤色, 头发颜色, 面部图像, 颜色, 染发剂
Introduction
현대사회는 온라인의 발달과 다양한 미디어 보급에 따라 시각적 커뮤니케이션의 중요성이 커지고 있다. 이미지는 개인이 자신을 표현하는 커뮤니케이션의 수단으로 중요한 의미를 가진다( Cho & Ko, 2014).
인간의 만남에서 먼저 인지되는 이미지는 얼굴에서 시작되므로, 얼굴이미지는 대인 관계에서 개인의 전체 이미지를 결정하는 중요한 역할을 한다( Gang, 2005). 사람을 처음 만났을 때 2-3 초만에 첫 이미지를 형성하고, 최초 30 초 후에 그 사람에 관해 최종 결론을 내린다고 한다( Park et al., 2014). 대인관계에서의 첫 이미지는 타인과의 관계를 형성하는데 큰 영향을 미치며, 개인의 능력과 상태 등을 표현하는 대표적인 수단이기 때문에 중요도와 관심도가 높아지고 있다( Jeong, 2019). 외모를 구성하는 요소 중에서 얼굴 생김새, 체형, 헤어스타일, 의복, 액세서리 등은 서로 친숙해지면서 그 중요성이 감소할 수 있지만 첫 이미지에 있어서는 가장 중요한 비언어적 단서 중 하나로 이미지 형성에 영향을 주는 주요 변인이라고 할 수 있다( Kang & An, 2012).
헤어스타일은 개인의 외모 변인 중에서 얼굴이미지에 강력한 영향을 주는 요소로 개성을 표현하고 내적 특성을 전달하는 상징적인 역할을 한다( Ryu, 2005). 외모 이미지를 변화시키는 효과적인 방법인 헤어스타일은 얼굴이라는 한정된 공간에 표현되는 것으로 사람마다 각기 다른 개성을 가지고 있다. 헤어스타일은 자신만의 적합한 이미지 연출하고 매력적으로 변화시킬 수 있는 수단으로서 그 가치는 다른 어떤 요소들보다 높다고 할 수 있다( Kim & Kim, 2015).
개인이 표현할 수 있는 다양한 시각적 이미지들 중에서도 색채는 대상의 전반적인 이미지를 좌우하며 사람들의 반응을 즉각적으로 일으키고 기억 속에 가장 오랫동안 남는 요소이다( Koh et al., 2009). 특히 헤어컬러의 변화는 사람의 얼굴과 가장 가까이 있어 시선을 집중시키며, 그 사람이 어떤 컬러를 선택하여 이미지를 연출했는가에 따라 전체적인 이미지에 큰 변화를 가져올 수 있다( Kang, 2012).
Ryu & Kim (2007)의 연구에 따르면, 얼굴 인상은 머리카락 색, 눈동자 색, 피부 색 등에 따라 각기 다른 이미지로 표현되며, 얼굴이미지 형성에 직접적으로 영향을 주는 헤어컬러는 작은 변화만으로도 얼굴이미지를 쉽게 변화시킬 수 있다고 보고하였다. 또한 Moon et al. (2022)의 연구에서는 헤어컬러가 밝고, 붉은기나 노란기가 많을수록 어린 이미지를 연출하는 것으로 나타났다. 헤어컬러와 피부 톤 간의 밝기와 붉은기의 절대적인 차이가 작을수록 얼굴이 어두워 보이지만 어린 이미지가 증가하는 것으로 나타났다. 또한 헤어컬러와 피부 톤 간의 노란 정도의 절대적인 차이가 작을수록 어린 이미지뿐만 아니라, 얼굴이 생기 있어 보이고, 밝아 보이는 이미지를 함께 높여 주는 것으로 나타났다. 이러한 연구 결과들을 통해 헤어컬러는 이미지 형성에 있어서 중요한 요인으로 인식되고 있는 것을 알 수 있다.
그러나 얼굴이미지와 헤어컬러의 관계에 대한 연구는 아직 매우 제한적이다. 얼굴이미지에 관한 선행연구로는 보색대비를 중심으로 한 베이스 메이크업의 컬러보정을 통한 얼굴이미지 상승효과에 관한 연구( Barng et al., 2010)가 있으며, 화장 전과 후의 얼굴이미지 측정도구개발( Yoo, 2011), 한국여성의 얼굴이미지 유형별 형성요소와 메이크업 디자인의 효과( Baek & Kim, 2014a), 여대생의 얼굴 만족여부에 따른 얼굴 이미지 인식과 외모관리행동에 관한 연구( Choi, 2017), 눈썹 형태와 위치에 따른 얼굴이미지의 차이 연구( Jeong, 2019), 마스크 착용자의 눈썹 형태별 얼굴 이미지가 전반적인 얼굴 평가에 미치는 영향( Lee & Kim, 2023) 등이 있다. 이와 같이 얼굴이미지에 관한 연구는 메이크업 분야와 연관된 연구들이 주를 이루고 있으며, 헤어 분야에 대한 얼굴이미지에 관한 연구는 부족한 실정이다.
이에 본 연구는 20대 여대생을 대상으로 피부 톤과 헤어컬러의 변화에 따라서 얼굴이미지가 다르게 인식되어 변화를 줄 수 있는지 알아보고, 피부 톤에 적합한 헤어컬러 선택에 객관적인 자료를 제공하고자 한다.
Methods
1. 연구 대상
본 연구는 2023년 10월 3일부터 10월 24일까지 총 3주간 20대 여대생을 대상으로 설문을 진행하였다. 설문지는 총 360부가 배포되었으며, 데이터 클리닝을 거쳐 동의하지 않거나 불성실하게 작성된 설문지 40부를 제외한 총 320부의 설문지를 최종 분석에 사용하였다.
2. 측정도구 및 내용
본 연구의 목적을 수행하기 위해 조사대상자의 일반적 특성을 파악하는 7개 문항, 피부 톤과 헤어컬러를 변화시킨 20가지 자극물을 이미지 평가 20개 문항으로 구성하여 총 27개 문항을 사용하여 측정하였다. 20대 여대생 10명을 대상으로 사전 설문조사를 실시하여 자극물 이미지 선정과 크기를 조정하였다. 2023.10.3. ~ 2023.10.24. 조사기간 동안 온라인과 오프라인을 병행하여 자기기입식으로 설문 조사를 진행하였다.
3. 자극물 구성
본 연구에서는 피부 톤과 헤어컬러 변화를 적용할 자극물 구성을 위해 3D 가상인간 리나를 사용하였으며, 가상인간 리나 이미지, 피부 톤 차트, 헤어컬러를 Figure 1에 제시하였다. 3D 가상인간은 실 제 사람이 아닌 디지털 기술로 생성된 인물로, 최근에는 시공간의 제약 없이 다양한 사업에서 광고와 영상물 제작에 활용되고 있다. 가상인간은 사람과 매우 유사하면서도 피부 톤과 헤어컬러 변화에 제약이 없고 사람을 자극물로 활용할 경우 피부 톤에 따라 대상이 되는 사람이 달라지는 잠재적인 변인을 통제하고자 하였다( Moon et al., 2022). 가상인간 리나는 넷마블F&C의 자회사인 메타버스엔터테인먼트에서 AI 기술로 제작한 20대 가상의 여성으로, 현재 디지털 크리에이터, 모델로 활동 중이다. 리나 이미지 중, 자극물로 사용한 것은 사람들이 얼굴이미지를 인식하는데 있어서 피부 톤과 헤어컬러 변화를 잘 확인할 수 있는 이미지를 선정하였다.
설문 평가에 사용될 자극물 구성을 위해 피부 톤 5개과 헤어컬러 4개를 선정하였다. 선정된 5가지 피부 톤과 4가지 헤어컬러를 SNOW 보정 애플리케이션을 사용하여 리나 이미지상에 입혔고, 총 20개의 자극물을 완성하여 Figure 2에 제시하였다.
피부 톤은 다양한 연구( Moon et al., 2022; Seung & Lee)에서 사용되는 로레알 피부 톤 차트를 기반으로 하였으며, 차트는 6가지 색상 A-F와 11가지 명도 1-11로 구성되어 총 66가지 피부 톤을 제시하고 있다. 이 중에서 동양인이 가질 수 있는 피부 톤과 태닝 피부를 포함한 범위 안에서 시각적으로 균등하도록 뉴트럴 계열(C)에서 다섯 가지 명도를 선정하였다.
헤어컬러는 헤어염모제 사용빈도가 높은 국내 브랜드 아모스 프로페셔널의 염모제를 선정하였다( Cho & Kim, 2013). 헤어컬러의 색상은 아모스 프로페셔널의 ‘칼라제닉 트루싱크 S’중에서 자주구리빛 어두운 황갈색(9.46), 강한 적빛 밝은 갈색(8.55), 강한 잿빛 밝은 갈색(8.11), 잿청보라빛 밝은 갈색(8.81)으로 유사한 명도의 웜컬러와 쿨컬러를 각각 2가지씩 선택하였다.
4. 얼굴이미지 변화
피부 톤과 헤어컬러를 다양하게 변화시킨 자극물에서 느낄 수 있는 얼굴이미지 변화를 평가하기 위해 설문을 구성하였다. 얼굴이미지는 선행연구를 참고하여 앳되고 귀여운 이미지, 온화하고 부드러운 이미지, 편안하고 자연스러운 이미지, 세련되고 도시적인 이미지, 우아하고 품위 있는 이미지, 섹시하고 성숙한 이미지, 개성적이고 활동적인 이미지, 강하고 남성적인 이미지의 총 8가지 이미지를 선정하였다( Baek & Kim, 2014b).
5. 자료분석 방법
자료 분석에는 SPSS Statistics 25.0 통계프로그램을 사용하여 통계분석을 실시하였다. 조사대상자의 일반적 특성에 대해 알아보기 위해 빈도분석을 실시하였으며 피부 톤별 헤어컬러에 따른 얼굴이미지 변화와 헤어컬러별 피부 톤에 따른 얼굴이미지 변화에 관해 알아보기 위해 교차분석을 실시하였다.
Results and Discussion
1. 조사대상자의 일반적 특성
조사대상자의 일반적 특성에 대해 분석한 결과는 Table 1과 같다. 분석결과, 연령은 20세 107명(33.4%), 21세 66명(20.6%), 22세 64명(20.0%), 23세 48명(15.0%), 24세 이상 35명(10.9%)으로 나타났고, 학년은 1학년 109명(34.1%), 2학년 78명(24.4%), 3학년 73명(22.8%), 4학년 60명(18.8%)으로 나타났으며, 월 소득(용돈)은 50만원 미만 111명(34.7%), 50-100만원 미만 128명(40.0%), 100만원 이상 81명(25.3%)으로 나타났다.
선호하는 톤 컬러는 쿨컬러 223명(69.7%), 웜컬러 97명(30.3%)으로 나타났고, 선호하는 모발 염색색상은 잿청보라빛 밝은 갈색 133명(41.6%), 강한 잿빛 밝은 갈색 90명(28.1%), 자주구리빛 어두운 황갈색 58명(18.1%), 강한 적빛 밝은 갈색 39명(12.2%) 순으로 나타났으며, 좋아하는 이미지는 편안하고 자연스러운 이미지 98명(30.6%), 세련되고 도시적인 이미지 87명(27.2%), 온화하고 부드러운 이미지 41명(12.8%), 우아하고 품위 있는 이미지 31명(9.7%), 앳되고 귀여운 이미지 27명(8.4%), 개성적이고 활동적인 이미지 26명(8.1%), 섹시하고 성숙한 이미지 10명(3.1%) 순으로 나타났다.
2. 피부 톤별 헤어컬러에 따른 얼굴이미지 변화
피부 톤별 헤어컬러에 따라 얼굴이미지 변화가 있는지를 분석한 결과는 Table 2과 같다. 피부 톤 C1에서 헤어컬러에 따라 통계적으로 유의미한 차이가 나타났으며( p<0.001), 자주구리빛 어두운 황갈색 헤어컬러의 경우 앳되고 귀여운 이미지에 가깝다고 생각하는 것으로 나타났으나 강한 적빛 밝은 갈색 헤어컬러의 경우 섹시하고 성숙한 이미지에 가깝다고 생각하는 것으로, 강한 잿빛 밝은 갈색 헤어컬러나 잿청보라빛 밝은 갈색의 경우 세련되고 도시적인 이미지에 가깝다고 생각하는 것으로 나타나 차이를 보였다.
피부 톤 C3에서 헤어컬러에 따라 통계적으로 유의미한 차이가 나타났으며(p<0.001), 자주구리빛 어두운 황갈색 헤어컬러의 경우 온화하고 부드러운 이미지에 가깝다고 생각하는 것으로 나타났으나 강한 적빛 밝은 갈색 헤어컬러의 경우 섹시하고 성숙한 이미지에 가깝다고 생각하는 것으로, 강한 잿빛 밝은 갈색 헤어컬러의 경우 세련되고 도시적인 이미지에 가깝다고 생각하는 것으로, 잿청보라빛 밝은 갈색의 경우 개성적이고 활동적인 이미지에 가깝다고 생각하는 것으로 나타나 차이를 보였다.
피부 톤 C5에서 헤어컬러에 따라 통계적으로 유의미한 차이가 나타났으며(p<0.001), 자주구리빛 어두운 황갈색 헤어컬러의 경우 편안하고 자연 스러운 이미지에 가깝다고 생각하는 것으로 나타났으나 강한 적빛 밝은 갈색 헤어컬러의 경우 섹시하고 성숙한 이미지에 가깝다고 생각하는 것으로, 강한 잿빛 밝은 갈색 헤어컬러의 경우 세련되고 도시적인 이미지에 가깝다고 생각하는 것으로, 잿청보라빛 밝은 갈색의 경우 개성적이고 활동적인 이미지에 가깝다고 생각하는 것으로 나타나 차이를 보였다.
피부 톤 C7에서 헤어컬러에 따라 통계적으로 유의미한 차이가 나타났으며(p<0.001), 자주구리빛 어두운 황갈색 헤어컬러나 강한 잿빛 밝은 갈색 헤어컬러, 잿청보라빛 밝은 갈색 헤어컬러의 경우 개성적이고 활동적인 이미지에 가깝다고 생각하는 것으로 나타났으나 강한 적빛 밝은 갈색 헤어컬러의 경우 섹시하고 성숙한 이미지에 가깝다고 생각하는 것으로 나타나 차이를 보였다.
피부 톤 C9에서 헤어컬러에 따라 통계적으로 유의미한 차이가 나타났으며(p<0.05), 다소 차이는 있으나 자주구리빛 어두운 황갈색 헤어컬러나 강한 적빛 밝은 갈색 헤어컬러, 강한 잿빛 밝은 갈색 헤어컬러, 잿청보라빛 밝은 갈색 모두 대체적으로 강하고 남성적인 이미지나 개성적이고 활동적인 이미지에 가깝다고 생각하는 것으로 나타났다.
이러한 결과는 피부 톤이 밝을수록 헤어컬러에 따라서 얼굴이미지 변화가 영향을 크게 받는 것을 의미한다. 반면, 피부 톤이 어두울수록 헤어컬러보다는 피부 톤에 집중되어 개성적이고 활동적인 이미지, 강하고 남성적인 이미지가 형성되는 것은 갈색이나 구릿빛처럼 어두운 피부 톤은 근육을 강조하고 탄력적이고 건강하게 보이게 하며 그 결과로 개성적이고 활동적이며 강하고 남성적인 이미지를 느끼는 것으로 풀이된다.
3. 헤어컬러별 피부 톤에 따른 얼굴이미지 변화
헤어컬러별 피부 톤에 따라 얼굴이미지 변화가 있는지를 분석한 결과는 Table 3와 같다. 자주구리빛 어두운 황갈색 헤어컬러에서 피부 톤에 따라 통계적으로 유의미한 차이가 나타났으며( p<0.001), C1 피부 톤의 경우 앳되고 귀여운 이미지에 가깝다고 생각하는 것으로 나타났으나 C3 피부 톤의 경우 온화하고 부드러운 이미지에 가깝다고 생각하는 것으로, C5 피부 톤의 경우 편안하고 자연스러운 이미지에 가깝다고 생각하는 것으로, C7 피부 톤의 경우 개성적이고 활동적인 이미지에 가깝다고 생각하는 것으로, C9 피부 톤의 경우 강하고 남성적인 이미지에 가깝다고 생각하는 것으로 나타나 차이를 보였다.
강한 적빛 밝은 갈색에서 피부 톤에 따라 통계적으로 유의미한 차이가 나타났으며(p<0.001), C1, C2, C5, C7 피부 톤의 경우 섹시하고 성숙한 이미지에 가깝다고 생각하는 것으로 나타났으나 C9 피부 톤의 경우 강하고 남성적인 이미지에 가깝다고 생각하는 것으로 나타나 차이를 보였다.
강한 잿빛 밝은 갈색에서 피부 톤에 따라 통계적으로 유의미한 차이가 나타났으며(p<0.001), C1, C3, C5 피부 톤의 경우 세련되고 도시적인 이미지에 가깝다고 생각하는 것으로 나타났으나 C7 피부 톤의 경우 개성적이고 활동적인 이미지에 가깝다고 생각하는 것으로, C9 피부 톤의 경우 강하고 남성적인 이미지에 가깝다고 생각하는 것으로 나타나 차이를 보였다.
헤어컬러 잿청보라빛 밝은 갈색에서 피부 톤에 따라 통계적으로 유의미한 차이가 나타났으며(p<0.001), C1 피부 톤의 경우 세련되고 도시적인 이미지에 가깝다고 생각하는 것으로 나타났으나 C3, C5, C7 피부 톤의 경우 개성적이고 활동적인 이미지에 가깝다고 생각하는 것으로, C9 피부 톤의 경우 강하고 남성적인 이미지에 가깝다고 생각하는 것으로 나타나 차이를 보였다.
이러한 결과를 통해 자주구리빛 어두운 황갈색은 피부 톤에 따라 다양한 얼굴이미지로 나타났으나, 다른 헤어컬러들은 비슷한 이미지를 형성하는 것을 확인할 수 있다. 강한 적빛 밝은 갈색의 경우 섹시하고 성숙한 이미지를, 강한 잿빛 밝은 갈색의 경우 세련되고 도시적인 이미지를, 잿청보라빛 밝은 갈색은 개성적이고 활동적인 이미지를 형성하는 것으로 나타났다. 이러한 결과는 헤어컬러에 따른 이미지에 관련한 연구가 전무하여 고찰이 어려우나, 패션에서 의복과 연관된 Joo & Lee (2002)과 Lim (2007)의 연구에서 빨강색 의복이 정열적이고 섹시한 이미지를, 파랑색 의복이 시원하고 세련된 이미지를, 보라색 의복이 우아하고 신비로운 이미지를 주는 것으로 나타나 본 연구의 헤어컬러가 주는 이미지와 유사한 결과를 보여 색상이 갖는 특징은 의복이나 헤어에서 유사한 결과를 보이는 것으로 사료된다.
Conclusion
본 연구에서는 20대 여대생을 대상으로 피부 톤과 헤어컬러 변화에 따라서 얼굴이미지가 다르게 인식되어 변화를 줄 수 있는지 알아보고 피부 톤에 적합한 헤어컬러 선택에 객관적인 자료를 제공하고자 연구한 결과 다음과 같은 결론을 도출하였다.
첫째, 조사대상자들의 선호하는 톤 컬러는 쿨컬러 223명(69.7%)로 높게 나타났으며, 선호하는 염색색상 중 쿨컬러는 잿청보라빛 밝은 갈색 133명(41.6%), 강한 잿빛 밝은 갈색 90명(28.1%)으로 나타났다. 이러한 결과로 볼 때 선호하는 톤 컬러와 해당 톤 컬러에 속한 염색색상의 선택 비율이 일치하므로, 헤어컬러 선택 시 선호하는 톤 컬러에 속한 염색색상을 선호하는 경향이 있는 것을 알 수 있었다.
둘째, 피부 톤별로 헤어컬러에 따라 얼굴이미지가 변화된다는 것을 확인할 수 있었다. 피부 톤이 밝을수록 헤어컬러에 따라 다양한 얼굴이미지가 형성되는 것으로 나타났다. 반면, 피부 톤이 어두워질수록 헤어컬러보다 피부 톤 자체에 집중되는 경향이 있었으며, 개성적이고 활동적인 이미지, 강하고 남성적인 이미지가 형성되는 것으로 나타났다. 이것은 어두운 피부 톤에 속하는 갈색이나 구릿빛 피부 톤은 근육을 강조하고 몸매를 더욱 탄력적이고 건강하게 보이게 하는 특성을 지니므로 피부 톤별 헤어컬러에서도 유사한 이미지가 형성된 것으로 사료된다.
셋째, 헤어컬러별로 피부 톤에 따라 얼굴이미지가 변화된다는 것을 확인할 수 있었다. 자주구리빛 어두운 황갈색은 모두 다른 얼굴이미지로 나타났으나, 다른 헤어컬러는 비슷한 패턴의 이미지를 형성하는 것으로 나타났다. 강한 적빛 밝은 갈색은 섹시하고 성숙한 이미지를, 강한 잿빛 밝은 갈색은 세련되고 도시적인 이미지를, 잿청보라빛 밝은 갈색은 개성적이고 활동적인 이미지를 형성하는 것으로 나타났다. 이것은 헤어미용도 패션 분야에서 의복이 주는 이미지와 같이 헤어컬러가 주는 이미지가 유사하게 작용하는 것으로 사료된다.
본 연구의 결과는 20대 여대생들이 피부 톤에 적합한 헤어컬러를 선택하는 데에 있어 객관적인 자료에 도움이 될 것으로 예상된다. 피부 톤과 헤어컬러 변화를 통한 이미지 변화는 실생활에서 적용할 수 있으며, 이러한 변화는 개인 스타일링과 패션 산업에서 중요한 역할을 한다. 개인의 피부 톤에 맞는 헤어컬러를 선택하면 외모의 조화를 이루고, 이는 자신감을 높이고 좋은 첫인상을 남기는데 도움이 된다. 또한, 헤어 스타일리스트나 패션 디자이너는 이를 이해하고 적용하여 고객에게 개인화된 서비스를 제공하고, 이로 인해 고객 만족도를 높이고 브랜드 이미지를 강화할 수 있을 것으로 기대된다.
그러나 본 연구에서는 가상인간 리나를 사용하여 자극물을 통제하였고, 5개의 피부 톤과 4개의 헤어컬러만을 선정하여 연구를 진행하였다는 제한점이 있다. 또한, 조사대상자를 20대 여대생으로 한정하였기 때문에 연구결과를 일반화시키기에는 한계가 있다. 연구결과의 보다 넓은 적용을 위해서는 다양한 연령대와 성별, 더 많은 피부 톤과 헤어컬러를 고려한 추가 연구가 필요하다.
Figure 1.
Image of virtual human Lina, L'Oreal skin tone chart, hair color.
Source: Seung & Lee, 2020.
Figure 2.
Stimulants with skin tone and hair color applied.
Table 1.
General characteristics of the research participants
|
Division |
Frequency (N) |
Percentage (%) |
Age |
20 years old |
107 |
33.4 |
21 years old |
66 |
20.6 |
22 years old |
64 |
20.0 |
23 years old |
48 |
15.0 |
24 years of age or older |
35 |
10.9 |
Grade |
Freshman |
109 |
34.1 |
Sophomore |
78 |
24.4 |
Junior |
73 |
22.8 |
Senior |
60 |
18.8 |
Monthly income (pocket money) |
Under KRW 500,000 |
111 |
34.7 |
KRW 500,000–1000,000 |
128 |
40.0 |
KRW 1 000,000 or more |
81 |
25.3 |
Preferred tone color |
Warm color |
97 |
30.3 |
Cool color |
223 |
69.7 |
Preferred dyed hair color |
Dark purple bronze tan |
58 |
18.1 |
Strong reddish light brown |
39 |
12.2 |
Strong ashy light brown |
90 |
28.1 |
Grayish-indigo light brown |
133 |
41.6 |
Favorite images |
Young and cute image |
27 |
8.4 |
Warm, soft image |
41 |
12.8 |
Relaxed, natural image |
98 |
30.6 |
Sleek, urban image |
87 |
27.2 |
Elegant and classy image |
31 |
9.7 |
Sexy and mature image |
10 |
3.1 |
Unique and active image |
26 |
8.1 |
|
All |
320 |
100.0 |
Table 2.
Facial image changes according to hair color by skin tone
Division |
Facial image
|
χ² (p) |
Young and cute image |
Warm, soft image |
Relaxed, natural image |
Sleek, urban image |
Elegant and classy image |
Sexy and mature image |
Unique and active image |
Strong and masculine image |
C1 & Hair color |
Dark purple bronze tan |
131 (40.9) |
67 (20.9) |
33 (10.3) |
50 (15.6) |
29 (9.1) |
5 (1.6) |
5 (1.6) |
0 (0.0) |
428.752*** (0.000) |
Strong reddish light brown |
31 (9.7) |
11 (3.4) |
9 (2.8) |
69 (21.6) |
27 (8.4) |
90 (28.1) |
80 (25.0) |
3 (0.9) |
Strong ashy light brown |
30 (9.4) |
22 (6.9) |
11 (3.4) |
112 (35.0) |
36 (11.3) |
31 (9.7) |
67 (20.9) |
11 (3.4) |
Grayish-indigo light brown |
34 (10.6) |
14 (4.4) |
9 (2.8) |
95 (29.7) |
35 (10.9) |
46 (14.4) |
74 (23.1) |
13 (4.1) |
AII |
226 (17.7) |
114 (8.9) |
62 (4.8) |
326 (25.5) |
127 (9.9) |
172 (13.4) |
226 (17.7) |
27 (2.1) |
C3 & Hair color |
Dark purple bronze tan |
42 (13.1) |
134 (41.9) |
88 (27.5) |
26 (8.1) |
17 (5.3) |
7 (2.2) |
4 (1.3) |
2 (0.6) |
636.759*** (0.000) |
Strong reddish light brown |
5 (1.6) |
17 (5.3) |
10 (3.1) |
65 (20.3) |
28 (8.8) |
95 (29.7) |
81 (25.3) |
19 (5.9) |
Strong ashy light brown |
9 (2.8) |
21 (6.6) |
35 (10.9) |
114 (35.6) |
38 (11.9) |
22 (6.9) |
68 (21.3) |
13 (4.1) |
Grayish-indigo light brown |
5 (1.6) |
15 (4.7) |
25 (7.8) |
67 (20.9) |
50 (15.6) |
49 (15.3) |
93 (29.1) |
16 (5.0) |
AII |
61 (4.8) |
187 (14.6) |
158 (12.3) |
272 (21.3) |
133 (10.4) |
173 (13.5) |
246 (19.2) |
50 (3.9) |
C5 & Hair color |
Dark purple bronze tan |
31 (9.7) |
63 (19.7) |
99 (30.9) |
31 (9.7) |
37 (11.6) |
22 (6.9) |
25 (7.8) |
12 (3.8) |
383.876*** (0.000) |
Strong reddish light brown |
6 (1.9) |
14 (4.4) |
16 (5.0) |
46 (14.4) |
31 (9.7) |
101 (31.6) |
85 (26.6) |
21 (6.6) |
Strong ashy light brown |
14 (4.4) |
15 (4.7) |
24 (7.5) |
109 (34.1) |
57 (17.8) |
37 (11.6) |
54 (16.9) |
10 (3.1) |
Grayish-indigo light brown |
3 (0.9) |
15 (4.7) |
26 (8.1) |
71 (22.2) |
47 (14.7) |
55 (17.2) |
79 (24.7) |
24 (7.5) |
AII |
54 (4.2) |
107 (8.4) |
165 (12.9) |
257 (20.1) |
172 (13.4) |
215 (16.8) |
243 (19.0) |
67 (5.2) |
C7 & Hair color |
Dark purple bronze tan |
7 (2.2) |
29 (9.1) |
40 (12.5) |
21 (6.6) |
24 (7.5) |
67 (20.9) |
72 (22.5) |
60 (18.8) |
131.340*** (0.000) |
Strong reddish light brown |
3 (0.9) |
6 (1.9) |
7 (2.2) |
30 (9.4) |
20 (6.3) |
111 (34.7) |
96 (30.0) |
47 (14.7) |
Strong ashy light brown |
1 (0.3) |
10 (3.1) |
11 (3.4) |
37 (11.6) |
30 (9.4) |
65 (20.3) |
109 (34.1) |
57 (17.8) |
Grayish-indigo light brown |
3 (0.9) |
6 (1.9) |
6 (1.9) |
28 (8.8) |
12 (3.8) |
73 (22.8) |
124 (38.8) |
68 (21.3) |
AII |
14 (1.1) |
51 (4.0) |
64 (5.0) |
116 (9.1) |
86 (6.7) |
316 (24.7) |
401 (31.3) |
232 (18.1) |
C9 & Hair color |
Dark purple bronze tan |
3 (0.9) |
6 (1.9) |
12 (3.8) |
14 (4.4) |
10 (3.1) |
40 (12.5) |
77 (24.1) |
158 (49.4) |
33.166* (0.044) |
Strong reddish light brown |
4 (1.3) |
4 (1.3) |
4 (1.3) |
7 (2.2) |
8 (2.5) |
60 (18.8) |
98 (30.6) |
135 (42.2) |
Strong ashy light brown |
2 (0.6) |
4 (1.3) |
3 (0.9) |
17 (5.3) |
12 (3.8) |
46 (14.4) |
91 (28.4) |
145 (45.3) |
Grayish-indigo light brown |
2 (0.6) |
4 (1.3) |
2 (0.6) |
12 (3.8) |
8 (2.5) |
37 (11.6) |
85 (26.6) |
170 (53.1) |
AII |
11 (0.9) |
18 (1.4) |
21 (1.6) |
50 (3.9) |
38 (3.0) |
183 (14.3) |
351 (27.4) |
608 (47.5) |
Table 3.
Facial image changes according to skin tone by hair color
Division |
Facial image
|
χ² (p) |
Young and cute image |
Warm, soft image |
Relaxed, natural image |
Sleek, urban image |
Elegant and classy image |
Sexy and mature image |
Unique and active image |
Strong and masculine image |
Dark purple bronze tan & Skin tone |
C1 |
131 (40.9) |
67 (20.9) |
33 (10.3) |
50 (15.6) |
29 (9.1) |
5 (1.6) |
5 (1.6) |
0 (0.0) |
1177.063*** (0.000) |
C3 |
42 (13.1) |
134 (41.9) |
88 (27.5) |
26 (8.1) |
17 (5.3) |
7 (2.2) |
4 (1.3) |
2 (0.6) |
C5 |
31 (9.7) |
63 (19.7) |
99 (30.9) |
31 (9.7) |
37 (11.6) |
22 (6.9) |
25 (7.8) |
12 (3.8) |
C7 |
7 (2.2) |
29 (9.1) |
40 (12.5) |
21 (6.6) |
24 (7.5) |
67 (20.9) |
72 (22.5) |
60 (18.8) |
C9 |
3 (0.9) |
6 (1.9) |
12 (3.8) |
14 (4.4) |
10 (3.1) |
40 (12.5) |
77 (24.1) |
158 (49.4) |
All |
214 (13.4) |
299 (18.7) |
272 (17.0) |
142 (8.9) |
117 (7.3) |
141 (8.8) |
183 (11.4) |
232 (14.5) |
Strong reddish light brown & Skin tone |
C1 |
31 (9.7) |
11 (3.4) |
9 (2.8) |
69 (21.6) |
27 (8.4) |
90 (28.1) |
80 (25.0) |
3 (0.9) |
419.727*** (0.000) |
C3 |
5 (1.6) |
17 (5.3) |
10 (3.1) |
65 (20.3) |
28 (8.8) |
95 (29.7) |
81 (25.3) |
19 (5.9) |
C5 |
6 (1.9) |
14 (4.4) |
16 (5.0) |
46 (14.4) |
31 (9.7) |
101 (31.6) |
85 (26.6) |
21 (6.6) |
C7 |
3 (0.9) |
6 (1.9) |
7 (2.2) |
30 (9.4) |
20 (6.3) |
111 (34.7) |
96 (30.0) |
47 (14.7) |
C9 |
4 (1.3) |
4 (1.3) |
4 (1.3) |
7 (2.2) |
8 (2.5) |
60 (18.8) |
98 (30.6) |
135 (42.2) |
All |
49 (3.1) |
52 (3.3) |
46 (2.9) |
217 (13.6) |
114 (7.1) |
457 (28.6) |
440 (27.5) |
225 (14.1) |
Strong ashy light brown & Skin tone |
C1 |
30 (9.4) |
22 (6.9) |
11 (3.4) |
112 (35.0) |
36 (11.3) |
31 (9.7) |
67 (20.9) |
11 (3.4) |
585.207*** (0.000) |
C3 |
9 (2.8) |
21 (6.6) |
35 (10.9) |
114 (35.6) |
38 (11.9) |
22 (6.9) |
68 (21.3) |
13 (4.1) |
C5 |
14 (4.4) |
15 (4.7) |
24 (7.5) |
109 (34.1) |
57 (17.8) |
37 (11.6) |
54 (16.9) |
10 (3.1) |
C7 |
1 (0.3) |
10 (3.1) |
11 (3.4) |
37 (11.6) |
30 (9.4) |
65 (20.3) |
109 (34.1) |
57 (17.8) |
C9 |
2 (0.6) |
4 (1.3) |
3 (.9) |
17 (5.3) |
12 (3.8) |
46 (14.4) |
91 (28.4) |
145 (45.3) |
All |
56 (3.5) |
72 (4.5) |
84 (5.3) |
389 (24.3) |
173 (10.8) |
201 (12.6) |
389 (24.3) |
236 (14.8) |
Grayish-indigo light brown & Skin tone |
C1 |
34 (10.6) |
14 (4.4) |
9 (2.8) |
95 (29.7) |
35 (10.9) |
46 (14.4) |
74 (23.1) |
13 (4.1) |
595.262*** (0.000) |
C3 |
5 (1.6) |
15 (4.7) |
25 (7.8) |
67 (20.9) |
50 (15.6) |
49 (15.3) |
93 (29.1) |
16 (5.0) |
C5 |
3 (0.9) |
15 (4.7) |
26 (8.1) |
71 (22.2) |
47 (14.7) |
55 (17.2) |
79 (24.7) |
24 (7.5) |
C7 |
3 (0.9) |
6 (1.9) |
6 (1.9) |
28 (8.8) |
12 (3.8) |
73 (22.8) |
124 (38.8) |
68 (21.3) |
C9 |
2 (0.6) |
4 (1.3) |
2 (0.6) |
12 (3.8) |
8 (2.5) |
37 (11.6) |
85 (26.6) |
170 (53.1) |
All |
47 (2.9) |
54 (3.4) |
68 (4.3) |
273 (17.1) |
152 (9.5) |
260 (16.3) |
455 (28.4) |
291 (18.2) |
References
Baek KJ, Kim YI. Facial image type classification and shape differences focus on 20s Korean women. Journal of the Korean Society of Costume 64: 62-76. 2014a.
Baek KJ, Kim YI. Formative elements of the facial image of Korean women and the effects of makeup design. Journal of the Korean Society of Costume 64: 1-20. 2014b.
Barng KJ, Kim KH, Mun YK. A study on assessment of face image with color correction of base makeup: focussed on the complementary color contrast. Journal of Fashion Business 14: 43-56. 2010.
Cho JE, Ko SH. Effect of image making education on self-esteem and education satisfaction. International Journal of Contents 14: 1030-1040. 2014.
Cho YJ, Kim JD. A study on awareness and use of oxidation hairdye among hair shop hairdressers. Korean Society of Cosmetics and Cosmetology 3: 215-228. 2013.
Choi SE. Facial image perception and appearance management behavior based on female university students’ satisfaction with their faces. Asian Journal of Beauty and Cosmetology 15: 85-95. 2017.
Gang EJ. The influence of the eyebrow make-up on facial image. Journal of the Korean Society of Fashion & Beauty 3: 31-38. 2005.
Jeong EY. A study of facial image differences based on eyebrow shape and position. Culture and Convergence 41: 423-452. 2019.
Joo SH, Lee KH. Orange image on the modern fashion (Part I). Journal of the Korean Society of Clothing and Textiles 26: 970-981. 2002.
Kang DY, An JS. Influence of male beard design on the impression’s formation. Journal of the Korean Society of Design Culture 18: 199-213. 2012.
Kang PM. Difference elements of front hair style to understanding preferred image. Asian Journal of Beauty and Cosmetology 10: 313-318. 2012.
Kim KH, Kim JS. The effects of a narcissistic tendency and body esteem on beauty management and hair behavior. The Korean Society of Knit Design 13: 38-44. 2015.
Koh YR, Lim SY, Song HY, Lee JH. A study on color image trend of 2008 F/W women’s wear fashion advertisement focusing on print media. Journal of Korea Society of Color Studies 23: 97-109. 2009.
Lee MJ, Kim KH. The effect of facial image by eyebrow shape of mask wearer on overall facial evaluation. Jounal of The Korean Society of cosmetology 29: 829-840. 2023.
Lim JY. The effect of color coordination type on impression of male wearer (Part 2): focus on tone-in-tone coloration. Journal of the Korean Society of Clothing and Textiles 31: 1297-1309. 2007.
Moon SW, Kim BR, Park SM, Choi H, Kim MH, Chae YJ, Suk HJ. Changes in facial image depending on different matching of hair color and skin tone: a focus on female in their 20’s. Journal of the Korean Society of Color Studies 36: 5-16. 2022.
Park YH, Kim BJ, Yang JH. A study on the evaluation of the impression formation of men and women applying for a personal hair color change. Asian Journal of Beauty and Cosmetology 12: 693-700. 2014.
Ryu JW. The effect of male make-up and hair style on the image perception. The Journal of the Korean Society of Make-up Design 1: 173-184. 2005.
Ryu JW, Kim JS. The interaction effect of male clothing formality level, make-up and hair style on the impressions and Likeness. Jounal of The Korean Society of cosmetology 13: 1345-1355. 2007.
Seung JY, Lee YJ. The impact of relation between the diverse skin color & lip color on the overall makeup impression of the face. Journal of Korea Society of Color Studies 34: 64-78. 2020.
Yoo TS. Development of facial and make-up images scales. Journal Korea Society of Visual Design Forum 32: 281-294. 2011.
|
|