定义与背景
感官评价来源于早期的食品科学，是将用于人体的不同部位的产品按照使用规律，以人的感官感知测定产品性质或调查喜好程度。食品科技协会（IFT）与美国材料与试验协会（ASTM）定义的感官评价（Sensory Analysis）是用于唤起、测量、分析和解释通过视觉、嗅觉、触觉、味觉、以及听觉这些感官对产品感官品质所引起反应的一门科学。随着技术和研究的深入，感官评价逐渐独立发展成为跨学科和跨领域的方向。在我们实施化妆品感官评价的过程中，生物学、医学、心理学、逻辑学、行为学、伦理学、物理、数学、统计学以及化学等学科都得到了应用。
化妆品做为一个重要的人体使用品类产品，产品以涂抹、喷洒或者其他类似方法，散布于人体表面的任何部位。在它的功效属性评价获得认同的同时，感官评价的研究也变得深入人心。因其客观的实用性，几乎可以被应用于化妆品企业的所有环节，比如研发、市场、营销推广、品质管理等等。
阐述
既然定义中提到四项基本过程：唤起、测量、分析和解释。下文中将结合化妆品的特性一一进行阐述。
唤起按照定义中描述，“唤起”说明了受测试的产品各种属性的客观存在与人体的认知中，也可以说是潜意识的存在。所以需要通过建立一系列的合理控制条件和有效的分析处理方法，使得测试的所获得的结果客观，有现实意义和分析价值。例如，感官评价员可以在固定环境中，排除干扰，静心分析体验样品；也比如问卷设计过程中，排除倾向性和复杂性，又如样品的准备中，避免编号、分样误差、容器合理性以及温湿度控制等等。如此确保意外的变化得到控制，提高了评价员对样品的感知的精度。
从古到今，化妆品已经被使用了几千年。在这几千年的实践过程中，好的肤感、触感以及使用方式不断地被提升和改善，这是人们从内心启迪而来的一次次的变革。人们对使用感觉的追求源源不断，这是化妆品的消费者对肤感的唤起。
如今化妆品原料高度发达的时代，为我们提供更加多彩多姿的肤感提供了可能。配方师在研究配方的时候，肤感的要求往往是第一要素，也是基本要素。他们通过不断尝试，调整出更符合需求的肤感。在这个过程中，使用的肤感自然而然地在实验室中被唤起。
测量“测量”就是指定量，也就是将评价员的感性感知的程度进行量化，量化之后立体表达受测化妆品的属性。其实这就是数据的采集过程。把人和物进行了合理的、特定的、直观的和可控的关联。因此在测试方法上要进行多方位的研究和探讨。通常不同的测试目的就需要采用不同的测试方法。合理的方法可以让评价员辨别产品细微的变化、变化的比例以及喜好偏向的属性指标。
为了呈现化妆品样品的属性，可以由浅入深，然后再由深出浅。可以选择简单的差别检验，也可以惊醒特定的量化检测。表1化妆品使用过程中的部分主要指标
简单的差别方法主要有3点检验、2-3点检验和对比检验。量化检验方面，引入标度方法。标度方法来源于美国陆军军需研究处的9点快感刻度。通过9点快感刻度，我们将化妆品的65项测试指标进行了定义，并且配备标样进行长期训练。以确保评价员在测试过程中精确度。图1由美军陆军研究所总结的人类9点快感标度图
分析化妆品感官评价中的第三个过程是分析。这是将所获取的数据和有效结果的实现过程。它在感官分析中是至关重要，分析过程中可能会抹杀产品差距的特性、也可能不重要的属性被放大。因此合适的统计方法和分析手段变得十分重要。在化妆品感官评价中我们主要采用了如下方法：
算术平均法
算术平均法是求出一定观察期内预测目标的时间数列的算术平均数作为下期预测值的一种最简单的时序预测法。
常用的有简单算术平均法和加权算术平均法。
算术平均法是简易平均法中的一种。
设：X1，X2，X3，... ，Xn为观察期的n个资料，求得n个资料的算术平均数的公式为：X=(X1+X2+X3+...Xn)÷n或简写为： X（平均数）=∑x÷n式中：n为资料期数（数据个数）图2通过平均值统计之后绘制的化妆品主要的雷达图
标准偏差
量度数据分布的分散程度，一种量度数据分布的分散程度之标准，用以衡量数据值偏离算术平均值的程度。标准偏差越小，这些值偏离平均值就越少，反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。
独立样本T检验
T检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。
单因素方差分析
单因素方差分析 （one-way ANOVA）,用于完全随机设计的多个样本均数间的比较，其统计推断是推断各样本所代表的各总体均数是否相等。不考虑个体差异的影响，仅涉及一个处理因素，但可以有两个或多个水平，所以亦称单因素实验设计。在实验研究中按随机化原则将受试对象随机分配到一个处理因素的多个水平中去，然后观察各组的试验效应；在观察研究（调查）中按某个研究因素的不同水平分组，比较该因素的效应。
非参数检验
非参数检验(Nonparametric tests)是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容。参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。
SPSS单样本非参数检验是对单个总体的分布形态等进行推断的方法，其中包括卡方检验、二项分布检验、K-S检验以及变量值随机性检验等方法。
卡方检验方法可以根据样本数据，推断总体分布与期望分布或某一理论分布是否存在显著差异，是一种吻合性检验，通常适于对有多项分类值的总体分布的分析。它的原假设是：样本来自的总体分布与期望分布或某一理论分布无差异。
K-S检验方法能够利用样本数据推断样本来自的总体是否服从某一理论分布，是一种拟合优度的检验方法，适用于探索连续型随机变量的分布。单样本K-S检验的原假设是：样本来自的总体与指定的理论分布无显著差异，SPSS的理论分布主要包括正态分布、均匀分布、指数分布和泊松分布等。
变量值随机性检验通过对样本变量值的分析，实现对总体的变量值出现是否随机进行检验。
主成分分析
主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。
主成分分析，是考察多个变量间相关性一种多元统计方法，研究如何通过少数几个主成分来揭示多个变量间的内部结构，即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关.通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。
最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现在F2中，用数学语言表达就是要求Cov(F1, F2)=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。
在这些分析方法中，我们应该根据实际的需要和目的来挑选合适的方法以达到结论的需要。
解释最后一步就是解释结果。我们所下的结论都是基于数据、分析和实验结果而得到的合理判断。结论报告包括所实验方法、检测特性的数据以及数据系统的解释和相关研究背景。必要时，评价专家也需要给出合理措施。比如，在配方提升方面，评价专家需要提供某些指标改进方案，诸如油脂变更增减、乳化剂优劣选择等等具体内容。
小结感官评价包括一系列的检测方法，对于产品的属性、化妆品的指标、统计方法和分析手段、问卷方式与测试流程、指导性的解释等工作提供了正确的、客观的技术和市场结合点。正确的应用包括检测对象的明确、选择合理的方法、合格的评价员、适当的统计方法。当然各个部门的相互关联在感官评价的平台上进行有效的对话，会更好地促进产品的成功，降低产品开发、生产、满足消费者和战略决策的风险。功能完备的感官检测系统和管理流程将会给一个成熟的企业提供更多安全的保障。
