1. 绪论
1.1. 研究背景
现在的探店视频指人们将探店的过程拍成视频，再上传至抖音等视频app。随着互联网的快速发展，越来越多的人都会将自己的探店经历分享在社交平台，久而久之便孕育出了很多探店博主，他们在平常也去探店，并且他们将探店作为一种职业。以抖音为例，在2022年2月16日，在抖音平台搜索与探店有关的相关话题，播放量累计分别为1069.3亿次和60.2亿次。2022年2月16日，在抖音美食排行榜的前五十名当中，就有九位为探店类美食账号。
1.2. 研究目的
一是分析不同年龄和不同性别的人群在选择探店视频时所考虑到的诸多影响因素是否存在差异。二是目前探店视频在全网爆火，爆火的原因也有很多，所以本文想要分析不同性别和不同年龄的人群对这些原因是否存在差异，以及他们的影响重要性程度分别如何。三是进行预测，即根据哪些变量去预测人群观看探店视频的频率以及观众是否会选择博主推荐过的餐厅。
1.3. 研究的内容和思路
第一部分：简单介绍探店和探店视频的概念和行业的背景。
第二部分：问卷情况概述。
第三部分：描述性统计分析。
第四部分：性别、年龄对选择探店视频和探店视频走红的影响因素及基于神经网络的探店行业发展的影响因素分析。首先进行信效度检验，通过后会进行独立样本T检验、单因素方差分析以及神经网络多层感知器分析。
第五部分：结论、问题和改进措施。
1.4. 文献综述
本部分会对撰写本文所使用的参考文献进行描述总结。
黄仕强[1]在2022年的工人日报上发表的论文探店试吃：流量背后是生意。文章指出：商家需要诚信经营，同时提议可以标注广告和使用“广告法”去规范有偿探店的行为。
沈佳暄等[2]在2022年的新华日报上发表的论文：让“探店江湖”不再野蛮生长。文章分析了探店期间乱象产生的原因，并且指出：可以应用“云体验”带动探店消费；商家、政府、顾客共同努力，提升探店真实性，促进探店行业良性发展。
青晓彤[3]在2022年的新媒体研究上发表的论文：抖音探店类短视频走红原因及发展分析。这篇文章阐述了探店行业出现的问题，并提出了解决探店问题的观点：① 要创新表达方式。② 各大平台要完善审核和鼓励机制，提升作者创作积极性。③ 建议政府要加强制度监管与价值引领。
郭慧[4]在2022年的山西日报上发表的论文：网红探店守“真”才能致远。这篇文章指出了探店视频存在的虚假宣传、视频内容同质化严重等问题以及对于改进这类问题的建议：各大主播应当加强自律恪守底线，不忘初心，回归真实。
朱晓娟等[5]在2022年法制日报上发表的论文：收费探店视频应显著标明“广告”。文章认为：探店博主应当在探店时做到完全客观公正的探店；并且建议相关部门要完善和探店相关的规章制度。
孙吉正[6]在2022年的中国经营报上发布的论文：“探店经济”千亿市场的形成与蜕变。文章指出：探店视频可以将探店与旅游、住宿相结合，形成新的探店模式，从而吸引更多不同人群去关注探店视频。
王雨婷[7]在2022年发表的论文：美食类探店短视频对东北地域形象塑造的影响分析。文章指出：用户在集中评论美食的同时，也会间接地对当地的风土人情进行拓展联想和关注，对当地的美食就可以做出积极正面的评价。
关不羽[8]在2022年发表的论文：探店直播“变味儿”。文章指出：短视频平台经营者要不断反省自身问题，不能急功近利。这样做最终只会害了自己。
林杨[9]在2022年发表的论文：传播学视域下美食类探店Vlog背后的城市形象建构——以哔哩哔哩头部美食UP主为例。文章指出：美食类探店Vlog以鲜明的美食符号特点、强效的互动文本以及多元的传播渠道三大突出特征成为了城市形象构建的新兴力量，但是在发展中必须注重创新思维和主题角度。
2. 探店爆火原因及国内外发展现状介绍
2.1. 探店视频爆火原因浅谈
2.1.1. 短视频时代的迅速崛起
因为短视频这种新的内容形式的走红，很多探店博主的内容形式也转变为短视频风格。同时，短视频时代之前，很多自媒体博主基本上都是专攻某一板块的垂直内容，但在短视频时代，这种内容界限开始变得模糊并且不断向外延伸，生活中的很多场景都可以成为创作的素材。
2.1.2. 探店视频受用户追捧度热度高
互联网用户不断增长，带动了网络消费领域用户群体的大规模增长。与此同时，随着我国国民生活水平的提高，又带动了人均消费能力的提升，“民以食为天”，美食这一基本生活需求的消费相应提升。因此，网络消费群体的增长以及人均消费水平的提升，是美食探店类内容存在和发展的根本驱动力之一。
2.1.3. 商家从探店视频中也可获得好处
随着移动互联网在餐饮领域的加速渗透，越来越多餐饮品牌都通过网络进行售卖商品、提供服务。同时，很多知名探店博主去各大商家进行探店，他们可以充分利用自身携带的巨大流量，将粉丝、路人吸引至商家进行美食消费活动，最终使商家获利。
2.2. 国内外发展现状
国内：截至2021年，中国短视频MCN机构数量已经达到34,000家，预计到2022年将超过40,000家。“探店经济”成为新的产业，在社交平台及招聘平台，各个MCN招聘的探店主播依然是一个新兴的职业。国外：探店类话题生态由北美地区红人主导；非北美地区的头部红人中，欧洲主流国家也有一定影响力。欧美文化圈仍为饮食消费与相关生活方式的引领者。印度、印度尼西亚等人口密集地区也出现综合影响力较强的美食探店类社交媒体账号，但消费场景与消费观念的地域特色也尚不显著。但基于人口基数，当地网络红人仍有极大的商业潜力可开发。
3. 描述统计分析
3.1. 问卷设计
本次问卷包含了二十个问题。问卷的内容涉及以下方面：第一，了解人们观看探店视频的频率。第二，了解填写者观看探店视频所选平台、喜欢的探店视频风格等内容。第三，填写者会反映出一些目前探店视频存在的问题。在经过四天的发放填写工作后，一共收集到607份有效问卷，问卷的回收率为87%。本次问卷填写人群的从事职业有教师、学生、技术人员等15类职业。下文为问卷所得出结果的描述性统计分析。
3.2. 描述性统计分析概述
Figure 1. Frequency statistical chart of watching restaurant exploration videos
图1. 观看探店视频频率统计图
由图1可知，看过探店视频的人占总体的比重为73.54%，说明探店视频在人群中的受众程度还是很高的。在看过探店视频的人中，只有推送或需要时才会观看占比最大，为44.98%。
Figure 2. Statistical chart of occupational distribution of viewers watching restaurant exploration videos
图2. 观看探店视频人群职业分布统计图
由图2可知，看过探店视频人群的职业中，占比最多的是专业人士(例如会计、律师、建筑师医护人员)，占比达到了24.61%。占比高于10%的还有市场或公关人员以及学生，比例分别为19.24%和13.2%。
Figure 3. Statistical chart of the distribution of platforms selected for watching restaurant exploration videos
图3. 观看探店视频所选用平台分布统计图
由图3可知，观看人数占比最多的两个平台分别是抖音和微信短视频。其次则是B站、快手。其他包括小红书、QQ等。通过数据不难看出，人们一般都会选择在短视频平台上观看探店视频。这也能说明目前探店视频的兴起与短视频受人追捧有一定的关系。
由图4可知，占比最高的是各地特色街头小吃，占比达到了76.51% (多选题情况)。说明观众对于这类餐厅还是比较中意的。其次是传统老字号餐厅、“苍蝇”馆子以及家常菜馆。
由图5可知，第一人称视角拍摄 + 配乐以及人物出镜录制视频类占比都很高，都超过了40%，分别达到了44.3%和41.39%，远远大于图片加上音乐类的探店视频风格。从这里可以发现，探店采用视频受用户追捧的热度已经远远大于简单图片这种方式。
Figure 4. Statistical chart of restaurant types that viewers like when watching restaurant exploration videos
图4. 观众观看探店视频时喜欢的餐厅类型统计图
Figure 5. Statistical chart of audience favorite restaurant exploration video styles
图5. 观众喜爱的探店视频风格统计图
Figure 6. Statistical chart of audience attitudes towards recommended videos by restaurant exploration bloggers
图6. 观众对于探店博主推荐视频是否愿意尝试的态度统计图
由图6可知，大部分观众都会去选择亲自尝试探店博主推荐的视频，比重达到了84.57%。而在这些人当中，占比更高的人则是第一类，即看价格，自己能接受就去尝尝，不能接受就不去，占比达到了69.13%。从这组数据我们不难看出，探店博主对饭店的评价对观众选择餐厅与否还是非常重要的。
Figure 7. Statistical chart of whether the audience has a completely different evaluation of a restaurant compared to the one given by the restaurant exploration blogger
图7. 观众是否出现与探店博主对一家餐厅评价截然不同情况统计图
由图7可知，选择有的调查者占到了绝大多数，占比为65.87%。
Figure 8. Statistical chart of the current distribution of problems in restaurant exploration videos
图8. 探店视频目前存在问题分布统计图
由图8可知，虚假宣传、博主自身不够专业是占比最大的两个原因，这两点也是调查者认为目前探店行业所存在的最大问题。
4. 基于神经网络的探店行业发展影响因素分析
4.1. 信度效度分析
信效度分析结果为：克隆巴赫系数的值为0.938，说明数据的可靠性一般，没有达到最好；从显著性水平小于0.05和KMO值的大小为0.971可以看出问卷结构效度较好。
4.2. 独立样本T检验分析
在信度效度分析结束后，下一步进行独立样本T检验分析。此分析主要用于评价各维度在性别上的差异。进行独立样本T检验的前提为：样本来自的总体应服从正态分布、样本间要相互独立。下面是独立样本T检验的结果。
Table 1. Analysis table of gender differences in the importance of the following factors when selecting restaurant exploration videos
表1. 选择探店视频时下列各因素的重要程度在性别上的差异分析表格
性别 |
个案数 |
平均值 |
标准差 |
t |
sig |
探店博主的粉丝和人气 |
男 |
178 |
3.22 |
1.269 |
−0.704 |
0.482 |
女 |
269 |
3.31 |
1.208 |
被探店家的餐厅类型 |
男 |
178 |
3.65 |
1.208 |
−0.785 |
0.433 |
女 |
269 |
3.74 |
1.129 |
探店博主的专业程度 |
男 |
178 |
3.93 |
1.229 |
0.249 |
0.804 |
女 |
269 |
3.90 |
1.209 |
视频时长的长短 |
男 |
178 |
3.34 |
1.155 |
−1.141 |
0.255 |
女 |
269 |
3.46 |
1.074 |
探店博主的风格 |
男 |
178 |
3.73 |
1.172 |
−0.282 |
0.778 |
女 |
269 |
3.76 |
1.160 |
探店视频的风格 |
男 |
178 |
3.79 |
1.177 |
−0.330 |
0.741 |
女 |
269 |
3.83 |
1.140 |
根据表1的独立样本T检验结果可以看出，探店博主的粉丝和人气、被探店家的餐厅类型、探店博主的专业程度、视频时长的长短、探店博主的风格、探店视频的风格在性别的差异显著性水平均大于0.05，接受原假设，认为不同性别对于选择探店视频所受到的种种影响程度没有明显差异。
Table 2. Analysis of gender differences in the importance of the following factors when now restaurant exploration videos are becoming popular all over the Internet
表2. 目前探店视频在全网大为走红，下列各因素的影响重要程度在性别上的差异分析
您的性别是 |
个案数 |
平均值 |
标准差 |
t |
sig |
短视频风格受人喜爱 |
男 |
178 |
3.89 |
1.124 |
0.027 |
0.978 |
女 |
269 |
3.88 |
1.081 |
吃播类视频日渐衰弱 |
男 |
178 |
3.31 |
1.161 |
−0.787 |
0.432 |
女 |
269 |
3.40 |
1.048 |
更多专业厨师加入探店队伍 |
男 |
178 |
3.79 |
1.164 |
0.512 |
0.609 |
女 |
269 |
3.73 |
1.049 |
探店博主的节目效果 |
男 |
178 |
3.67 |
1.138 |
−0.740 |
0.460 |
女 |
269 |
3.75 |
1.030 |
探店视频的素材非常好找 |
男 |
178 |
3.61 |
1.106 |
−0.910 |
0.363 |
女 |
269 |
3.70 |
1.009 |
根据表2的独立样本T检验结果可以看出，短视频风格受人喜爱、吃播类视频日渐衰弱、更多专业厨师加入探店队伍、探店博主的节目效果、探店视频素材非常好找在性别的差异显著性水平均大于0.05，接受原假设，认为不同性别对于目前探店视频走红原因的重要程度上没有明显差异。
4.3. 单因素方差分析
在进行独立样本T检验之后，下一步进行单因素方差分析。此分析用于评价各维度在年龄上的差异。进行单因素方差分析的前提条件为：必须有足够的样本量、实验条件必须是完全随机的，分析结果如下。
Table 3. Statistical table of the influence of age distribution on various factors when selecting restaurant exploration videos
表3. 年龄分布对选择探店视频时各因素影响程度统计表
变量指标 |
年龄分布 |
个案数 |
平均值 |
标准差 |
F |
sig |
多重比较 |
探店博主的粉丝和人气 |
18岁以下 |
10 |
3.40 |
1.174 |
836.547 |
0.000 |
2 > 3，2 > 5 |
19~23岁 |
53 |
3.62 |
1.004 |
24~30岁 |
86 |
3.26 |
1.210 |
30~40岁 |
115 |
3.30 |
1.279 |
40岁以上 |
183 |
3.16 |
1.268 |
被探店家的餐厅类型 |
18岁以下 |
10 |
3.80 |
1.229 |
1061.348 |
0.000 |
3 > 4 |
19~23岁 |
53 |
3.81 |
0.942 |
24~30岁 |
86 |
3.71 |
1.264 |
30~40岁 |
115 |
3.71 |
1.153 |
40岁以上 |
183 |
3.66 |
1.179 |
探店博主的专业程度 |
18岁以下 |
10 |
4.20 |
1.317 |
1036.023 |
0.000 |
2 > 4 |
19~23岁 |
53 |
4.11 |
0.954 |
24~30岁 |
86 |
3.97 |
1.278 |
30~40岁 |
115 |
3.81 |
1.324 |
40岁以上 |
183 |
3.89 |
1.178 |
视频时长的长短 |
18岁以下 |
10 |
3.60 |
1.430 |
1071.625 |
0.000 |
2 > 3，3 > 5 |
19~23岁 |
53 |
3.47 |
0.912 |
24~30岁 |
86 |
3.47 |
1.155 |
30~40岁 |
115 |
3.47 |
1.126 |
40岁以上 |
183 |
3.33 |
1.111 |
探店博主的风格 |
18岁以下 |
10 |
4.00 |
1.247 |
1071.248 |
0.000 |
2 > 4 |
19~23岁 |
53 |
3.74 |
1.077 |
24~30岁 |
86 |
3.76 |
1.217 |
30~40岁 |
115 |
3.81 |
1.228 |
40岁以上 |
183 |
3.70 |
1.125 |
探店视频的风格 |
18岁以下 |
10 |
4.00 |
1.247 |
1113.857 |
0.000 |
4 > 5 |
19~23岁 |
53 |
3.81 |
1.093 |
24~30岁 |
86 |
3.86 |
1.238 |
30~40岁 |
115 |
3.90 |
1.192 |
40岁以上 |
183 |
3.73 |
1.105 |
注：1代表18岁以下，2代表19~23岁，3代表24~30岁，4代表30~40岁，5代表40岁以上。
由表3可知，选择探店视频时影响因素的这几个维度由于显著性水平都<0.05，拒绝原假设，所以证明他们在年龄上都存在显著性差异。并且根据多重比较结果也可以看出，在探店博主的粉丝和人气上，19~23岁的人群比24~30岁的人群更认为该指标的重要程度，并且19~23岁的人群比40岁及以上的人群认为该指标要更重要。证明19~23岁年龄段的人群相对于其他的两个年龄段来说更看重探店博主的粉丝和人气这一要素。同时，在探店博主的专业程度上，30~40岁的人群比40岁以上的人群认为该指标更重要。在探店视频的风格上，30~40岁的人群比40岁以上的人群认为该指标更重要。在被探店家的餐厅类型上，24~30岁的人群比30~40岁的人群认为该指标的影响程度更大更重要。在视频时长的长短上，19~23岁的人群比24~30岁的人群认为该指标的影响程度更重要，同时24~30岁的人群对于该指标的重要性评价也大于40岁以上人群。在探店博主的风格上，19~23岁的人群认为其对选择探店视频的重要程度要大于30~40岁的人群。
Table 4. Statistical table of the influence of age distribution on the factors that contribute to the popularity of restaurant exploration videos
表4. 年龄分布对认为探店视频爆火原因的因素影响程度统计表
变量指标 |
年龄分布 |
个案数 |
平均值 |
标准差 |
F |
sig |
多重比较 |
短视频风格受人喜爱 |
18岁以下 |
10 |
4.20 |
1.229 |
1287.592 |
0.000 |
2 > 5，4 > 5 |
19~23岁 |
53 |
4.15 |
0.744 |
24~30岁 |
86 |
3.86 |
1.086 |
30~40岁 |
115 |
4.05 |
0.981 |
40岁以上 |
183 |
3.70 |
1.219 |
吃播类视频日渐衰弱 |
18岁以下 |
10 |
3.30 |
1.059 |
1106.227 |
0.000 |
2 > 5，4 > 3，4 > 5 |
19~23岁 |
53 |
3.55 |
0.932 |
24~30岁 |
86 |
3.29 |
1.039 |
30~40岁 |
115 |
3.60 |
1.033 |
40岁以上 |
183 |
3.20 |
1.176 |
更多专业厨师加入探店队伍 |
18岁以下 |
10 |
3.90 |
1.197 |
1233.186 |
0.000 |
2 > 3，2 > 5，4 > 3 |
19~23岁 |
53 |
4.06 |
0.818 |
24~30岁 |
86 |
3.52 |
1.124 |
30~40岁 |
115 |
3.81 |
1.059 |
40岁以上 |
183 |
3.73 |
1.153 |
探店博主的节目效果 |
18岁以下 |
10 |
3.60 |
1.265 |
1272.435 |
0.000 |
2 > 5，3 > 5 |
19~23岁 |
53 |
3.91 |
0.883 |
24~30岁 |
86 |
3.60 |
1.130 |
30~40岁 |
115 |
3.92 |
1.027 |
40岁以上 |
183 |
3.60 |
1.099 |
探店视频的素材非常
好找 |
18岁以下 |
10 |
3.30 |
1.059 |
1323.862 |
0.000 |
4 > 1，5 > 4 |
19~23岁 |
53 |
3.81 |
0.878 |
24~30岁 |
86 |
3.51 |
1.037 |
30~40岁 |
115 |
3.91 |
1.022 |
40岁以上 |
183 |
3.55 |
1.088 |
注：1代表18岁以下，2代表19~23岁，3代表24~30岁，4代表30~40岁，5代表40岁以上。
由表4可知，对于探店视频在全网走红的影响因素的重要程度的几个维度中，他们的显著性水平都<0.05，拒绝原假设，所以可以证明这些维度在年龄上都存在显著性差异。在短视频风格受人喜爱上，19~23岁的人群认为其重要程度要大于40岁以上的人群，30~40岁的人群认为其重要程度要大于40岁以上的人群，产生这种情况的原因是当今时代，新生的短视频逐渐占据了年轻人的空闲时光，年龄越大，对于短视频的使用时间和认知程度越不及年轻一代。在吃播类视频衰弱上，19~23岁的人群认为其重要性大小要高于40岁以上的人群，30~40岁的人群认为其影响程度大于24~30岁以及40岁以上的人群。对于更多专业厨师加入探店队伍对探店视频在全网火爆的影响程度，19~23岁的人群认为这种因素的影响程度要比24~30岁的人群和40岁以上的人群要高，并且30~40岁以上的人群比40岁以上的人群认为其影响程度更重要。在探店博主的节目效果上，19~23岁的人群比40岁以上的人群认为其影响程度更高更重要，24~30岁的人群比40岁以上的人群认为其影响程度更重要。在探店视频素材非常好寻找上，30~40岁的人群比18岁以下的人群认为其影响程度更重要，同时40岁以上的人群比30~40岁的人群认为其影响程度更重要。
4.4. 神经网络多层感知器分析
最后一步进行的是神经网络多层感知器分析，使用这种分析方法的主要目的是进行预测。使用神经网络多层感知器分析有以下几个前提条件：样本量不要太少、数据要规范化。下面是神经网络多层感知器分析的具体结果。
第一个神经网络多层感知器分析是将观看探店视频的频率作为因变量，将选择探店视频时各因素的重要性作为协变量，进行分析后得到如下结论。
Figure 9. Analysis diagram of multi-layer perceptron in the first neural network
图9. 第一神经网络多层感知器分析图
首先说明，第十题的子选项分别为：探店博主的粉丝和人气、被探店家的餐厅类型、探店博主的专业程度、视频时长的长短、探店博主的风格和探店视频的风格。图9说明选择探店视频时，探店博主的粉丝和人气的重要程度对于预测每天都观看探店视频的结果有着非常重要的表现。选择探店视频时，探店时长长短的重要程度对于预测只有推送或需要时才去看的结果有着比较好的效果。选择探店视频时，探店博主的风格的重要程度对于预测每天都观看探店视频的结果也有着非常重要的表现。
在模型摘要中，不正确百分比为19.2%，说明预测的正确率还是比较高的。
Figure 10. ROC curve 1 graph
图10. ROC曲线1图
ROC曲线(图10)以正方形的对角线作为参考线，对于在参考线之上的曲线，看曲线下部分对应的面积，曲线越靠上，说明模型的效果越好，从上图可以看出该模型的效果较好。
Figure 11. Independent variable importance degree 1 graph
图11. 自变量重要性程度1图
由图11可以看出，在预测观看探店视频频率这方面，最重要的是在选择探店视频时，探店博主的粉丝和人气的重要程度，其次重要的是探店视频的长短，相对不重要的是探店博主的专业程度。
第二个神经网络多层感知器分析的协变量换成了目前探店视频在全网大为走红，各因素的重要影响程度，而因变量换成了当探店博主对一家餐厅评价很高时，观众是否愿意去亲自尝试，分析结果如下。
Figure 12. Analysis diagram of multi-layer perceptron in the second neural network
图12. 第二神经网络多层感知器分析图
首先说明，第十四题子选项分别为：短视频风格受人喜爱、吃播类视频日渐衰弱、更多专业厨师加入探店队伍、探店博主的节目效果以及探店视频素材非常好找。从上述分析图(图12)可以看出，目前探店视频在全网爆火，探店视频素材非常好找的重要性程度对于预测探店博主推荐餐厅后，观众会看价格多少决定自身是否去门店品尝这个结果有着非常重要的表现。探店视频爆火，更多专业厨师加入探店队伍的重要性程度对于预测探店博主推荐餐厅后，观众会看价格多少决定自身是否去门店品尝这个结果有着非常重要的表现，同时对于预测观众只看视频，不去亲自品尝这一结果也有着相对重要的表现。探店视频爆火，吃播类视频日渐衰弱的影响重要程度对预测只要博主评价高一定会去品尝这一结果也有着较重要的表现。
图13说明预测的曲线都在对角线之上，并且从曲线下部分面积可以看出该模型的效果较好。
图14反映出在预测当探店博主对一家餐厅评价很高的情况下，观众的选择方面，更多专业厨师加入探店队伍的影响程度是最重要的，其次是探店视频素材非常好找的重要性程度，相对不重要的是短视频风格受人喜爱。
5. 结论、问题和改进措施
5.1. 结论
通过上述分析，我们可以得出的结论是：① 探店在人们生活中的普及程度很高。② 不同性别对于选择
Figure 13. ROC curve 2 graph
图13. ROC曲线2图
Figure 14. Independent variable importance degree 2 graph
图14. 自变量重要性程度2图
探店视频所受到的种种影响程度和目前探店视频走红原因的重要程度上没有明显差异。③ 在选择探店视频时考虑的种种因素，不同年龄段之间是存在显著性差异的。④ 在认为探店视频全网走红的原因上，不同年龄段之间是有差异的。⑤ 如果对看过探店视频的人群进行观看探店视频频率进行预测的话，最有效的预测手段是通过观众在选择探店视频时所考虑的探店博主的粉丝和人气的重要程度去进行预测。如果对观众是否选择探店博主推荐视频这方面进行预测的话，最有效的预测手段是通过观众对于更多专业厨师加入探店队伍对探店视频目前全网走红原因的重要程度进行预测。下面是对第一到四点的详细解释。
对于第①点：通过最开始的描述性统计分析结果来看，看过探店视频与没看过探店视频的人的比例为7:3，可以说明探店视频在人们生活当中的普及程度还是相当大的。
对于第②点：不同性别对于选择探店视频所受到的种种影响程度没有明显差异。换句话说，就是在选择探店视频时，大家所考虑的探店博主的粉丝和人气、被探店家的餐厅类型、探店博主的风格、探店视频的长短等这些影响因素与性别无关。并且不同性别对于目前探店视频走红原因的重要程度上没有明显差异。不论是男是女，认为探店视频走红的因素都是没有差异的。
对于第③点：在选择探店视频时所考虑的种种因素，包括探店博主的粉丝和人气、被探店的餐厅类型、探店博主的风格、探店视频的长短这些，不同年龄段之间是存在显著性差异的。通过上述的单因素方差分析结果我们不难看出，19~23岁的年轻人在选择探店视频时，相对于年龄更大的人群来说，他们更愿意去考虑探店博主的粉丝和人气。对于30~40岁年龄段的观众来说，相对于40岁以上的人群，他们在选择探店视频时更倾向于考虑探店博主的专业程度和探店视频的风格这两种因素。同时，19~23岁的年轻人相对于比他们年龄更大的人，他们在选择探店视频时更倾向于考虑探店视频时间长短的问题。
对于第④点：在认为探店视频全网走红的原因上，包括短视频风格受人喜爱、吃播类视频日益衰弱、更多专业厨师加入探店队伍、探店博主的节目效果等这些因素。通过上述的单因素方差分析结果我们不难看出，19~23岁的人群以及30~40岁的人群认为短视频风格受人喜爱这种影响因素对探店视频在全网爆火的重要程度要大于40岁以上的人群。原因是目前短视频的快速崛起，观看短视频也成为了年轻一代消遣的工具，他们对于短视频的认可度也在提升。19~23岁的人群认为更多专业厨师加入探店队伍这种因素对探店视频在全网爆火的重要程度要大于24~30岁的人群和40岁以上的人群，并且30~40岁以上的人群比40岁以上的人群认为其影响程度更重要。19~23岁的人群和24~30岁的人群认为探店博主节目效果对探店视频在全网爆火的影响程度的重要性要大于40岁以上的人群，原因是，年轻一代在选择短视频内容或者选择直播平台主播的时候，节目效果是他们所考虑的一大重要原因。现在年轻一代压力偏大，同时短视频和直播也成为他们平日消遣和放松的工具，观看好的节目效果的视频对于放松身心是有很大作用的，并且能让观众收获更多乐趣。
5.2. 问题和改进措施
上述是通过分析所得的结论，下面简要阐述目前探店行业存在的问题以及对这些问题具体的解决措施。
1) 存在的问题：
探店视频目前在全网很受欢迎，受众人群也很广泛，但可以根据上述结果我们不难看出，大部分人在品尝探店博主推荐的餐厅后，都会出现与探店博主评价截然相反的情况。除了自身口味这种客观原因，探店博主的虚假宣传是更致命的原因。可以发现，有些探店视频中，很多博主对所探店餐厅的菜品赞不绝口，当观众看完该视频后，一般都会产生去该餐厅品尝的念头，但当食客们就餐时会发现，他们所点的菜品与博主所点的菜品相同，但味道与博主所描述的差之甚远，这就让前来品尝的顾客大跌眼镜。出现这种现象的原因可能是食客和探店博主的口味偏差所导致，但主要原因则为探店博主进行虚假宣传所致。
上述两种行为的出现可以总结出如下原因，首先便是有些探店博主不够专业，他们在探店之后所得的结论对于观众来说参考意义并不大。随着探店活动在全网愈受欢迎，更多的人都搞起了探店活动，但这其中有一部分人对于菜品的评价实在缺乏专业性。原因之二便是对于流量的过度追求。餐饮行业想要在市场占据位置，必须要把自己的规模做大，为了达到此目标，很多餐饮企业就看上了探店博主这一条路。很多商家开始明白，要想生意好，就得有流量。在想通这点后，商家们都抢着邀请网红探店博主去探自家的店，作为回报，商家会给探店博主“充值”，让探店博主大肆宣传其美食，而在利益的驱使下，有的探店博主就变味了，商家给探店博主提供资金，探店博主大肆宣传商家让后者在网上获得巨额流量，最后带动自己的生意，这种互利共生的做法让很多探店博主忘记初心，于是虚假宣传这一现象就随之出现。
针对上述这些问题的出现，有如下解决办法。
2) 解决的办法：
商家应诚信守法经营，用优质的产品和服务去赢得消费者的信任。探店博主要守住自己诚实守信的底线，为公众和消费者提供最真实客观的评价内容。相关部门要加强监管，厘清“网红探店”是个人体验还是广告行为的界限，对广告行为要进行规范。消费者要提升自我保护意识，依法维护自身的合法权利。各平台方需要打造可持续发展的平台，提升自身综合化水平，并且严格把控好探店视频的质量以及探店视频中夹带广告的数量，同时也需要对入驻团购的商家资质进行审核。并且对于虚假传播的博主，平台必须及时肃清。要完善平台的流量分配机制，鼓励探店类视频的创新和优质视频内容的制作生产。