Wer folgt Ihnen wirklich auf Dev.to? Ein Leitfaden zur Analyse Ihrer Zielgruppe

Der Grund, warum ich diesen Beitrag schreibe, besteht darin, etwas Licht auf einen Aspekt von Dev.to zu werfen, über den viele von uns nicht zweimal nachdenken: unsere Follower. Wir investieren so viel Mühe in die Erstellung von Inhalten und hoffen, dass diese bei den Lesern Anklang finden und unsere Community stärken. Aber haben Sie sich jemals gefragt, wer Ihnen wirklich folgt?

In diesem Artikel teile ich die Schritte, die ich unternommen habe, um meine Dev.to-Follower zu analysieren, und was ich herausgefunden habe. Unterwegs fallen Ihnen vielleicht einige überraschende Muster auf – Dinge, die mich über die Authentizität einiger dieser Follower wundern ließen. Könnte es unter ihnen „Bot-ähnliche“ Aktivitäten geben? Es ist eine Überlegung wert, auch wenn ich nicht hier bin, um mit dem Finger zu zeigen. Stattdessen möchte ich Sie ermutigen, sich mit Ihren eigenen Follower-Daten auseinanderzusetzen und selbst Entdeckungen zu machen.

Warum sollten Sie Ihr Publikum analysieren?

Wenn Dev.to-Autoren ihre Follower betrachten, fragen sie sich oft: Wer sind sie? Sind sie engagiert? Leider gibt uns die Plattform nicht viel Einblick in die Aktivität oder das Engagement der Follower. Das hat mich dazu inspiriert, ein benutzerdefiniertes Jupyter-Notizbuch für die Analyse zu erstellen, das ich Dev.to Audience Analyzer nenne. Dieses Notizbuch hilft mir, Daten über meine Follower zu extrahieren und zu analysieren und Erkenntnisse zu gewinnen, die auf der Plattform nicht sofort sichtbar sind.

Mit diesem Tool konnte ich Follower nach Aktivität, Profilvollständigkeit und anderen Mustern kategorisieren. Und lassen Sie mich Ihnen sagen, einige der Ergebnisse waren ... sagen wir mal, ungewöhnlich. Ich hatte nicht damit gerechnet, das zu finden, was ich gefunden habe, aber hier sind wir! Lassen Sie uns durchgehen, wie ich an die Sache herangegangen bin.

Was Sie über Ihre Follower erfahren können

Wenn Sie Ihr Publikum auf Dev.to analysieren, können Sie mit den APIs von Dev.to und etwas Web-Scraping eine Menge Informationen sammeln. Durch die Zusammenführung von Daten aus verschiedenen Quellen können Sie sich ein klareres Bild vom Engagement und Aktivitätsniveau Ihrer Follower machen.

Rufen Sie Ihre Artikel und Follower über die Forem-API ab

Die Forem-API bietet Zugriff auf mehrere Dev.to-Entitäten, einschließlich Artikeln und Followern.

• Artikel: Sie können Ihre eigenen veröffentlichten Artikel mit Details wie Titeln, Tags, Veröffentlichungsdaten und Engagement-Statistiken abrufen. Diese Informationen sind über den API-Endpunkt getUserArticles verfügbar.

• Follower: Sie können eine Liste Ihrer Follower abrufen und Details wie deren Benutzernamen, Benutzer-ID, Profilbild und das Datum anzeigen, an dem sie Ihnen gefolgt sind. Auf diese Informationen kann über den getUserFollowers-Endpunkt zugegriffen werden.

Hier ist ein Beispiel für die von der API zurückgegebenen Follower-Daten:

{<br>
  "type_of": "user_follower",<br>
  "id": 72,<br>
  "created_at": "2023-04-14T14:45:36Z",<br>
  "user_id": 1375,<br>
  "name": "Taylor \"Chrystal\" \:/ Pfannerstill",<br>
  "path": "/username435",<br>
  "username": "username435",<br>
  "profile_image": "/uploads/user/profile_image/1375/11fa0607-0d22-4c3c-b339-490ff1e25e8d.jpeg"<br>
}<br>

Erkunden Sie Follower-Profile für zusätzliche Einblicke

Sobald Sie die Benutzernamen oder IDs Ihrer Follower haben, können Sie den getUser-Endpunkt aus der v0-Version der API verwenden, um detailliertere Profilinformationen abzurufen. Dazu können ihre Biografie, ihr Standort, ihr GitHub-Link und andere öffentliche Profildetails gehören, sodass Sie die Vollständigkeit ihres Profils beurteilen können.

Durchsuchen Sie Profilseiten nach Engagement-Metriken

Zusätzlich zu den über die API verfügbaren Daten können Sie auch öffentliche Profile durchsuchen, um noch mehr Metriken aufzudecken. Wenn Sie sich beispielsweise eine Profilseite wie meine oder Ihre eigene ansehen, werden Ihnen zusätzliche Informationen angezeigt, die nicht über die API verfügbar sind:

• Abzeichen: Zeigt vom Benutzer verdiente Abzeichen an, die Aktivität und Engagement signalisieren können.

• Statistik: Zeigt die Anzahl der veröffentlichten Beiträge, geschriebenen Kommentare, verfolgten Tags und mehr.

• Letzte Aktivität: Zeigt ihre neuesten Beiträge oder Kommentare an und bietet weiteren Kontext zu ihrem Engagement-Level.

Nachdem ich die Daten von der API und den Profilseiten kombiniert hatte, standen mir am Ende zwei Hauptdatensätze zur Analyse zur Verfügung. Ein Datensatz deckt meine Artikel ab, mit Details wie Titel, erstelltes_at und öffentliche_Reaktionsanzahl. Beim anderen dreht sich alles um meine Follower, einschließlich ihres Benutzernamens und Standorts bis hin zu Kennzahlen wie „Artikelanzahl“, „Kommentaranzahl“ und sogar Abzeichen, die sie verdient haben. Der Follower-Datensatz enthält die Spalten „created_at“ und „joined_at“, was etwas verwirrend sein kann – „created_at“ markiert, wann ein Benutzer mir gefolgt ist, während „joined_at“ das Datum ist, an dem er ursprünglich Dev.to beigetreten ist. Wenn Sie neugierig sind, können Sie sich den Extraktionscode hier auf GitHub ansehen – er zieht die Daten in zwei Pandas-Datenrahmen.

Ein Wort zur Vorsicht: Die Forem-API verfügt über eine strenge Ratenbegrenzung, die die Datenextraktion verlangsamen kann. Ich habe versucht, Extraktionen parallel auszuführen, um die Arbeit zu beschleunigen, aber es stößt oft an den Geschwindigkeitsbegrenzer und stockt. Als Referenz: Das Abrufen von Daten zu rund 2.500 Followern hat mich etwa 40 Minuten gekostet. Geduld ist also der Schlüssel, wenn Sie eine größere Fangemeinde haben!

Erste Schritte mit dem Dev.to Audience Analyzer

Wenn Sie daran interessiert sind, Ihre eigenen Follower zu analysieren, können Sie das Jupyter-Notizbuch Dev.to Audience Analyzer auf Ihrem lokalen Computer ausführen. Bevor Sie mit der Analyse beginnen, müssen Sie eine Python-Umgebung einrichten, um sicherzustellen, dass alle Abhängigkeiten korrekt installiert sind.

1. Richten Sie die Python-Umgebung ein: Befolgen Sie die README-Anweisungen im GitHub-Repository des Projekts, um eine virtuelle Umgebung einzurichten, erforderliche Bibliotheken zu installieren und Ihre .env-Datei mit Ihrer Dev.to-API zu konfigurieren Schlüssel.

2. Führen Sie das Notebook aus: Sobald Ihre Umgebung bereit ist, öffnen Sie Analysis.ipynb in Jupyter und führen Sie die Zellen aus, um Ihre Dev.to-Follower-Daten zu extrahieren und zu analysieren. Das Notizbuch führt Sie durch die Visualisierung der Follower-Aktivität, der Profilvollständigkeit und der Interaktionsmuster.

Ein tiefer Einblick in meine Dev.to-Follower

In diesem Kapitel beschäftige ich mich ausführlich mit der Analyse, die ich an meinen eigenen Followern durchgeführt habe. Wir werden uns die Muster ansehen, wie engagiert sie sind, wie vollständig ihre Profile sind und ein paar seltsame Trends, die mir dabei aufgefallen sind. Aber hey, wenn Sie nicht bereit sind, tief in die Materie einzutauchen, können Sie gerne mit dem nächsten Kapitel fortfahren, in dem ich die wichtigsten Erkenntnisse aufschlüssele!

Zunächst wollte ich ein Gefühl dafür bekommen, wie meine Follower im Laufe der Zeit gewachsen sind und ob es nach der Veröffentlichung neuer Artikel spürbare Sprünge in der Followerzahl gab. Im Moment habe ich 11 Artikel und 2.485 Follower, daher war ich neugierig, ob bestimmte Inhalte diese Zahlen antreiben. Also habe ich ein Balkendiagramm erstellt, das die neuen Follower pro Tag zeigt, wobei die kumulierten Follower als Linie dargestellt sind. Jede gestrichelte vertikale Linie stellt das Datum der Veröffentlichung eines Artikels dar, sodass leicht erkennbar ist, ob ein Zusammenhang zwischen dem veröffentlichten Inhalt und den Follower-Spitzen besteht.

Auf den ersten Blick fällt ein massiver Anstieg um Anfang 2024–2003 auf – dennoch lässt sich nur anhand dieses statischen Diagramms nur schwer bestimmen, welcher konkrete Artikel diesen Ansturm ausgelöst hat. Um tiefer zu graben und herauszufinden, ob ein bestimmter Artikel diesen Sprung verursacht hat, habe ich beschlossen, etwas Interaktiveres mit Plotly auszuprobieren, um eine klarere Ansicht zu erhalten.

Anhand dieser Grafik können wir nun sehen, dass der große Anstieg der Follower tatsächlich mit meinem Artikel „Meine Reise zum Erlernen von KI für das Songwriting: LSTMs und Taylor Swift“ zusammenhängt. Ich habe diesen speziellen Artikel auf einigen externen Kanälen beworben, was ihm definitiv Auftrieb gab und eine Welle neuer Follower anzog. Diese Art von Einblick ist nützlich – sie zeigt, wie das Teilen von Inhalten über Dev.to hinaus einen spürbaren Einfluss auf das Follower-Wachstum haben kann.

Als nächstes wollte ich etwas tiefer gehen: Wie viele meiner neuen Follower am Veröffentlichungsdatum jedes Artikels waren tatsächlich selbst neu bei Dev.to? Hier begann es interessant zu werden. Als ich mir die Daten ansah, stellte ich fest, dass unglaubliche 98,5 % der Follower, die am Tag der Veröffentlichung eines Artikels auftauchten, noch am selben Tag beitraten.

Da habe ich mich gefragt: Haben diese Leute meinen Artikel gesehen und sich sofort entschieden, Dev.to beizutreten? Oder ist es umgekehrt: Sie sind Dev.to beigetreten und sind noch am selben Tag irgendwie auf meinen Artikel gestoßen? Wie auch immer, die schiere Menge an Followern am selben Tag war überraschend und hat in mir definitiv ein paar Fragen darüber aufgeworfen, wie echt dieses Engagement sein könnte.

Was noch faszinierender ist, ist, dass diese Follower, die Dev.to am selben Tag beigetreten sind, an dem sie mir folgten, nicht einfach verschwunden sind – sie sind auf der Plattform geblieben. Um ein klareres Bild davon zu bekommen, habe ich die Verteilung der Zeit der Follower auf Dev.to aufgezeichnet und gezeigt, wie lange diese Follower seit ihrem Beitrittsdatum noch existieren.

Als nächstes wollte ich in die Profilattribute meiner Follower eintauchen. Ist nur ein Attribut ausgefüllt? Eine Kombination aus ein paar? Um die Qualität meiner Follower-Basis zu verstehen, habe ich mir eine Reihe von Profilattributen angesehen, um zu sehen, wie vollständig oder aktiv diese Profile sind.

Das Balkendiagramm unten zeigt die Anzahl der Follower mit bestimmten Profilattributen, wie zum Beispiel:

• Kommentare oder Artikel schreiben

• Abzeichen, ein Twitter-/GitHub-Benutzername, eine Website oder ein Standort sind aufgeführt

• Ein Profilbild oder eine Zusammenfassung hinzufügen

• Tags auf Dev.to folgen

Ich habe auch „Leere Profile“ markiert – Follower, die überhaupt keine Aktivität oder Profildetails haben.

Unter meinen 2.485 Followern hat jeder ein Profilbild, was darauf hindeutet, dass Dev.to wahrscheinlich ein Standardbild zuweist. Das bedeutet, dass das Profilbildattribut keine aussagekräftigen Erkenntnisse für diese Analyse liefert.

Interessanterweise folgen die meisten Follower auch Tags. Da ich jedoch nicht auf Details zu den spezifischen Tags zugreifen kann, denen sie folgen, bietet dieses Attribut nicht viele umsetzbare Erkenntnisse.

Als nächstes habe ich mir Follower angesehen, bei denen nur ein Attribut in ihren Profilen ausgefüllt ist. Dieser Teil der Analyse hilft herauszufinden, welche minimalen Profildetails am häufigsten bei Followern vorkommen, die möglicherweise nicht besonders engagiert sind.

Das Balkendiagramm hebt die Anzahl der Follower hervor, die nur ein Attribut als einziges Profildetail haben – z. B. nur einen GitHub-Benutzernamen, nur das Folgen von Tags oder nur die Auflistung eines Standorts.

• Nur ​​Tags folgen: Eine große Gruppe (530 Follower) hat nur das Attribut „Tags folgen“. Wie ich bereits erwähnt habe, habe ich beschlossen, diese Gruppe von der weiteren Analyse auszuschließen, da ich nicht näher auf die spezifischen Tags eingehen kann, denen sie folgen.

• Nur ​​Abzeichen: In einer weiteren interessanten Gruppe – 24 Follower – sind nur Abzeichen und keine weiteren Profilinformationen aufgeführt. Das kam mir ungewöhnlich vor und ließ einige Warnsignale aufkommen, also beschloss ich, einen genaueren Blick auf diese Follower zu werfen, indem ich ihre Badge-Verteilung analysierte.

Um die Follower-Aktivität etwas genauer zu untersuchen, habe ich mir die Verteilung der Abzeichen unter meinen Followern angesehen. Das Balkendiagramm oben zeigt die zehn häufigsten Abzeichen, wobei das Abzeichen „One Year Club“ die Liste dominiert.

Aber hier ist die Sache: Diese X-Year-Club-Abzeichen (wie „One Year Club“ oder „Two Year Club“) sagen eigentlich nicht viel über die Follower-Aktivität aus. Sie werden nur dafür vergeben, dass Sie für eine bestimmte Zeit auf Dev.to bleiben – nicht für Engagement oder Beiträge. Sie sind also nicht gerade hilfreich, um herauszufinden, wie aktiv meine Follower wirklich sind.

Aus diesem Grund habe ich beschlossen, diese X-Year-Club-Abzeichen aus meiner Analyse zu streichen. Sie bieten keinen wirklichen Einblick in das, was meine Follower tatsächlich auf der Plattform tun.

Nachdem wir die X-Year-Club-Abzeichen aus dem Weg geräumt haben, können wir die zehn aktivsten Abzeichen unter meinen Followern sehen. Diese Abzeichen zeigen echtes Engagement – ​​wie das Writing Debut für die Veröffentlichung eines ersten Artikels, Community Wellness Streaks für ständige Aktivität und Hacktoberfest Pledge für die Teilnahme an Veranstaltungen. Dies gibt uns einen besseren Einblick in die Follower, die tatsächlich auf Dev.to aktiv sind und nicht nur herumhängen.

Da die X-Year-Club-Abzeichen nicht mehr im Weg sind, erhalten wir einen besseren Einblick in die Follower, die tatsächlich auf Dev.to aktiv sind und nicht nur herumhängen. Aber Abzeichen allein erzählen nicht die ganze Geschichte. Ich habe mir auch angeschaut, wie viele Follower auf externe Profile wie GitHub, Twitter oder eine persönliche Website verlinken. Es stellte sich heraus, dass die Mehrheit nur ihren GitHub auflistet, was angesichts der technikaffinen Masse sinnvoll ist. Eine kleinere Anzahl umfasst eine persönliche Website oder Twitter und nur eine Handvoll verlinkt mehrere Plattformen.

Wenn es um Aktivitäten innerhalb von Dev.to geht, haben einige meiner engagierten Follower eine Mischung aus Abzeichen und Artikeln, während einige ganz aufs Ganze gehen, indem sie schreiben, kommentieren und Abzeichen sammeln. Dies gibt einen klareren Überblick darüber, wer wirklich einen Beitrag leistet, im Vergleich zu denen, die möglicherweise nur herumlungern und sich nicht viel engagieren.

Dann habe ich mir angeschaut, woher meine Follower kommen. Das Diagramm zeigt die Top-10-Standorte in den Follower-Profilen (mit Ausnahme derjenigen, die das Feld leer gelassen haben). Spitzenreiter ist Indien, gefolgt von den USA und Brasilien. Darüber hinaus sind die Standorte verstreut, wobei einige Orte wie Paris, Ho-Chi-Minh-Stadt und Bali erwähnt werden. Nicht gerade eine große globale Verbreitung, aber es ist interessant, eine gewisse geografische Vielfalt in der Mischung zu sehen.

Nachdem ich herausgefunden hatte, woher meine Follower kommen, wollte ich in die Artikel eintauchen, die sie geschrieben haben. Um den Überblick zu behalten, habe ich ultrakurze Beiträge (weniger als 1 Minute Lesezeit) herausgefiltert. Dies sind normalerweise kurze Einleitungen wie „Hallo, das ist mein erster Artikel“ und tragen nicht viel zur Analyse bei.

Das habe ich getan:

1. Artikel gefiltert: Nur Artikel mit einer Lesezeit von mehr als 1 Minute beibehalten.

2. Daten aktualisiert: Die Artikeldaten jedes Followers wurden durch diese gefilterte Liste substanziellerer Beiträge ersetzt.

3. Die Anzahl wurde neu berechnet: Die Artikelanzahl wurde basierend auf diesen längeren, aussagekräftigeren Beiträgen angepasst.

Sehen wir uns nun die Trends bei der Anzahl ihrer Artikel, der durchschnittlichen Lesedauer und den beliebtesten Tags an, über die sie schreiben.

Ein Blick auf die Daten zeigt, dass die meisten Follower nur eine Handvoll Artikel veröffentlicht haben – normalerweise weniger als fünf. Nur sehr wenige haben mehr als 10 Artikel, was darauf hindeutet, dass eine konsistente Veröffentlichung ziemlich selten ist. Was die Artikellänge betrifft, liegt die durchschnittliche Lesezeit für die meisten Follower zwischen 2 und 5 Minuten, es handelt sich also in der Regel um kurze, schnelle Lektüren. Nur eine Handvoll Follower schreiben längere Beiträge mit einer durchschnittlichen Lesezeit von über 10 Minuten.

Bei Tags stechen bestimmte Themen hervor. Die beliebtesten Tags sind „Anfänger“, „Webdev“ und „Programmierung“ und zeigen einen Fokus auf grundlegende Themen. Es besteht auch großes Interesse an bestimmten Bereichen wie „Python“, „Javascript“, „AI“ und „Devops“, was ein eher technisches Publikum anspricht. Und anhand von Tags wie „Lernen“ und „Tutorial“ ist klar, dass viele Follower Inhalte erstellen, die darauf abzielen, Wissen zu vermitteln oder zu teilen.

Um etwas tiefer zu gehen, habe ich mir Follower angesehen, die keine Artikel veröffentlicht, aber Kommentare hinterlassen haben. Wie Sie in der Grafik sehen können, haben die meisten dieser Follower nur eine Handvoll Kommentare hinterlassen, wobei die Mehrheit bei weniger als fünf liegt. Es gibt ein paar Ausreißer, die häufiger kommentiert haben, aber sie sind definitiv die Ausnahme. Dies deutet darauf hin, dass das Engagement vieler Follower auf Dev.to ziemlich gering ist – sie veröffentlichen keine Inhalte und sind auch nicht besonders aktiv in Diskussionen.

Nachdem ich mich mit der Follower-Aktivität befasst hatte, beschloss ich, sie in vier Hauptkategorien zu unterteilen, um einen klareren Überblick darüber zu erhalten, wer tatsächlich aktiv ist:

1. Aktive Mitwirkende: Diejenigen, die Artikel schreiben oder Kommentare hinterlassen.

2. Verbundene Profile: Personen mit externen Links (GitHub, Twitter usw.), aber sonst nicht viel.

3. Grundlegende Profile: Minimale Informationen, wie ein Standort oder eine Zusammenfassung – keine Artikel, keine Links.

4. Leere Profile: Überhaupt nichts Sinnvolles – nur leere Profile.

Das Balkendiagramm auf der linken Seite zeigt die Zahlen für jede Gruppe und das Donut-Diagramm auf der rechten Seite gibt die prozentuale Aufschlüsselung an. Dies hilft, das Gleichgewicht zwischen aktiven Followern und denen, die nur lauern, zu zeigen.

Was auffällt, ist, dass ein großer Teil meiner Follower – 30 % – völlig leere Profile sind und weitere 10 % „einfache“ Profile mit minimalen Informationen, aber keinem echten Engagement. Am Ende bleiben also 54,4 %, die zumindest über externe Links wie GitHub oder Twitter verfügen, aber nur kleine 5,4 % sind tatsächlich aktive Mitwirkende auf Dev.to, die entweder Artikel schreiben oder Kommentare hinterlassen.

Um tiefer zu graben, habe ich mir angeschaut, wie viele Follower genau am selben Tag, an dem sie angefangen haben, mir zu folgen, Dev.to beigetreten sind. In der Tabelle sind Same Day Joiners (in heller Koralle) diejenigen, die Dev.to beigetreten sind und mir am selben Tag gefolgt sind, während Other Joiners (in Blaugrün) bereits dabei waren Plattform.

Das Ergebnis? Bei fast allen Leerprofilen und Basic-Profilen handelt es sich um Mitglieder, die sich noch am selben Tag anmelden, weshalb ich mich frage, ob diese neuen Follower mit minimalen Profilen wirklich engagierte Nutzer sind – oder nur auf der Durchreise.

Um herauszufinden, welche Artikel wirklich Aufmerksamkeit erregt haben, habe ich mir das Follower-Wachstum angesehen, das jeder einzelne innerhalb von 14 Tagen nach seiner Veröffentlichung ausgelöst hat, aufgeschlüsselt nach Follower-Typ.

Im Diagramm zeigt jeder Balken, wie viele neue Follower jeder Artikel in den vier Kategorien gewonnen hat – Aktive Mitwirkende, Verbundene Profile, Basisprofile und Leere Profile. Interessanterweise waren die Artikel, die aktive Mitwirkende anzogen – die Follower, die sich tatsächlich auf Dev.to engagieren – diejenigen, die ich über externe Kanäle beworben habe. Die Reichweite über Dev.to hinaus scheint mehr wirklich aktive Follower von dev.to als nur passive Profile anzuziehen, was zeigt, wie wertvoll es ist, Inhalte außerhalb der Plattform zu teilen, um Leser anzulocken, die eher bereit sind, sich zu engagieren und Beiträge zu leisten.

Als ich sah, dass der Artikel „My Journey Learning…“ eine Welle verbundener Profile anzog, von denen die meisten GitHub-Links hatten, beschloss ich, tiefer in diese mit GitHub verbundenen Follower einzutauchen. Da fast die Hälfte meiner Follower nur über ein GitHub-Profil verfügen, schien es eine gute Gegend zum Erkunden zu sein.

Zuerst habe ich den Zugriff auf die GitHub-API eingerichtet, um einige grundlegende Informationen über ihre Profile abzurufen. Folgendes habe ich gefunden:

• Minimales Engagement: 8 Follower sind Dev.to am selben Tag beigetreten, an dem ihr GitHub erstellt und zuletzt aktualisiert wurde, ohne öffentliche Repos. Dies deutet darauf hin, dass diese Konten möglicherweise nur zum Verfolgen oder zur eingeschränkten Nutzung erstellt wurden.

• Neue Konten: 19 Follower sind Dev.to am selben Tag beigetreten, an dem sie ihre GitHub-Konten erstellt haben, jedoch ohne auf ihr letztes Aktivitätsdatum zu achten.

• Keine öffentlichen Repos: Insgesamt 110 Follower in dieser Gruppe haben keine öffentlichen Repos, was bedeuten könnte, dass sie entweder auf GitHub inaktiv sind oder ihre Arbeit privat halten.

In der obigen Aufschlüsselung zeigen die Diagramme drei Kategorien des GitHub-Aktivitätsstatus:

1. Aktiv: Ein großer Teil (über 74 %) zeigt Anzeichen von Aktivität mit mehreren öffentlichen Repos und aktuellen Updates.

2. Nicht aktiv: Ungefähr 22,7 % haben GitHub-Konten, aber kein sichtbares Engagement, mit wenigen oder keinen öffentlichen Repos.

3. Keine: Für einen winzigen Teil der bereitgestellten GitHub-Profile wurden keine gefunden.

Diese Analyse zeigt, dass viele Follower mit GitHub-Links zwar wirklich aktiv sind, ein erheblicher Teil jedoch entweder nur minimal präsent ist oder keine öffentliche Aktivität aufweist.

Um ein besseres Gefühl für die GitHub-Aktivitäten meiner Follower zu bekommen, habe ich mir die Anzahl der öffentlichen Repositories angesehen, die jeder Benutzer hat. Da einige Follower eine ungewöhnlich hohe Anzahl an Repos haben, habe ich einen Cutoff beim 98. Perzentil angewendet, um die Analyse auf typische Benutzer zu konzentrieren.

Dieses Streudiagramm vermittelt uns ein klareres Bild: Die meisten Follower haben eine bescheidene Anzahl öffentlicher Repos, wobei nur eine Handvoll eine extrem hohe Aktivität auf GitHub zeigt. Dies deutet darauf hin, dass es zwar einige Power-User gibt, der durchschnittliche Follower jedoch nicht so intensiv auf GitHub aktiv ist, was mit allgemeinen Benutzertrends übereinstimmt.

Interpretation der Ergebnisse

Wenn ich mir meine Analyse ansehe, fallen ein paar Dinge auf, die mich wirklich fragen lassen, was los ist:

1. Mitglieder am selben Tag: Anscheinend bringen meine Artikel Leute dazu, sich Dev.to anzuschließen und mir sofort zu folgen, aber ich ziehe nicht wirklich etablierte, aktive Benutzer an. Die große Frage hier ist: Was machen diese neuen Follower sonst noch auf Dev.to? Folgen sie jemand anderem oder bin es nur ich? Sind sie wirklich interessiert oder nur Teil eines Massentrends?

2. Nackte Profile: Überraschend viele meiner Follower haben fast leere Profile. Wenn ich diese „sauberen“ Profile und die nicht aktiven GitHub-Benutzer herausfiltere, bleiben mir von meinen fast 2.500 potenziell echten Followern nur etwa 1.200. Es ist, als wäre die Hälfte meiner Follower nur Schall und Rauch.

3. Aufrufe vs. Follower-Rätsel: Hier wird es wirklich seltsam. Wenn Sie sich die Grafik Neue Follower nach Kategorie innerhalb von 14 Tagen nach jedem Artikel ansehen, werden Sie feststellen, dass Artikel wie My Journey Learning AI for Songwriting eine enorme Anzahl von Followern anzogen – über 1.200 innerhalb von nur zwei Wochen.

Nun könnte man meinen, dass ein solcher Anstieg der Follower ebenso beeindruckende Aufrufzahlen bedeuten würde. Aber als ich mir die Grafik Gesamtaufrufe pro Artikel auf Dev.to ansah, sah ich eine ganz andere Geschichte. Der Artikel hatte nur rund 342 Aufrufe, was nicht mit der Flut an Followern mithalten kann.

Dies wirft einige interessante Fragen auf. Lesen diese Follower wirklich meine Inhalte, oder spielt hier noch etwas anderes eine Rolle? Sind sie Massen-Follower oder könnten einige von ihnen sogar Bots sein? Dieses Missverhältnis zwischen Ansichten und Followern lässt mich denken, dass es möglicherweise noch mehr zu entdecken gibt – vielleicht in den Kennzahlen von Dev.to oder sogar bei meinen eigenen Followern. Obwohl ich nicht über die Daten verfüge, um alle diese Fragen zu beantworten, hat diese Analyse in mir auf jeden Fall den Wunsch geweckt, tiefer zu blicken, und ich hoffe, dass sie andere dazu inspiriert, ebenfalls in ihre eigenen Zuschauerstatistiken einzutauchen.

Förderung eines umfassenderen Blicks

Was habe ich also daraus gelernt? Zum einen erzählen die Followerzahlen nicht immer die ganze Geschichte. Es ist eine Sache, eine große Followerzahl zu haben, aber eine ganz andere, engagierte, aktive Follower zu haben, die Ihre Inhalte wirklich schätzen. Während meine Analyse bei mir mehr Fragen als Antworten zurückließ, bin ich gespannt, was andere Dev.to-Autoren in ihrer eigenen Follower-Analyse finden.

Könnten einige unserer Follower Bots sein? Vielleicht. Könnte es sich um inaktive Konten handeln? Möglicherweise. Letztendlich haben mir diese Erkenntnisse eine neue Perspektive auf Follower-Kennzahlen eröffnet, und ich ermutige Sie, dasselbe mit Ihrem Publikum zu tun.

Wenn Sie neugierig sind, Ihre eigenen Dev.to-Follower kennenzulernen, finden Sie meine vollständige Analyse und meinen Code im Repo hier: Dev.to Audience Analyzer.

Das obige ist der detaillierte Inhalt vonWer folgt Ihnen wirklich auf Dev.to? Ein Leitfaden zur Analyse Ihrer Zielgruppe. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!