Siapa yang Benar-benar Mengikuti Anda di Dev.to? Panduan untuk Menganalisis Khalayak Anda

Sebab saya menulis siaran ini adalah untuk memberi sedikit pencerahan tentang satu aspek Dev. yang ramai di antara kita tidak berfikir dua kali tentang: pengikut kita. Kami berusaha keras untuk mencipta kandungan, berharap kandungan itu bergema dengan pembaca dan membina komuniti kami, tetapi pernahkah anda terfikir siapa yang benar-benar mengikuti anda?

Dalam artikel ini, saya akan berkongsi langkah yang saya ambil untuk menganalisis pengikut Dev.to saya dan perkara yang saya temui. Sepanjang perjalanan, anda mungkin melihat beberapa corak yang mengejutkan — perkara yang membuatkan saya tertanya-tanya tentang keaslian beberapa pengikut ini. Mungkinkah terdapat aktiviti "seperti bot" di kalangan mereka? Perlu dipertimbangkan, walaupun saya di sini bukan untuk menuding jari. Sebaliknya, saya mahu menggalakkan anda menggali data pengikut anda sendiri dan membuat penemuan untuk diri sendiri.

Mengapa Menganalisis Khalayak Anda?

Apabila pengarang Dev.to melihat pengikut mereka, mereka sering tertanya-tanya: Siapakah mereka? Adakah mereka bertunang? Malangnya, platform ini tidak memberi kami banyak cerapan tentang aktiviti atau penglibatan pengikut. Itulah yang memberi inspirasi kepada saya untuk mencipta buku nota Jupyter tersuai untuk analisis, yang saya panggil Dev.to Audience Analyzer. Buku nota ini membantu saya mengekstrak dan menganalisis data tentang pengikut saya, mendedahkan cerapan yang tidak dapat dilihat dengan serta-merta pada platform.

Dengan alat ini, saya boleh mengkategorikan pengikut berdasarkan aktiviti, kesempurnaan profil dan corak lain. Dan izinkan saya memberitahu anda, beberapa penemuan adalah... katakan sahaja, luar biasa. Saya tidak menjangka untuk mencari apa yang saya temui, tetapi inilah kita! Mari kita lihat cara saya mendekati perkara ini.

Perkara yang Anda Boleh Pelajari Mengenai Pengikut Anda

Apabila menganalisis khalayak anda di Dev.to, terdapat sedikit maklumat yang boleh anda kumpulkan menggunakan API Dev.to dan beberapa pengikisan web ringan. Dengan menggabungkan data daripada sumber yang berbeza, anda boleh mendapatkan gambaran yang lebih jelas tentang tahap penglibatan dan aktiviti pengikut anda.

Dapatkan semula Artikel dan Pengikut Anda melalui API Forem

API Forem menyediakan akses kepada beberapa entiti Dev.to, termasuk artikel dan pengikut.

• Artikel: Anda boleh mendapatkan semula artikel terbitan anda sendiri dengan butiran seperti tajuk, teg, tarikh penerbitan dan statistik penglibatan. Maklumat ini tersedia melalui titik akhir API getUserArticles.

• Pengikut: Anda boleh mengambil senarai pengikut anda dan melihat butiran seperti nama pengguna, ID pengguna, imej profil dan tarikh mereka mengikuti anda. Maklumat ini boleh diakses melalui titik akhir getUserFollowers.

Berikut ialah contoh data pengikut yang dikembalikan oleh API:

{<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>

Terokai Profil Pengikut untuk mendapatkan Cerapan Tambahan

Setelah anda mempunyai nama pengguna atau ID pengikut anda, anda boleh menggunakan titik akhir getUser daripada versi v0 API untuk mendapatkan maklumat profil yang lebih mendalam. Ini boleh termasuk bio, lokasi, pautan GitHub dan butiran profil awam yang lain, membolehkan anda menilai kesempurnaan profil mereka.

Kikis Halaman Profil untuk Metrik Penglibatan

Selain data yang tersedia melalui API, anda juga boleh mengikis profil awam untuk mendedahkan lebih banyak metrik. Contohnya, jika anda melihat halaman profil seperti saya atau halaman anda sendiri, anda akan melihat maklumat tambahan yang tidak tersedia melalui API:

• Lencana: Memaparkan lencana yang diperoleh oleh pengguna, yang boleh menandakan aktiviti dan penglibatan.

• Statistik: Menunjukkan bilangan siaran yang diterbitkan, ulasan ditulis, tanda nama diikuti dan banyak lagi.

• Aktiviti Terkini: Mendedahkan siaran atau ulasan terbaharu mereka, memberikan konteks lanjut tentang tahap penglibatan mereka.

Selepas menggabungkan data daripada API dan halaman profil, saya mendapat dua set data utama untuk analisis. Satu set data merangkumi artikel saya, dengan butiran seperti tajuk, create_at dan public_reactions_count. Yang lain adalah mengenai pengikut saya, termasuk segala-galanya daripada nama pengguna dan lokasi mereka kepada metrik seperti kiraan_artikel, kiraan_komen dan juga lencana yang mereka perolehi. Set data pengikut merangkumi kedua-dua lajur create_at dan joined_at, yang mungkin agak mengelirukan—tanda create_at apabila pengguna mengikuti saya, manakala joined_at ialah tarikh mereka mula-mula menyertai Dev.to. Anda boleh menyemak kod pengekstrakan di sini di GitHub jika anda ingin tahu—ia menarik data ke dalam dua bingkai data panda.

Peringatan: API Forem mempunyai pengehadan kadar yang ketat, yang boleh menjadikan pengekstrakan data menjadi perlahan. Saya cuba menjalankan pengekstrakan secara selari untuk mempercepatkan perkara, tetapi ia sering mencapai pengehad kadar dan gerai. Sebagai rujukan, mengambil data pada kira-kira 2,500 pengikut mengambil masa kira-kira 40 minit. Jadi, kesabaran adalah kunci jika anda mempunyai pengikut yang lebih ramai!

Bermula dengan Penganalisis Dev.to Audience

Jika anda berminat untuk menganalisis pengikut anda sendiri, anda boleh menjalankan Dev.to Audience Analyzer notebook Jupyter pada komputer setempat anda. Sebelum menyelami analisis, anda perlu menyediakan persekitaran Python untuk memastikan semua kebergantungan dipasang dengan betul.

1. Sediakan Persekitaran Python: Ikut arahan README dalam repositori GitHub projek untuk menyediakan persekitaran maya, pasang perpustakaan yang diperlukan dan konfigurasikan fail .env anda dengan API Dev.to anda kunci.

2. Jalankan Buku Nota: Setelah persekitaran anda sedia, buka analysis.ipynb dalam Jupyter dan laksanakan sel untuk mengekstrak dan menganalisis data pengikut Dev.to anda. Buku nota akan membimbing anda melalui menggambarkan aktiviti pengikut, kesempurnaan profil dan corak penglibatan.

Menyelam Lebih Dalam ke Pengikut Dev.to Saya

Dalam bab ini, saya menyelami analisis terperinci yang saya lakukan terhadap pengikut saya sendiri. Kami akan melihat corak bagaimana mereka terlibat, seberapa lengkap profil mereka, dan beberapa aliran ganjil yang saya perhatikan sepanjang perjalanan. Tetapi hey, jika anda tidak bersedia untuk menyelam yang mendalam ini, sila teruskan ke bab seterusnya di mana saya akan memecahkan perkara utama!

Sebagai permulaan, saya ingin mengetahui bagaimana pengikut saya telah berkembang dari semasa ke semasa dan sama ada terdapat lonjakan ketara dalam bilangan pengikut selepas menerbitkan artikel baharu. Pada masa ini, saya mempunyai 11 artikel dan 2,485 pengikut, jadi saya ingin tahu sama ada kandungan tertentu mendorong nombor ini. Jadi, saya memplot carta bar yang menunjukkan pengikut baharu mengikut hari, dengan pengikut kumulatif diplot sebagai garis. Setiap garis menegak putus-putus mewakili tarikh penerbitan artikel, menjadikannya mudah untuk melihat sama ada terdapat sebarang kaitan antara kandungan penerbitan dan lonjakan pengikut.

Sejurus selepas itu, terdapat lonjakan besar-besaran sekitar awal 2024–03 yang menyerlah — namun, sukar untuk menentukan artikel tertentu yang mencetuskan tergesa-gesa ini hanya dengan melihat carta statik ini. Untuk menggali lebih dalam dan melihat sama ada artikel tertentu menyebabkan lompatan ini, saya memutuskan untuk mencuba sesuatu yang lebih interaktif dengan Plotly untuk paparan yang lebih jelas.

Kini, kita dapat melihat daripada graf ini bahawa lonjakan besar dalam pengikut sebenarnya terikat dengan artikel saya, "Perjalanan Saya Belajar AI untuk Penulisan Lagu: LSTM dan Taylor Swift". Saya mempromosikan artikel khusus ini pada beberapa saluran luaran, yang pastinya memberikan rangsangan dan menarik gelombang pengikut baharu. Cerapan jenis ini berguna — ia menunjukkan cara perkongsian kandungan di luar Dev.to boleh memberi kesan ketara pada pertumbuhan pengikut.

Seterusnya, saya ingin menggali lebih mendalam: berapa ramai pengikut baharu saya pada setiap tarikh penerbitan artikel yang sebenarnya baharu kepada Dev.kepada diri mereka sendiri? Di sinilah perkara mula menjadi menarik. Apabila saya melihat data tersebut, saya mendapati bahawa 98.5% pengikut yang luar biasa yang muncul pada hari keluaran artikel adalah penggabung pada hari yang sama.

Ini membuatkan saya tertanya-tanya — adakah orang ini melihat artikel saya dan memutuskan untuk menyertai Dev.to serta-merta? Atau sebaliknya: mereka menyertai Dev.to dan entah bagaimana terjumpa artikel saya pada hari yang sama? Walau apa pun, jumlah pengikut pada hari yang sama mengejutkan dan pastinya menimbulkan beberapa persoalan dalam fikiran saya tentang betapa tulennya pertunangan ini.

Apa yang lebih menarik ialah pengikut yang menyertai Dev. hingga hari yang sama mereka mengikuti saya tidak hilang begitu sahaja — mereka telah kekal di platform. Untuk mendapatkan gambaran yang lebih jelas tentang perkara ini, saya merancang Pengagihan Masa Pengikut di Dev.to, menunjukkan berapa lama pengikut ini terus wujud sejak tarikh penyertaan mereka.

Seterusnya, saya ingin menyelami sifat profil pengikut saya. Adakah mereka hanya mempunyai satu atribut yang diisi? Gabungan beberapa? Untuk memahami kualiti pangkalan pengikut saya, saya melihat pelbagai atribut profil untuk melihat seberapa lengkap atau aktif profil ini.

Carta bar di bawah menunjukkan bilangan pengikut dengan atribut profil tertentu, seperti:

• Menulis ulasan atau artikel

• Mempunyai lencana, nama pengguna Twitter/GitHub, tapak web atau lokasi yang disenaraikan

• Menambah imej profil atau ringkasan

• Mengikuti teg pada Dev.to

Saya turut membenderakan "Profil Kosong" — pengikut yang tidak mempunyai butiran aktiviti atau profil langsung.

Di antara 2,485 pengikut saya, semua orang mempunyai imej profil, yang menunjukkan bahawa Dev.to berkemungkinan memberikan imej lalai. Ini bermakna atribut imej profil tidak memberikan cerapan bermakna untuk analisis ini.

Menariknya, kebanyakan pengikut turut mengikuti tag. Walau bagaimanapun, memandangkan saya tidak dapat mengakses butiran tentang teg khusus yang mereka ikuti, atribut ini tidak menawarkan banyak cerapan yang boleh diambil tindakan.

Seterusnya, saya melihat pengikut yang mempunyai hanya satu atribut yang diisi dalam profil mereka. Bahagian analisis ini membantu mengenal pasti butiran profil minimum yang paling biasa dalam kalangan pengikut yang mungkin tidak terlibat secara mendalam.

Carta bar menyerlahkan bilangan pengikut yang mempunyai hanya satu atribut sebagai satu-satunya butiran profil mereka — seperti hanya nama pengguna GitHub, hanya mengikuti teg atau hanya menyenaraikan lokasi.

• Ikuti Teg Sahaja: Kumpulan besar (530 pengikut) hanya mempunyai atribut "ikut tag". Seperti yang saya nyatakan sebelum ini, kerana saya tidak dapat menyelami teg khusus yang mereka ikuti, saya memutuskan untuk mengecualikan kumpulan ini daripada analisis lanjut.

• Sahaja Lencana: Satu lagi kumpulan menarik — 24 pengikut — hanya mempunyai lencana disenaraikan dan tiada maklumat profil lain. Ini kelihatan luar biasa dan menimbulkan beberapa tanda merah, jadi saya memutuskan untuk melihat lebih dekat pengikut ini dengan menganalisis pengedaran lencana mereka.

Untuk mengetahui lebih lanjut aktiviti pengikut, saya melihat pengedaran lencana di kalangan pengikut saya. Carta bar di atas menunjukkan 10 lencana paling biasa, dengan lencana "Kelab Satu Tahun" mendominasi senarai.

Tetapi inilah perkaranya: lencana Kelab X-Year ini (seperti "Kelab Satu Tahun" atau "Kelab Dua Tahun") sebenarnya tidak banyak bercakap tentang aktiviti pengikut. Mereka dianugerahkan hanya kerana kekal di Dev.to untuk jangka masa tertentu — bukan kerana melibatkan diri atau menyumbang. Jadi, mereka tidak begitu berguna untuk mengetahui betapa aktifnya pengikut saya sebenarnya.

Disebabkan itu, saya memutuskan untuk menggugurkan lencana Kelab X-Year ini daripada analisis saya. Mereka tidak benar-benar menambah apa-apa cerapan tentang perkara yang sebenarnya dilakukan oleh pengikut saya di platform.

Dengan lencana Kelab X-Year hilang, kita dapat melihat 10 lencana aktif teratas dalam kalangan pengikut saya. Lencana ini menunjukkan penglibatan sebenar — seperti Debut Penulisan untuk menerbitkan artikel pertama, Streak Kesejahteraan Komuniti untuk aktiviti yang konsisten dan Ikrar Hacktoberfest untuk penyertaan acara. Ini memberi kita pandangan yang lebih baik tentang pengikut yang sebenarnya aktif di Dev.to, bukan sekadar melepak.

Dengan lencana Kelab X-Year ditiadakan, kami dapat melihat dengan lebih baik pengikut yang sebenarnya aktif di Dev.to, bukan hanya berkeliaran. Tetapi lencana sahaja tidak menceritakan kisah penuh. Saya juga melihat bilangan pengikut yang memaut ke profil luaran seperti GitHub, Twitter atau tapak web peribadi. Ternyata, majoriti hanya menyenaraikan GitHub mereka, yang masuk akal memandangkan orang ramai yang berteknologi tinggi. Bilangan yang lebih kecil termasuk tapak web peribadi atau Twitter, dan hanya beberapa pautan berbilang platform.

Mengenai aktiviti dalam Dev.to, beberapa pengikut saya yang terlibat mempunyai gabungan lencana dan artikel, dengan beberapa orang menyertai semua dengan menulis, mengulas dan mengumpul lencana. Ini memberikan gambaran yang lebih jelas tentang siapa yang benar-benar menyumbang berbanding mereka yang mungkin hanya berlarutan tanpa banyak penglibatan.

Kemudian saya melihat dari mana pengikut saya datang. Carta menunjukkan 10 lokasi teratas yang disenaraikan dalam profil pengikut (tidak termasuk mereka yang membiarkannya kosong). India mendahului senarai, diikuti oleh Amerika Syarikat dan Brazil. Selain itu, lokasi berselerak, dengan beberapa sebutan dari tempat seperti Paris, Ho Chi Minh City dan Bali. Bukan sebaran global yang besar, tetapi menarik untuk melihat beberapa kepelbagaian geografi dalam campuran.

Selepas menyemak dari mana pengikut saya berasal, saya ingin menyelami artikel yang mereka tulis. Untuk memastikan perkara tetap fokus, saya menapis siaran ultra pendek (kurang daripada 1 minit masa membaca). Ini biasanya intro pantas seperti "Hai, ini artikel pertama saya" dan tidak menambah banyak pada analisis.

Ini yang saya lakukan:

1. Menapis Artikel: Menyimpan artikel sahaja dengan masa bacaan melebihi 1 minit.

2. Data yang dikemas kini: Menggantikan data artikel setiap pengikut dengan senarai siaran yang lebih banyak yang ditapis ini.

3. Mengira Semula Kiraan: Melaraskan kiraan artikel berdasarkan siaran yang lebih panjang dan lebih bermakna ini.

Sekarang mari kita lihat arah aliran dalam kiraan artikel mereka, purata masa membaca dan teg paling popular yang mereka tulis.

Melihat data, jelas bahawa kebanyakan pengikut telah menerbitkan hanya segelintir artikel — biasanya kurang daripada lima. Sangat sedikit yang mempunyai lebih daripada 10 artikel, menunjukkan bahawa penerbitan yang konsisten agak jarang berlaku. Bagi panjang artikel, purata masa membaca untuk kebanyakan pengikut adalah antara 2 dan 5 minit, jadi ini cenderung pendek, bacaan pantas. Hanya segelintir pengikut yang menulis karya yang lebih panjang dengan purata masa membaca selama 10 minit.

Mengenai tanda nama, tema tertentu menonjol. Teg yang paling popular ialah "pemula", "webdev" dan "pengaturcaraan", menunjukkan tumpuan pada topik asas. Terdapat juga minat yang kuat dalam bidang tertentu seperti "python," "javascript," "ai" dan "devops," yang bercakap kepada khalayak yang lebih teknikal. Dan dengan teg seperti "pembelajaran" dan "tutorial," jelas bahawa ramai pengikut mencipta kandungan yang bertujuan untuk mengajar atau berkongsi pengetahuan.

Untuk menggali lebih mendalam, saya melihat pengikut yang tidak menerbitkan sebarang artikel tetapi telah meninggalkan komen. Seperti yang anda lihat dalam carta, kebanyakan pengikut ini hanya meninggalkan segelintir komen, dengan majoriti kurang daripada lima. Terdapat beberapa orang luar yang telah mengulas lebih kerap, tetapi mereka pastinya terkecuali. Ini menunjukkan bahawa bagi kebanyakan pengikut, penglibatan di Dev.to adalah sangat minimum — mereka tidak menerbitkan kandungan dan mereka juga tidak terlalu aktif dalam perbincangan.

Selepas mendalami aktiviti pengikut, saya memutuskan untuk memecahkan mereka kepada empat kategori utama untuk mendapatkan pandangan yang lebih jelas tentang siapa sebenarnya yang aktif:

1. Penyumbang Aktif: Mereka yang menulis artikel atau meninggalkan komen.

2. Profil Disambungkan: Orang yang mempunyai pautan luar (GitHub, Twitter, dll.) tetapi tidak banyak lagi.

3. Profil Asas: Maklumat minimum, seperti lokasi atau ringkasan — tiada artikel, tiada pautan.

4. Profil Kosong: Tiada apa-apa yang bermakna sama sekali — hanya profil kosong.

Carta bar di sebelah kiri menunjukkan nombor untuk setiap kumpulan, dan carta donat di sebelah kanan memberikan pecahan peratusan. Ini membantu menunjukkan keseimbangan antara pengikut aktif dan mereka yang hanya bersembunyi.

Apa yang menonjol ialah sebahagian besar pengikut saya — 30% — adalah profil kosong sepenuhnya, dan 10% lagi ialah profil “asas” dengan maklumat minimum tetapi tiada penglibatan sebenar. Jadi, akhirnya, saya tinggal dengan 54.4% yang sekurang-kurangnya mempunyai pautan luar seperti GitHub atau Twitter, tetapi hanya 5.4% kecil yang sebenarnya penyumbang aktif di Dev.to, sama ada menulis artikel atau meninggalkan komen.

Untuk menggali lebih dalam, saya melihat berapa ramai pengikut yang menyertai Dev.to pada hari yang sama mereka mula mengikuti saya. Dalam carta, Same Day Joiners (dalam light coral) ialah mereka yang menyertai Dev.to dan mengikuti saya pada hari yang sama, manakala Other Joiners (dalam warna teal) telah pun berada di platform.

Hasilnya? Hampir kesemua Kosong dan Profil Asas adalah ahli pada hari yang sama, yang membuatkan saya tertanya-tanya sama ada pengikut baharu yang mempunyai profil minimum ini adalah pengguna yang benar-benar terlibat — atau hanya melaluinya.

Untuk melihat artikel yang benar-benar menarik perhatian, saya melihat pertumbuhan pengikut yang setiap satu tercetus dalam tempoh 14 hari selepas diterbitkan, dipecahkan mengikut jenis pengikut.

Dalam carta, setiap bar menunjukkan bilangan pengikut baharu setiap artikel yang dibawa masuk merentas empat kategori — Penyumbang Aktif, Profil Terhubung, Profil Asas dan Profil Kosong. Menariknya, artikel yang menarik Penyumbang Aktif — pengikut yang benar-benar terlibat di Dev.to — ialah artikel yang saya promosikan melalui saluran luaran. Menjangkau menjangkau Dev.to nampaknya menarik pengikut yang lebih aktif daripada dev.to dan bukannya profil pasif sahaja, menunjukkan nilai perkongsian kandungan di luar platform untuk menarik pembaca yang lebih cenderung untuk melibatkan diri dan menyumbang.

Memandangkan artikel “My Journey Learning…” menarik gelombang Profil Terhubung, yang kebanyakannya mempunyai pautan GitHub, saya memutuskan untuk menggali lebih mendalam pengikut yang disambungkan dengan GitHub ini. Memandangkan hampir separuh daripada pengikut saya hanya mempunyai profil GitHub yang disambungkan, rasanya seperti kawasan yang bagus untuk diterokai.

Mula-mula, saya menyediakan akses kepada API GitHub untuk mendapatkan beberapa maklumat asas tentang profil mereka. Inilah yang saya temui:

• Penglibatan Minimum: 8 pengikut menyertai Dev.to pada hari yang sama GitHub mereka dicipta dan terakhir dikemas kini, dengan sifar repo awam. Ini menunjukkan akaun ini mungkin telah dibuat untuk kegunaan berikut atau terhad sahaja.

• Akaun Baharu: 19 pengikut menyertai Dev.to pada hari yang sama mereka membuat akaun GitHub mereka, tetapi tanpa melihat tarikh aktiviti terakhir mereka.

• Tiada Repos Awam: Sejumlah 110 pengikut dalam kumpulan ini mempunyai sifar repo awam, yang mungkin bermakna mereka sama ada tidak aktif di GitHub atau merahsiakan kerja mereka.

Dalam pecahan di atas, carta menunjukkan tiga kategori status aktiviti GitHub:

1. Aktif: Sebahagian yang baik (lebih 74%) menunjukkan tanda aktiviti dengan berbilang repo awam dan kemas kini terkini.

2. Tidak Aktif: Kira-kira 22.7% mempunyai akaun GitHub tetapi tidak mempunyai penglibatan yang boleh dilihat, dengan sedikit atau tiada repo awam.

3. Tiada: Untuk pecahan kecil yang disediakan, profil GitHub tidak ditemui.

Analisis ini menunjukkan bahawa walaupun ramai pengikut dengan pautan GitHub benar-benar aktif, sebahagian besar sama ada mempunyai kehadiran yang minimum atau tiada aktiviti yang dihadapi oleh orang ramai.

Untuk lebih memahami aktiviti GitHub dalam kalangan pengikut saya, saya melihat bilangan repositori awam yang dimiliki oleh setiap pengguna. Memandangkan beberapa pengikut mempunyai bilangan repo yang luar biasa tinggi, saya menggunakan potongan pada persentil ke-98 untuk memastikan analisis tertumpu pada pengguna biasa.

Plot taburan ini memberi kita gambaran yang lebih jelas: kebanyakan pengikut mempunyai bilangan repo awam yang sederhana, dengan hanya segelintir yang menunjukkan aktiviti yang sangat tinggi di GitHub. Ini menunjukkan bahawa walaupun terdapat beberapa pengguna berkuasa, rata-rata pengikut tidak begitu aktif di GitHub, yang sejajar dengan aliran pengguna umum.

Mentafsir Keputusan

Melihat analisis saya, beberapa perkara muncul yang benar-benar membuatkan saya tertanya-tanya apa yang berlaku:

1. Penyertai Hari Sama: Nampaknya, artikel saya menarik orang ramai untuk menyertai Dev.to dan mengikuti saya serta-merta, tetapi saya tidak benar-benar menarik pengguna aktif yang mapan. Persoalan besar di sini ialah, apa lagi yang dilakukan oleh pengikut baharu ini di Dev.to? Adakah mereka mengikuti orang lain, atau hanya saya? Adakah mereka benar-benar berminat atau hanya sebahagian daripada aliran pengikut ramai?

2. Profil Bare-Bone: Sebilangan mengejutkan pengikut saya mempunyai profil yang hampir kosong. Jika saya menapis profil "bersih" ini dan pengguna GitHub yang tidak aktif, saya hanya tinggal kira-kira 1,200 pengikut sebenar yang berpotensi daripada hampir 2,500 saya. Ia seperti separuh daripada bilangan pengikut saya mungkin asap dan cermin.

3. Paparan lwn. Teka-teki Pengikut: Di sinilah ia menjadi sangat pelik. Jika anda melihat graf Pengikut Baharu mengikut Kategori dalam tempoh 14 Hari dari Setiap Artikel, anda akan dapati artikel seperti Perjalanan Saya Belajar AI untuk Penulisan Lagu membawa masuk sejumlah besar pengikut — lebih 1,200 dalam masa dua minggu sahaja.

Sekarang, anda akan fikir bahawa lonjakan pengikut sedemikian bermakna kiraan tontonan yang sama mengagumkan. Tetapi apabila saya menyemak graf Jumlah Paparan setiap Artikel pada Dev.to, saya melihat cerita yang sama sekali berbeza. Artikel itu hanya mendapat kira-kira 342 tontonan, yang tidak sepadan dengan kebanjiran pengikut.

Ini menimbulkan beberapa persoalan yang menarik. Adakah pengikut ini benar-benar membaca kandungan saya, atau adakah perkara lain yang dimainkan di sini? Adakah mereka pengikut beramai-ramai, atau mungkinkah sebahagian daripada mereka menjadi bot? Ketidakpadanan antara pandangan dan pengikut ini membuatkan saya terfikir mungkin ada lagi yang perlu didedahkan — mungkin dalam metrik Dev.to atau malah dalam kalangan pengikut saya sendiri. Walaupun saya tidak mempunyai data untuk menjawab semua soalan ini, analisis ini sudah tentu membuatkan saya ingin melihat lebih mendalam, dan saya berharap ia memberi inspirasi kepada orang lain untuk menyelami statistik khalayak mereka sendiri juga.

Menggalakkan Pandangan yang Lebih Luas

Jadi, apa yang saya pelajari daripada semua ini? Untuk satu, nombor pengikut tidak selalu menceritakan kisah penuh. Adalah satu perkara untuk mempunyai bilangan pengikut yang ramai, tetapi agak lain untuk mempunyai pengikut aktif yang terlibat dan benar-benar menghargai kandungan anda. Walaupun analisis saya meninggalkan saya dengan lebih banyak soalan daripada jawapan, saya ingin tahu apa yang penulis Dev.to temui dalam analisis pengikut mereka sendiri.

Bolehkah beberapa pengikut kami menjadi bot? Mungkin. Bolehkah mereka akaun tidak aktif? mungkin. Akhirnya, cerapan ini telah memberi saya perspektif baharu tentang metrik pengikut dan saya menggalakkan anda melakukan perkara yang sama dengan khalayak anda.

Jika anda ingin mengetahui pengikut Dev.to anda sendiri, anda boleh mendapatkan analisis dan kod penuh saya dalam repo di sini: Dev.to Audience Analyzer.

Atas ialah kandungan terperinci Siapa yang Benar-benar Mengikuti Anda di Dev.to? Panduan untuk Menganalisis Khalayak Anda. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!