谁在 Dev.to 上真正关注你？受众分析指南

我写这篇文章的原因是为了阐明 Dev. 的一个方面，我们许多人都不会三思而后行：我们的追随者。我们投入了如此多的精力来创作内容，希望它能引起读者的共鸣并建立我们的社区，但您有没有想过谁真正在关注您？

在本文中，我将分享我分析 Dev.to 关注者的步骤以及我的发现。一路上，你可能会注意到一些令人惊讶的模式——这些模式让我怀疑其中一些追随者的真实性。其中是否存在“类似机器人”的活动？这是值得考虑的，尽管我不是来指手画脚的。相反，我想鼓励您深入研究自己的关注者数据并为自己做出发现。

为什么要分析你的受众？

当 Dev.to 作者看到他们的关注者时，他们常常想知道：他们是谁？他们参与度高吗？ ​​不幸的是，该平台并没有让我们深入了解关注者的活动或参与度。这就是启发我创建自定义 Jupyter 笔记本 进行分析的原因，我将其称为 Dev.to Audience Analyzer。该笔记本帮助我提取和分析有关我的关注者的数据，揭示平台上无法立即看到的见解。

使用此工具，我可以根据活动、个人资料完整性和其他模式对关注者进行分类。让我告诉你，有些发现……可以说是不寻常的。我没想到会找到我发现的东西，但我们来了！让我们来看看我是如何解决这个问题的。

您可以了解您的关注者的哪些信息

在分析 Dev.to 上的受众时，您可以使用 Dev.to 的 API 和一些简单的网络抓取来收集大量信息。通过将不同来源的数据拼凑在一起，您可以更清楚地了解关注者的参与度和活动水平。

通过 Forem API 检索您的文章和关注者

Forem API 提供对多个 Dev.to 实体的访问，包括文章和关注者。

• 文章：您可以检索自己发表的文章，其中包含标题、标签、发布日期和参与统计等详细信息。此信息可通过 API 端点 getUserArticles 获取。

• 关注者：您可以获取关注者列表并查看详细信息，例如他们的用户名、用户 ID、个人资料图片以及关注您的日期。此信息可通过 getUserFollowers 端点访问。

以下是 API 返回的关注者数据的示例：

{<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>

探索关注者个人资料以获得更多见解

获得关注者的用户名或 ID 后，您可以使用 API v0 版本中的 getUser 端点来检索更深入的个人资料信息。这可以包括他们的个人简介、位置、GitHub 链接和其他公开个人资料详细信息，以便您评估他们个人资料的完整性。

抓取个人资料页面以获取参与度指标

除了通过 API 提供的数据外，您还可以抓取公共配置文件以发现更多指标。例如，如果您查看像我的或您自己的个人资料页面，您将看到无法通过 API 获得的其他信息：

• 徽章：显示用户获得的徽章，可以表示活动和参与度。

• 统计信息：显示发布的帖子数量、撰写的评论、关注的标签等。

• 最近活动：展示他们的最新帖子或评论，提供有关他们参与程度的更多背景信息。

结合 API 和个人资料页面的数据后，我最终得到了两个主要数据集进行分析。一个数据集涵盖了我的文章，包含标题、created_at 和 public_reactions_count 等详细信息。另一个是关于我的关注者的一切，包括从他们的用户名和位置到文章计数、评论计数等指标，甚至他们获得的徽章。关注者数据集包括created_at和joined_at列，这可能有点令人困惑——created_at标记用户关注我的时间，而joined_at是他们最初加入Dev.to的日期。如果您好奇的话，可以在 GitHub 上查看提取代码 - 它将数据提取到两个 pandas 数据帧中。

警告：Forem API 有严格的速率限制，这可能会使数据提取变慢。我尝试并行运行提取以加快速度，但它经常遇到速率限制器并停止运行。作为参考，我花了大约 40 分钟提取大约 2,500 名关注者的数据。因此，如果您有更多的追随者，耐心是关键！

Dev.to 受众分析器入门

如果您有兴趣分析自己的关注者，您可以在本地计算机上运行 Dev.to Audience Analyzer Jupyter 笔记本。在深入分析之前，您需要设置 Python 环境以确保所有依赖项均已正确安装。

1. 设置 Python 环境：按照项目 GitHub 存储库中的 README 说明设置虚拟环境，安装所需的库，并使用 Dev.to API 配置 .env 文件钥匙。

2. 运行 Notebook：环境准备就绪后，在 Jupyter 中打开 Analysis.ipynb 并执行单元格以提取和分析您的 Dev.to 关注者数据。该笔记本将指导您可视化关注者活动、个人资料完整性和参与模式。

深入了解我的 Dev.to 关注者

在本章中，我将深入研究我对自己的关注者所做的详细分析。我们将研究他们的参与程度、他们的个人资料的完整性以及我在此过程中注意到的一些奇怪的趋势。但是，嘿，如果您不想深入了解，请随时跳到下一章，我将详细介绍主要内容！

首先，我想了解我的关注者随着时间的推移如何增长，以及发布新文章后关注者数量是否有明显的增长。目前，我有 11 篇文章和 2,485 名关注者，所以我很好奇是否有任何特定内容推动了这些数字。因此，我绘制了一个条形图，显示每天的新关注者，并将累积关注者绘制为一条线。每条垂直虚线代表文章发布的日期，可以轻松查看发布内容和关注者峰值之间是否存在任何相关性。

马上，2024-03 年初左右出现了一次巨大的飙升——然而，仅通过查看这张静态图表很难确定哪一篇具体文章引发了这一热潮。为了更深入地挖掘并查看是否是某篇特定文章导致了这种跳转，我决定尝试与 Plotly 进行更具交互性的操作，以获得更清晰的视图。

现在，我们可以从这张图中看到，关注者的大幅增长实际上与我的文章“我的歌曲创作人工智能学习之旅：LSTM 和泰勒·斯威夫特”有关。我在几个外部渠道上宣传了这篇特别的文章，这无疑推动了它的发展，并吸引了一波新的追随者。这种洞察力很有用——它展示了在 Dev.to 之外分享内容如何对关注者增长产生显着影响。

接下来，我想更深入地挖掘一下：在每篇文章发布之日，我的新关注者中有多少人实际上是 Dev. 的新手？这就是事情开始变得有趣的地方。当我查看数据时，我发现文章发布当天出现的关注者中有高达 98.5% 是当日加入者。

这让我想知道——这些人是不是看到我的文章并当场决定加入 Dev.to 的？或者是相反：他们加入了 Dev.to，并在同一天偶然发现了我的文章？不管怎样，当日关注者的数量之多令人惊讶，并且肯定在我的脑海中引发了一些关于这种参与度的真实性的问题。

更有趣的是，这些在关注我的同一天加入 Dev. 的关注者并没有消失——他们一直留在这个平台上。为了更清楚地了解这一点，我在 Dev.to 上绘制了关注者时间分布图，显示了这些关注者自加入日期以来持续存在的时间。

接下来，我想深入了解我的关注者的个人资料属性。他们只填写了一项属性吗？几个的组合？为了了解我的关注者基础的质量，我查看了一系列个人资料属性，以了解这些个人资料的完整性或活跃程度。

下面的条形图显示了具有特定个人资料属性的关注者数量，例如：

• 撰写评论或文章

• 拥有徽章、Twitter/GitHub 用户名、网站或列出的位置

• 添加个人资料图片或摘要

• Dev.to 上有以下标签

我还标记了“空个人资料”——根本没有活动或个人资料详细信息的关注者。

在我的 2,485 名关注者中，每个人都有个人资料图片，这表明 Dev.to 可能会分配默认图片。这意味着个人资料图像属性无法为此分析提供有意义的见解。

有趣的是，大多数关注者也关注标签。但是，由于我无法访问有关它们所遵循的特定标签的详细信息，因此此属性无法提供太多可操作的见解。

接下来，我查看了在个人资料中仅填写一个属性的关注者。这部分分析有助于确定哪些最小的个人资料详细信息在可能不深入参与的关注者中最常见。

条形图突出显示只有一个属性作为其唯一个人资料详细信息的关注者数量 - 例如仅 GitHub 用户名、仅关注标签或仅列出位置。

• 仅关注标签：一大群（530 名关注者）仅具有“关注标签”属性。正如我之前提到的，由于我无法深入研究他们所遵循的特定标签，因此我决定将这一组排除在进一步分析之外。

• 仅徽章：另一个有趣的群体 - 24 位关注者 - 仅列出了徽章，没有其他个人资料信息。这看起来很不寻常，并引发了一些危险信号，因此我决定通过分析他们的徽章分布来仔细观察这些关注者。

为了更深入地了解追随者活动，我查看了追随者中徽章的分布情况。上面的条形图显示了最常见的 10 个徽章，其中“一年俱乐部”徽章在列表中占据主导地位。

但事情是这样的：这些 X 年俱乐部徽章（如“一年俱乐部”或“两年俱乐部”）实际上并没有太多关于追随者活动的信息。他们只是因为在 Dev.to 上停留了一段时间而获得奖励，而不是因为参与或贡献。因此，它们对于了解我的关注者到底有多活跃并不完全有用。

因此，我决定从我的分析中删除这些 X 年俱乐部徽章。他们并没有真正让我了解我的关注者在平台上实际做了什么。

X-Year Club 徽章消失后，我们可以看到我的关注者中排名前 10 的活跃徽章。这些徽章体现了真正的参与度，例如用于发表第一篇文章的 Writing Debut、用于持续活动的 Community Wellness Streaks 以及用于参与活动的 Hacktoberfest Pledge。这让我们可以更好地了解 Dev.to 上真正活跃的关注者，而不仅仅是闲逛。

有了 X-Year Club 徽章，我们可以更好地了解 Dev.to 上真正活跃的关注者，而不仅仅是闲逛。但徽章本身并不能说明全部故事。我还查看了有多少关注者链接到 GitHub、Twitter 或个人网站等外部资料。事实证明，大多数人只列出了他们的 GitHub，考虑到技术密集的人群，这是有道理的。少数包括个人网站或 Twitter，只有少数链接多个平台。

当谈到 Dev.to 内的活动时，我的一些积极关注者拥有徽章和文章的混合体，其中一些人通过写作、评论和收集徽章来全力以赴。这样可以更清楚地了解谁在真正做出贡献，而那些可能只是徘徊而没有太多参与的人。

然后我查看了我的关注者来自哪里。该图表显示了关注者个人资料中列出的前 10 个位置（不包括留空的位置）。印度位居榜首，其次是美国和巴西。除此之外，地点也很分散，其中有一些提到了巴黎、胡志明市和巴厘岛等地。全球分布并不广泛，但有趣的是看到其中存在一些地理差异。

查看了我的关注者来自哪里后，我想深入研究他们写的​​文章。为了保持重点，我过滤掉了超短的帖子（阅读时间少于 1 分钟）。这些通常是快速介绍，例如“嗨，这是我的第一篇文章”，不会为分析添加太多内容。

这就是我所做的：

1. 过滤文章：只保留阅读时间超过1分钟的文章。

2. 更新了数据：用经过过滤的更实质性帖子列表替换了每个关注者的文章数据。

3. 重新计算计数：根据这些更长、更有意义的帖子调整文章计数。

现在让我们看看他们的文章数量、平均阅读时间以及他们所写的最受欢迎标签的趋势。

从数据来看，很明显大多数关注者只发表了少量文章——通常少于五篇。很少有文章超过 10 篇，这表明一致的发表非常罕见。至于文章长度，大多数关注者的平均阅读时间在 2 到 5 分钟之间，因此这些内容往往是简短、快速的阅读。只有极少数的粉丝会写更长的文章，平均阅读时间超过 10 分钟。

当谈到标签时，某些主题很突出。最流行的标签是“初学者”、“webdev”和“编程”，显示出对基础主题的关注。人们对“python”、“javascript”、“ai”和“devops”等特定领域也有浓厚的兴趣，这些领域面向的是技术性更强的受众。通过“学习”和“教程”等标签，很明显，许多关注者正在创建旨在教学或分享知识的内容。

为了更深入地挖掘，我查看了尚未发表任何文章但留下评论的关注者。正如您在图表中看到的那样，大多数关注者只留下了少量评论，其中大多数评论不到 5 条。有一些异常者发表评论的频率更高，但他们绝对是例外。这表明，对于许多关注者来说，Dev.to 上的参与度非常低——他们没有发布内容，也没有积极参与讨论。

深入研究追随者活动后，我决定将其分为四个主要类别，以便更清楚地了解谁是真正活跃的：

1. 活跃贡献者：撰写文章或发表评论的人。

2. 关联个人资料：具有外部链接（GitHub、Twitter 等）但没有太多其他内容的人。

3. 基本配置文件：最少的信息，例如位置或摘要 - 没有文章，没有链接。

4. 空个人资料：没有任何意义——只是空白的个人资料。

左侧的条形图显示每个组的数字，右侧的圆环图给出百分比细分。这有助于显示活跃关注者和潜伏关注者之间的平衡。

值得注意的是，我的大部分关注者（30%）都是完全空的个人资料，另外 10% 是“基本”个人资料，信息很少，但没有真正的参与度。所以，最后，我剩下 54.4% 的人至少有 GitHub 或 Twitter 等外部链接，但只有一小部分人实际上是 Dev.to 上的活跃贡献者，要么写文章，要么留下评论。

为了更深入地挖掘，我查看了有多少关注者在开始关注我的同一天加入了 Dev.to。在图表中，同日加入者（浅珊瑚色）是那些在同一天加入Dev.to并关注我的人，而其他加入者（青色）已经在平台。

结果？几乎所有的空和基本资料都是当日加入者，这让我想知道这些具有最少资料的新关注者是否是真正活跃的用户 - 或者只是路过。

为了了解哪些文章真正引起了关注，我查看了每篇文章在发布后 14 天内引发的关注者增长情况，并按关注者类型进行了细分。

在图表中，每个条形显示每篇文章在四个类别（活跃贡献者、已连接个人资料、基本个人资料和空个人资料）中引入的新关注者数量。有趣的是，吸引活跃贡献者（实际参与 Dev.to 的关注者）的文章是我通过外部渠道推广的文章。超越 Dev.to 似乎吸引了更多来自 dev.to 的真正活跃的关注者，而不仅仅是被动的个人资料，这显示了在平台外分享内容以吸引更愿意参与和贡献的读者的价值。

看到“我的学习之旅......”文章吸引了一波连接的个人资料，其中大多数都有 GitHub 链接，我决定更深入地挖掘这些 GitHub 连接的关注者。由于我近一半的关注者只连接了 GitHub 个人资料，因此感觉这是一个值得探索的好领域。

首先，我设置了对 GitHub API 的访问，以获取有关其个人资料的一些基本信息。这是我发现的：

• 最小参与度：8 位关注者在其 GitHub 创建和最后更新的同一天加入了 Dev.to，公共存储库为零。这表明这些帐户可能是为了以下或有限用途而创建的。

• 新帐户：19 位关注者在创建 GitHub 帐户的同一天加入了 Dev.to，但没有查看他们的最后活动日期。

• 没有公共仓库：该群组中共有 110 位关注者拥有零个公共仓库，这可能意味着他们要么在 GitHub 上不活跃，要么将他们的工作保密。

在上面的细分中，图表显示了 GitHub 活动状态的三类：

1. 活跃：很大一部分（超过 74%）显示出多个公共存储库和最近更新的活动迹象。

2. 非活跃：大约 22.7% 拥有 GitHub 帐户，但缺乏可见的参与度，很少或根本没有公共存储库。

3. 无：对于一小部分，未找到 GitHub 配置文件。

此分析表明，虽然许多拥有 GitHub 链接的关注者确实很活跃，但很大一部分要么很少存在，要么没有面向公众的活动。

为了更好地了解我的关注者中的 GitHub 活动，我查看了每个用户拥有的公共存储库的数量。由于少数关注者拥有异常多的存储库，因此我在第 98 个百分位数处应用了截止值，以将分析重点放在典型用户上。

这个散点图为我们提供了更清晰的画面：大多数关注者拥有少量的公共存储库，只有少数在 GitHub 上表现出极高的活跃度。这表明，虽然有一些高级用户，但普通追随者在 GitHub 上并不那么活跃，这与一般用户趋势一致。

解释结果

看看我的分析，有一些事情跳出来，真的让我想知道发生了什么：

1. 当日加入者：显然，我的文章正在让人们加入 Dev.to 并立即关注我，但我并没有真正吸引已建立的活跃用户。这里最大的问题是，这些新关注者还在 Dev.to 上做什么？他们是在关注其他人，还是只是我？他们真的感兴趣还是只是大众追随趋势的一部分？

2. 简单的个人资料：令人惊讶的是，我的关注者数量几乎是空的。如果我过滤掉这些“干净”的个人资料和不活跃的 GitHub 用户，那么在我的近 2,500 名关注者中，我只剩下大约 1,200 名潜在的真正关注者。就好像我一半的关注者数量可能都是雾里看花。

3. 浏览量与关注者之谜：这就是真正奇怪的地方。如果您查看每篇文章 14 天内按类别划分的新关注者图表，您会注意到像我的学习人工智能歌曲创作之旅这样的文章带来了大量的关注者 -短短两周内就超过 1,200 个。

现在，您可能会认为关注者数量的激增意味着同样令人印象深刻的观看次数。但当我检查 Dev.to 上的每篇文章的总浏览量图表时，我看到了一个完全不同的故事。这篇文章的浏览量只有 342 左右，这与大量的关注者不相符。

这提出了一些有趣的问题。这些关注者是否真正阅读了我的内容，还是还有其他原因？他们是大众追随者，还是其中一些甚至可能是机器人？观点和关注者之间的这种不匹配让我认为可能还有更多东西有待发现——也许是在 Dev.to 的指标中，甚至是在我自己的关注者中。虽然我没有数据来回答所有这些问题，但这种分析确实让我想要更深入地研究，我希望它也能激励其他人深入了解他们自己的观众统计数据。

鼓励更广阔的视野

那么，我从这一切中学到了什么？其一，粉丝数量并不总能说明全部情况。拥有大量关注者是一回事，但拥有真正重视您的内容的积极参与的关注者则是另一回事。虽然我的分析给我留下的问题多于答案，但我很好奇其他 Dev.to 作者在他们自己的关注者分析中发现了什么。

我们的一些关注者可能是机器人吗？或许。它们可能是不活跃帐户吗？可能吧。最终，这些见解让我对关注者指标有了全新的看法，我鼓励您对您的受众也这样做。

如果您想深入了解自己的 Dev.to 关注者，您可以在此处的存储库中找到我的完整分析和代码：Dev.to Audience Analyzer。

以上是谁在 Dev.to 上真正关注你？受众分析指南的详细内容。更多信息请关注PHP中文网其他相关文章！