我寫這篇文章的原因是為了闡明 Dev. 的一個方面，我們許多人都不會三思而後行：我們的追隨者。我們投入瞭如此多的精力來創作內容，希望它能引起讀者的共鳴並建立我們的社區，但您有沒有想過誰真正在關注您？
在本文中，我將分享我分析 Dev.to 追蹤者的步驟以及我的發現。一路上，你可能會注意到一些令人驚訝的模式——這些模式讓我懷疑其中一些追隨者的真實性。其中是否存在「類似機器人」的活動？這是值得考慮的，儘管我不是來指手畫腳的。相反，我想鼓勵您深入研究自己的追蹤者數據並為自己做出發現。
當 Dev.to 作者看到他們的追蹤者時，他們常常想知道：他們是誰？他們參與度高嗎？ 不幸的是，該平台並沒有讓我們深入了解追蹤者的活動或參與度。這就是啟發我創建自訂 Jupyter 筆記本 進行分析的原因，我將其稱為 Dev.to Audience Analyzer。這本筆記本幫助我提取和分析有關我的追蹤者的數據，揭示平台上無法立即看到的見解。
使用此工具，我可以根據活動、個人資料完整性和其他模式對追蹤者進行分類。讓我告訴你，有些發現…可以說是不尋常的。我沒想到會找到我發現的東西，但我們來了！讓我們來看看我是如何解決這個問題的。
在分析 Dev.to 上的受眾時，您可以使用 Dev.to 的 API 和一些簡單的網頁抓取來收集大量資訊。透過將不同來源的數據拼湊在一起，您可以更清楚地了解追蹤者的參與度和活動量。
Forem API 提供對多個 Dev.to 實體的訪問，包括文章和追蹤者。
文章：您可以檢索自己發表的文章，其中包含標題、標籤、發布日期和參與統計等詳細資訊。此資訊可透過 API 端點 getUserArticles 取得。
追蹤者：您可以獲得追蹤者列表並查看詳細信息，例如他們的用戶名、用戶 ID、個人資料圖片以及關注您的日期。此資訊可透過 getUserFollowers 端點存取。
以下是 API 傳回的追蹤者資料的範例：
{<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>
取得追蹤者的使用者名稱或 ID 後，您可以使用 API v0 版本中的 getUser 端點來檢索更深入的個人資料資訊。這可以包括他們的個人簡介、位置、GitHub 連結和其他公開個人資料詳細信息，以便您評估他們個人資料的完整性。
除了透過 API 提供的資料外，您還可以抓取公共設定檔以發現更多指標。例如，如果您查看像我的或您自己的個人資料頁面，您將看到無法透過 API 獲得的其他資訊：
徽章：顯示使用者獲得的徽章，可以表示活動和參與度。
統計資訊：顯示發佈的貼文數量、撰寫的留言、追蹤的標籤等。
最近活動：展示他們的最新貼文或評論，提供更多有關他們參與程度的背景資訊。
結合 API 和個人資料頁面的資料後，我最終得到了兩個主要資料集進行分析。一個資料集涵蓋了我的文章，包含標題、created_at 和 public_reactions_count 等詳細資訊。另一個是關於我的追蹤者的一切，包括從他們的用戶名和位置到文章計數、評論計數等指標，甚至他們獲得的徽章。追蹤者資料集包括created_at和joined_at列，這可能有點令人困惑——created_at標記用戶關注我的時間，而joined_at是他們最初加入Dev.to的日期。如果您好奇的話，可以在 GitHub 上查看提取程式碼 - 它將資料提取到兩個 pandas 資料幀中。
警告：Forem API 有嚴格的速率限制，這可能會使資料擷取變慢。我嘗試並行運行提取以加快速度，但它經常遇到速率限制器並停止運行。作為參考，我花了大約 40 分鐘提取大約 2,500 名追蹤者的數據。因此，如果您有更多的追隨者，耐心是關鍵！
如果您有興趣分析自己的追蹤者，您可以在本機電腦上執行 Dev.to Audience Analyzer Jupyter 筆記本。在深入分析之前，您需要設定 Python 環境以確保所有相依性均已正確安裝。
設定 Python 環境：依照專案 GitHub 儲存庫中的 README 說明設定虛擬環境，安裝所需的函式庫，並使用 Dev.to API 設定 .env 檔案鑰匙。
執行 Notebook：環境準備好後，在 Jupyter 中開啟 Analysis.ipynb 並執行單元格以提取和分析您的 Dev.to 追蹤者資料。這本筆記本將引導您視覺化追蹤者活動、個人資料完整性和參與模式。
在本章中，我將深入研究我對自己的追蹤者所做的詳細分析。我們將研究他們的參與程度、他們的個人資料的完整性以及我在這個過程中註意到的一些奇怪的趨勢。但是，嘿，如果您不想深入了解，請隨時跳到下一章，我將詳細介紹主要內容！
首先，我想了解我的追蹤者隨著時間的推移如何增長，以及發布新文章後追蹤者數量是否有明顯的增長。目前，我有 11 篇文章和 2,485 名追蹤者，所以我很好奇是否有任何特定內容推動了這些數字。因此，我繪製了一個長條圖，顯示每天的新追蹤者，並將累積追蹤者繪製為一條線。每條垂直虛線代表文章發布的日期，可以輕鬆查看發佈內容和追蹤者高峰之間是否存在任何相關性。
馬上，2024-03 年初左右出現了一次巨大的飆升——然而，僅通過查看這張靜態圖表很難確定哪一篇具體文章引發了這一熱潮。為了更深入地挖掘並查看是否是某篇特定文章導致了這種跳轉，我決定嘗試與 Plotly 進行更具互動性的操作，以獲得更清晰的視圖。
現在，我們可以從這張圖中看到，追蹤者的大幅成長實際上與我的文章「我的歌曲創作人工智慧學習之旅：LSTM 和泰勒·斯威夫特」有關。我在幾個外部管道上宣傳了這篇特別的文章，這無疑推動了它的發展，並吸引了一波新的追隨者。這種洞察力很有用——它展示了在 Dev.to 之外分享內容如何對追蹤者成長產生顯著影響。
接下來，我想更深入地挖掘一下：在每篇文章發布之日，我的新追蹤者中有多少人實際上是 Dev. 的新手？這就是事情開始變得有趣的地方。當我查看數據時，我發現文章發布當天出現的追蹤者中有高達 98.5% 是當日加入者。
這讓我想知道——這些人是不是看到我的文章並當場決定加入 Dev.to 的？或者相反：他們加入了 Dev.to，並在同一天偶然發現了我的文章？不管怎樣，當日追蹤者的數量之多令人驚訝，並且肯定在我的腦海中引發了一些關於這種參與度的真實性的問題。
更有趣的是，這些在關注我的同一天加入 Dev. 的追隨者並沒有消失——他們一直留在這個平台上。為了更清楚地了解這一點，我在 Dev.to 上繪製了追蹤者時間分佈圖，顯示了這些追蹤者自加入日期以來持續存在的時間。
接下來，我想深入了解我的追蹤者的個人資料屬性。他們只填寫了一項屬性嗎？幾個的組合？為了了解我的追蹤者基礎的質量，我查看了一系列個人資料屬性，以了解這些個人資料的完整性或活躍程度。
下面的長條圖顯示了具有特定個人資料屬性的追蹤者數量，例如：
寫評論或文章
擁有徽章、Twitter/GitHub 使用者名稱、網站或列出的位置
新增個人資料圖片或摘要
Dev.to 上有以下標籤
我還標記了「空個人資料」——根本沒有活動或個人資料詳細資訊的追蹤者。
在我的 2,485 名追蹤者中，每個人都有個人資料圖片，這表明 Dev.to 可能會分配預設圖片。這意味著個人資料圖像屬性無法為此分析提供有意義的見解。
有趣的是，大多數追蹤者也關注標籤。但是，由於我無法訪問有關它們所遵循的特定標籤的詳細信息，因此此屬性無法提供太多可操作的見解。
接下來，我查看了在個人資料中僅填入一個屬性的追蹤者。這部分分析有助於確定哪些最小的個人資料詳細資訊在可能不深入參與的追蹤者中最常見。
條形圖突出顯示只有一個屬性作為其唯一個人資料詳細資訊的追蹤者數量 - 例如僅 GitHub 使用者名稱、僅關注標籤或僅列出位置。
只關注標籤：一大群（530 名追蹤者）僅具有「關注標籤」屬性。正如我之前提到的，由於我無法深入研究他們所遵循的特定標籤，因此我決定將這一組排除在進一步分析之外。
僅徽章：另一個有趣的群體 - 24 位追蹤者 - 僅列出了徽章，沒有其他個人資料資訊。這看起來很不尋常，並引發了一些危險信號，因此我決定透過分析他們的徽章分佈來仔細觀察這些追蹤者。
為了更深入了解追隨者活動，我查看了追隨者中徽章的分佈情況。上面的條形圖顯示了最常見的 10 個徽章，其中「一年俱樂部」徽章在清單中佔據主導地位。
但事情是這樣的：這些 X 年俱樂部徽章（如「一年俱樂部」或「兩年俱樂部」）實際上並沒有太多關於追隨者活動的資訊。他們只是因為在 Dev.to 上停留了一段時間而獲得獎勵，而不是因為參與或貢獻。因此，它們對於了解我的追蹤者到底有多活躍並不完全有用。
因此，我決定從我的分析中刪除這些 X 年俱樂部徽章。他們並沒有真正讓我了解我的追蹤者在平台上實際做了什麼。
X-Year Club 徽章消失後，我們可以看到我的追蹤者中排名前 10 的活躍徽章。這些徽章體現了真正的參與度，例如用於發表第一篇文章的Writing Debut、用於持續活動的Community Wellness Streaks 以及用於參與活動的 Hacktoberfest Pledge。這讓我們可以更好地了解 Dev.to 上真正活躍的追隨者，而不僅僅是閒逛。
有了 X-Year Club 徽章，我們可以更好地了解 Dev.to 上真正活躍的追隨者，而不僅僅是閒逛。但徽章本身並不能說明全部。我還查看了有多少追蹤者連結到 GitHub、Twitter 或個人網站等外部資料。事實證明，大多數人只列出了他們的 GitHub，考慮到技術密集的人群，這是有道理的。少數包括個人網站或 Twitter，只有少數連結多個平台。
當談到 Dev.to 內的活動時，我的一些積極關注者擁有徽章和文章的混合體，其中一些人通過寫作、評論和收集徽章來全力以赴。這樣可以更清楚地了解誰在真正做出貢獻，而那些可能只是徘徊而沒有太多參與的人。
然後我查看了我的追蹤者來自哪裡。此圖表顯示了追蹤者個人資料中列出的前 10 個位置（不包括留空的位置）。印度位居榜首，其次是美國和巴西。除此之外，地點也很分散，其中有些提到了巴黎、胡志明市和峇裡島等地。全球分佈並不廣泛，但有趣的是看到其中存在一些地理差異。
查看了我的追蹤者來自哪裡後，我想深入研究他們寫的文章。為了保持重點，我過濾掉了超短的貼文（閱讀時間少於 1 分鐘）。這些通常是快速介紹，例如“嗨，這是我的第一篇文章”，不會為分析添加太多內容。
這就是我所做的：
過濾文章：只保留閱讀時間超過1分鐘的文章。
更新了資料：用經過過濾的更實質貼文清單取代了每個追蹤者的文章資料。
重新計算計數：根據這些更長、更有意義的貼文調整文章計數。
現在讓我們看看他們的文章數量、平均閱讀時間以及他們所寫的最受歡迎標籤的趨勢。
從數據來看，很明顯大多數追蹤者只發表了少量文章——通常少於五篇。很少有文章超過 10 篇，這表明一致的發表非常罕見。至於文章長度，大多數追蹤者的平均閱讀時間在 2 到 5 分鐘之間，因此這些內容往往是簡短、快速的閱讀。只有極少數的粉絲會寫更長的文章，平均閱讀時間超過 10 分鐘。
當談到標籤時，某些主題很突出。最受歡迎的標籤是“初學者”、“webdev”和“程式設計”，顯示出對基礎主題的關注。人們對「python」、「javascript」、「ai」和「devops」等特定領域也有濃厚的興趣，這些領域面向的是技術性更強的受眾。透過「學習」和「教程」等標籤，很明顯，許多追蹤者正在創建旨在教學或分享知識的內容。
為了更深入地挖掘，我查看了尚未發表任何文章但留下評論的追蹤者。正如您在圖表中看到的那樣，大多數追蹤者只留下了少量評論，其中大多數評論不到 5 則評論。有一些異常者發表評論的頻率較高，但他們絕對是例外。這表明，對於許多追蹤者來說，Dev.to 上的參與度非常低——他們沒有發佈內容，也沒有積極參與討論。
深入研究追隨者活動後，我決定將其分為四個主要類別，以便更清楚地了解誰是真正活躍的：
活躍貢獻者：撰寫文章或發表評論的人。
關聯個人資料：有外部連結（GitHub、Twitter 等）但沒有太多其他內容的人。
基本設定檔：最少的信息，例如位置或摘要 - 沒有文章，沒有連結。
空白個人資料：沒有任何意義－只是空白的個人資料。
左側的長條圖顯示每組的數字，右側的圓環圖給出百分比細分。這有助於顯示活躍追蹤者和潛伏追蹤者之間的平衡。
值得注意的是，我的大部分追蹤者（30%）都是完全空的個人資料，另外 10% 是「基本」個人資料，資訊很少，但沒有真正的參與度。所以，最後，我剩下 54.4% 的人至少有 GitHub 或 Twitter 等外部鏈接，但只有一小部分人實際上是 Dev.to 上的活躍貢獻者，要么寫文章，要么留下評論。
為了更深入地挖掘，我查看了有多少追隨者在開始關注我的同一天加入了 Dev.to。在圖表中，同日加入者（淺珊瑚色）是那些在同一天加入Dev.to並關注我的人，而其他加入者（青色）已經在平台。
結果？幾乎所有的空和基本資料都是當日加入者，這讓我想知道這些具有最少資料的新關注者是否是真正活躍的用戶 - 或者只是路過。
為了了解哪些文章真正引起了關注，我查看了每篇文章在發布後 14 天內引發的關注者增長情況，並按關注者類型進行了細分。
在圖表中，每個長條顯示每篇文章在四個類別（活躍貢獻者、已連接個人資料、基本個人資料和空白個人資料）中引入的新追蹤者數量。有趣的是，吸引活躍貢獻者（實際參與 Dev.to 的追蹤者）的文章是我透過外部管道推廣的文章。超越 Dev.to 似乎吸引了更多來自 dev.to 的真正活躍的追蹤者，而不僅僅是被動的個人資料，這顯示了在平台外分享內容以吸引更願意參與和貢獻的讀者的價值。
看到“我的學習之旅......”文章吸引了一波連接的個人資料，其中大多數都有GitHub 鏈接，我決定更深入地挖掘這些GitHub連結的追蹤者。由於我近一半的追蹤者只連接了 GitHub 個人資料，因此感覺這是一個值得探索的好領域。
首先，我設定了對 GitHub API 的訪問，以獲取有關其個人資料的一些基本資訊。這是我發現的：
最小參與度：8 位追蹤者在其 GitHub 創建和最後更新的同一天加入了 Dev.to，公共儲存庫為零。這表明這些帳戶可能是為了以下或有限用途而創建的。
新帳戶：19 位追蹤者在建立 GitHub 帳戶的同一天加入了 Dev.to，但沒有查看他們的最後活動日期。
沒有公共倉庫：群組中共有 110 位追蹤者擁有零個公共倉庫，這可能意味著他們要麼在 GitHub 上不活躍，要麼將他們的工作保密。
在上面的細分中，圖表顯示了 GitHub 活動狀態的三類：
活躍：很大一部分（超過 74%）顯示出多個公共儲存庫和最近更新的活動跡象。
非活躍：大約 22.7% 擁有 GitHub 帳戶，但缺乏可見的參與度，很少或根本沒有公共儲存庫。
無：對於一小部分，找不到 GitHub 設定檔。
此分析表明，雖然許多擁有 GitHub 連結的追蹤者確實很活躍，但很大一部分要么很少存在，要么沒有面向公眾的活動。
為了更了解我的追蹤者中的 GitHub 活動，我查看了每個使用者擁有的公共儲存庫的數量。由於少數追蹤者擁有異常多的儲存庫，因此我在第 98 個百分位數處應用了截止值，以將分析重點放在典型用戶上。
這個散佈圖為我們提供了更清晰的畫面：大多數追蹤者擁有少量的公共儲存庫，只有少數在 GitHub 上表現出極高的活躍度。這表明，雖然有一些高級用戶，但普通追隨者在 GitHub 上並不那麼活躍，這與一般用戶趨勢一致。
看看我的分析，有一些事情跳出來，真的讓我想知道發生了什麼：
當日加入者：顯然，我的文章正在讓人們加入 Dev.to 並立即關注我，但我並沒有真正吸引已建立的活躍用戶。這裡最大的問題是，這些新追蹤者還在 Dev.to 上做什麼？他們是在關注其他人，還是只是我？他們真的感興趣還是只是大眾追隨趨勢的一部分？
簡單的個人資料：令人驚訝的是，我的追蹤者數量幾乎是空的。如果我過濾掉這些「乾淨」的個人資料和不活躍的 GitHub 用戶，那麼在我的近 2,500 名追蹤者中，我只剩下大約 1,200 名潛在的真正追蹤者。就好像我一半的追蹤者數量可能都是霧裡看花。
瀏覽量與追蹤者之謎：這就是真正奇怪的地方。如果您查看每篇文章14 天內按類別劃分的新追蹤者圖表，您會注意到像我的學習人工智慧歌曲創作之旅這樣的文章帶來了大量的追蹤者-短短兩週內就超過1,200 個。
現在，您可能會認為追蹤者數量的激增意味著同樣令人印象深刻的觀看次數。但當我檢查 Dev.to 上的每篇文章的總瀏覽量圖表時，我看到了一個完全不同的故事。這篇文章的瀏覽量只有 342 左右，這與大量的追蹤者不符。
這提出了一些有趣的問題。這些追蹤者是否真正閱讀了我的內容，還是還有其他原因？他們是大眾追隨者，還是其中一些甚至可能是機器人？觀點和追蹤者之間的這種不匹配讓我認為可能還有更多東西有待發現——也許是在 Dev.to 的指標中，甚至是在我自己的追蹤者中。雖然我沒有數據來回答所有這些問題，但這種分析確實讓我想要更深入地研究，我希望它也能激勵其他人深入了解自己的觀眾統計數據。
那麼，我從這一切中學到了什麼？其一，粉絲數並不總是能說明全部。擁有大量追蹤者是一回事，但擁有真正重視您的內容的積極參與的追蹤者則是另一回事。雖然我的分析給我留下的問題多於答案，但我很好奇其他 Dev.to 作者在他們自己的追蹤者分析中發現了什麼。
我們的一些追蹤者可能是機器人嗎？或許。它們可能是不活躍帳戶嗎？可能吧。最終，這些見解讓我對追蹤者指標有了全新的看法，我鼓勵您對您的受眾也能如此。
如果您想深入了解自己的 Dev.to 追蹤者，您可以在此處的儲存庫中找到我的完整分析和程式碼：Dev.to Audience Analyzer。
以上是誰在 Dev.to 上真正關注你？受眾分析指南的詳細內容。更多資訊請關注PHP中文網其他相關文章！
