我寫這篇文章的原因是為了闡明 Dev. 的一個(gè)方面，我們?cè)S多人都不會(huì)三思而後行：我們的追隨者。我們投入瞭如此多的精力來創(chuàng)作內(nèi)容，希望它能引起讀者的共鳴並建立我們的社區(qū)，但您有沒有想過誰真正在關(guān)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(fā)現(xiàn)。一路上，你可能會(huì)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(shí)性。其中是否存在「類似機(jī)器人」的活動(dòng)？這是值得考慮的，儘管我不是來指手畫腳的。相反，我想鼓勵(lì)您深入研究自己的追蹤者數(shù)據(jù)並為自己做出發(fā)現(xiàn)。

為什麼要分析你的受眾？

當(dāng) Dev.to 作者看到他們的追蹤者時(shí)，他們常常想知道：他們是誰？他們參與度高嗎？ 不幸的是，該平臺(tái)並沒有讓我們深入了解追蹤者的活動(dòng)或參與度。這就是啟發(fā)我創(chuàng)建自訂 Jupyter 筆記本 進(jìn)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(guān)我的追蹤者的數(shù)據(jù)，揭示平臺(tái)上無法立即看到的見解。

使用此工具，我可以根據(jù)活動(dòng)、個(gè)人資料完整性和其他模式對(duì)追蹤者進(jìn)行分類。讓我告訴你，有些發(fā)現(xiàn)…可以說是不尋常的。我沒想到會(huì)找到我發(fā)現(xiàn)的東西，但我們來了！讓我們來看看我是如何解決這個(gè)問題的。

您可以了解您的追蹤者的哪些訊息

在分析 Dev.to 上的受眾時(shí)，您可以使用 Dev.to 的 API 和一些簡(jiǎn)單的網(wǎng)頁抓取來收集大量資訊。透過將不同來源的數(shù)據(jù)拼湊在一起，您可以更清楚地了解追蹤者的參與度和活動(dòng)量。

透過 Forem API 檢索您的文章和追蹤者

Forem API 提供對(duì)多個(gè) Dev.to 實(shí)體的訪問，包括文章和追蹤者。

• 文章：您可以檢索自己發(fā)表的文章，其中包含標(biāo)題、標(biāo)籤、發(fā)布日期和參與統(tǒng)計(jì)等詳細(xì)資訊。此資訊可透過 API 端點(diǎn) getUserArticles 取得。

• 追蹤者：您可以獲得追蹤者列表並查看詳細(xì)信息，例如他們的用戶名、用戶 ID、個(gè)人資料圖片以及關(guān)注您的日期。此資訊可透過 getUserFollowers 端點(diǎn)存取。

以下是 API 傳回的追蹤者資料的範(fàn)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>

探索追蹤者個(gè)人資料以獲得更多見解

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(diǎn)來檢索更深入的個(gè)人資料資訊。這可以包括他們的個(gè)人簡(jiǎn)介、位置、GitHub 連結(jié)和其他公開個(gè)人資料詳細(xì)信息，以便您評(píng)估他們個(gè)人資料的完整性。

抓取個(gè)人資料頁面以取得參與度指標(biāo)

除了透過 API 提供的資料外，您還可以抓取公共設(shè)定檔以發(fā)現(xiàn)更多指標(biāo)。例如，如果您查看像我的或您自己的個(gè)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(dòng)和參與度。

• 統(tǒng)計(jì)資訊：顯示發(fā)佈的貼文數(shù)量、撰寫的留言、追蹤的標(biāo)籤等。

• 最近活動(dòng)：展示他們的最新貼文或評(píng)論，提供更多有關(guān)他們參與程度的背景資訊。

結(jié)合 API 和個(gè)人資料頁面的資料後，我最終得到了兩個(gè)主要資料集進(jìn)行分析。一個(gè)資料集涵蓋了我的文章，包含標(biāo)題、created_at 和 public_reactions_count 等詳細(xì)資訊。另一個(gè)是關(guān)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(jì)數(shù)、評(píng)論計(jì)數(shù)等指標(biāo)，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(diǎn)令人困惑——created_at標(biāo)記用戶關(guān)注我的時(shí)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(gè) pandas 資料幀中。

警告：Forem API 有嚴(yán)格的速率限制，這可能會(huì)使資料擷取變慢。我嘗試並行運(yùn)行提取以加快速度，但它經(jīng)常遇到速率限制器並停止運(yùn)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(shù)據(jù)。因此，如果您有更多的追隨者，耐心是關(guān)鍵！

Dev.to 受眾分析器入門

如果您有興趣分析自己的追蹤者，您可以在本機(jī)電腦上執(zhí)行 Dev.to Audience Analyzer Jupyter 筆記本。在深入分析之前，您需要設(shè)定 Python 環(huán)境以確保所有相依性均已正確安裝。

1. 設(shè)定 Python 環(huán)境：依照專案 GitHub 儲(chǔ)存庫中的 README 說明設(shè)定虛擬環(huán)境，安裝所需的函式庫，並使用 Dev.to API 設(shè)定 .env 檔案鑰匙。

2. 執(zhí)行 Notebook：環(huán)境準(zhǔn)備好後，在 Jupyter 中開啟 Analysis.ipynb 並執(zhí)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(dǎo)您視覺化追蹤者活動(dòng)、個(gè)人資料完整性和參與模式。

深入了解我的 Dev.to 追蹤者

在本章中，我將深入研究我對(duì)自己的追蹤者所做的詳細(xì)分析。我們將研究他們??的參與程度、他們的個(gè)人資料的完整性以及我在這個(gè)過程中註意到的一些奇怪的趨勢(shì)。但是，嘿，如果您不想深入了解，請(qǐng)隨時(shí)跳到下一章，我將詳細(xì)介紹主要內(nèi)容！

首先，我想了解我的追蹤者隨著時(shí)間的推移如何增長(zhǎng)，以及發(fā)布新文章後追蹤者數(shù)量是否有明顯的增長(zhǎng)。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(nèi)容推動(dòng)了這些數(shù)字。因此，我繪製了一個(gè)長(zhǎng)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(fā)布的日期，可以輕鬆查看發(fā)佈內(nèi)容和追蹤者高峰之間是否存在任何相關(guān)性。

馬上，2024-03 年初左右出現(xiàn)了一次巨大的飆升——然而，僅通過查看這張靜態(tài)圖表很難確定哪一篇具體文章引發(fā)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(dǎo)致了這種跳轉(zhuǎn)，我決定嘗試與 Plotly 進(jìn)行更具互動(dòng)性的操作，以獲得更清晰的視圖。

現(xiàn)在，我們可以從這張圖中看到，追蹤者的大幅成長(zhǎng)實(shí)際上與我的文章「我的歌曲創(chuàng)作人工智慧學(xué)習(xí)之旅：LSTM 和泰勒·斯威夫特」有關(guān)。我在幾個(gè)外部管道上宣傳了這篇特別的文章，這無疑推動(dòng)了它的發(fā)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(nèi)容如何對(duì)追蹤者成長(zhǎng)產(chǎn)生顯著影響。

接下來，我想更深入地挖掘一下：在每篇文章發(fā)布之日，我的新追蹤者中有多少人實(shí)際上是 Dev. 的新手？這就是事情開始變得有趣的地方。當(dāng)我查看數(shù)據(jù)時(shí)，我發(fā)現(xiàn)文章發(fā)布當(dāng)天出現(xiàn)的追蹤者中有高達(dá) 98.5% 是當(dāng)日加入者。

這讓我想知道——這些人是不是看到我的文章並當(dāng)場(chǎng)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(fā)現(xiàn)了我的文章？不管怎樣，當(dāng)日追蹤者的數(shù)量之多令人驚訝，並且肯定在我的腦海中引發(fā)了一些關(guān)於這種參與度的真實(shí)性的問題。

更有趣的是，這些在關(guān)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(gè)平臺(tái)上。為了更清楚地了解這一點(diǎn)，我在 Dev.to 上繪製了追蹤者時(shí)間分佈圖，顯示了這些追蹤者自加入日期以來持續(xù)存在的時(shí)間。

接下來，我想深入了解我的追蹤者的個(gè)人資料屬性。他們只填寫了一項(xiàng)屬性嗎？幾個(gè)的組合？為了了解我的追蹤者基礎(chǔ)的質(zhì)量，我查看了一系列個(gè)人資料屬性，以了解這些個(gè)人資料的完整性或活躍程度。

下面的長(zhǎng)條圖顯示了具有特定個(gè)人資料屬性的追蹤者數(shù)量，例如：

• 寫評(píng)論或文章

• 擁有徽章、Twitter/GitHub 使用者名稱、網(wǎng)站或列出的位置

• 新增個(gè)人資料圖片或摘要

• Dev.to 上有以下標(biāo)籤

我還標(biāo)記了「空個(gè)人資料」——根本沒有活動(dòng)或個(gè)人資料詳細(xì)資訊的追蹤者。

在我的 2,485 名追蹤者中，每個(gè)人都有個(gè)人資料圖片，這表明 Dev.to 可能會(huì)分配預(yù)設(shè)圖片。這意味著個(gè)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(shù)追蹤者也關(guān)注標(biāo)籤。但是，由於我無法訪問有關(guān)它們所遵循的特定標(biāo)籤的詳細(xì)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(gè)人資料中僅填入一個(gè)屬性的追蹤者。這部分分析有助於確定哪些最小的個(gè)人資料詳細(xì)資訊在可能不深入?yún)⑴c的追蹤者中最常見。

條形圖突出顯示只有一個(gè)屬性作為其唯一個(gè)人資料詳細(xì)資訊的追蹤者數(shù)量 - 例如僅 GitHub 使用者名稱、僅關(guān)注標(biāo)籤或僅列出位置。

• 只關(guān)注標(biāo)籤：一大群（530 名追蹤者）僅具有「關(guān)注標(biāo)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(biāo)籤，因此我決定將這一組排除在進(jìn)一步分析之外。

• 僅徽章：另一個(gè)有趣的群體 - 24 位追蹤者 - 僅列出了徽章，沒有其他個(gè)人資料資訊。這看起來很不尋常，並引發(fā)了一些危險(xiǎn)信號(hào)，因此我決定透過分析他們的徽章分佈來仔細(xì)觀察這些追蹤者。

為了更深入了解追隨者活動(dòng)，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(gè)徽章，其中「一年俱樂部」徽章在清單中佔(zhàn)據(jù)主導(dǎo)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(shí)際上並沒有太多關(guān)於追隨者活動(dòng)的資訊。他們只是因?yàn)樵?Dev.to 上停留了一段時(shí)間而獲得獎(jiǎng)勵(lì)，而不是因?yàn)閰⑴c或貢獻(xiàn)。因此，它們對(duì)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臺(tái)上實(shí)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(xiàn)了真正的參與度，例如用於發(fā)表第一篇文章的Writing Debut、用於持續(xù)活動(dòng)的Community Wellness Streaks 以及用於參與活動(dòng)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(jié)到 GitHub、Twitter 或個(gè)人網(wǎng)站等外部資料。事實(shí)證明，大多數(shù)人只列出了他們的 GitHub，考慮到技術(shù)密集的人群，這是有道理的。少數(shù)包括個(gè)人網(wǎng)站或 Twitter，只有少數(shù)連結(jié)多個(gè)平臺(tái)。

當(dāng)談到 Dev.to 內(nèi)的活動(dòng)時(shí)，我的一些積極關(guān)注者擁有徽章和文章的混合體，其中一些人通過寫作、評(píng)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(xiàn)，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(gè)人資料中列出的前 10 個(gè)位置（不包括留空的位置）。印度位居榜首，其次是美國(guó)和巴西。除此之外，地點(diǎn)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(diǎn)，我過濾掉了超短的貼文（閱讀時(shí)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(huì)為分析添加太多內(nèi)容。

這就是我所做的：

1. 過濾文章：只保留閱讀時(shí)間超過1分鐘的文章。

2. 更新了資料：用經(jīng)過過濾的更實(shí)質(zhì)貼文清單取代了每個(gè)追蹤者的文章資料。

3. 重新計(jì)算計(jì)數(shù)：根據(jù)這些更長(zhǎng)、更有意義的貼文調(diào)整文章計(jì)數(shù)。

現(xiàn)在讓我們看看他們的文章數(shù)量、平均閱讀時(shí)間以及他們所寫的最受歡迎標(biāo)籤的趨勢(shì)。

從數(shù)據(jù)來看，很明顯大多數(shù)追蹤者只發(fā)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(fā)表非常罕見。至於文章長(zhǎng)度，大多數(shù)追蹤者的平均閱讀時(shí)間在 2 到 5 分鐘之間，因此這些內(nèi)容往往是簡(jiǎn)短、快速的閱讀。只有極少數(shù)的粉絲會(huì)寫更長(zhǎng)的文章，平均閱讀時(shí)間超過 10 分鐘。

當(dāng)談到標(biāo)籤時(shí)，某些主題很突出。最受歡迎的標(biāo)籤是“初學(xué)者”、“webdev”和“程式設(shè)計(jì)”，顯示出對(duì)基礎(chǔ)主題的關(guān)注。人們對(duì)「python」、「javascript」、「ai」和「devops」等特定領(lǐng)域也有濃厚的興趣，這些領(lǐng)域面向的是技術(shù)性更強(qiáng)的受眾。透過「學(xué)習(xí)」和「教程」等標(biāo)籤，很明顯，許多追蹤者正在創(chuàng)建旨在教學(xué)或分享知識(shí)的內(nèi)容。

為了更深入地挖掘，我查看了尚未發(fā)表任何文章但留下評(píng)論的追蹤者。正如您在圖表中看到的那樣，大多數(shù)追蹤者只留下了少量評(píng)論，其中大多數(shù)評(píng)論不到 5 則評(píng)論。有一些異常者發(fā)表評(píng)論的頻率較高，但他們絕對(duì)是例外。這表明，對(duì)於許多追蹤者來說，Dev.to 上的參與度非常低——他們沒有發(fā)佈內(nèi)容，也沒有積極參與討論。

深入研究追隨者活動(dòng)後，我決定將其分為四個(gè)主要類別，以便更清楚地了解誰是真正活躍的：

1. 活躍貢獻(xiàn)者：撰寫文章或發(fā)表評(píng)論的人。

2. 關(guān)聯(lián)個(gè)人資料：有外部連結(jié)（GitHub、Twitter 等）但沒有太多其他內(nèi)容的人。

3. 基本設(shè)定檔：最少的信息，例如位置或摘要 - 沒有文章，沒有連結(jié)。

4. 空白個(gè)人資料：沒有任何意義－只是空白的個(gè)人資料。

左側(cè)的長(zhǎng)條圖顯示每組的數(shù)字，右側(cè)的圓環(huán)圖給出百分比細(xì)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(gè)人資料，另外 10% 是「基本」個(gè)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(shí)際上是 Dev.to 上的活躍貢獻(xiàn)者，要么寫文章，要么留下評(píng)論。

為了更深入地挖掘，我查看了有多少追隨者在開始關(guān)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(guān)注我的人，而其他加入者（青色）已經(jīng)在平臺(tái)。

結(jié)果？幾乎所有的空和基本資料都是當(dāng)日加入者，這讓我想知道這些具有最少資料的新關(guān)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(guān)注，我查看了每篇文章在發(fā)布後 14 天內(nèi)引發(fā)的關(guān)注者增長(zhǎng)情況，並按關(guān)注者類型進(jìn)行了細(xì)分。

在圖表中，每個(gè)長(zhǎng)條顯示每篇文章在四個(gè)類別（活躍貢獻(xiàn)者、已連接個(gè)人資料、基本個(gè)人資料和空白個(gè)人資料）中引入的新追蹤者數(shù)量。有趣的是，吸引活躍貢獻(xiàn)者（實(shí)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(dòng)的個(gè)人資料，這顯示了在平臺(tái)外分享內(nèi)容以吸引更願(yuàn)意參與和貢獻(xiàn)的讀者的價(jià)值。

看到“我的學(xué)習(xí)之旅......”文章吸引了一波連接的個(gè)人資料，其中大多數(shù)都有GitHub 鏈接，我決定更深入地挖掘這些GitHub連結(jié)的追蹤者。由於我近一半的追蹤者只連接了 GitHub 個(gè)人資料，因此感覺這是一個(gè)值得探索的好領(lǐng)域。

首先，我設(shè)定了對(duì) GitHub API 的訪問，以獲取有關(guān)其個(gè)人資料的一些基本資訊。這是我發(fā)現(xiàn)的：

• 最小參與度：8 位追蹤者在其 GitHub 創(chuàng)建和最後更新的同一天加入了 Dev.to，公共儲(chǔ)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(chuàng)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(dòng)日期。

• 沒有公共倉(cāng)庫：群組中共有 110 位追蹤者擁有零個(gè)公共倉(cāng)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(xì)分中，圖表顯示了 GitHub 活動(dòng)狀態(tài)的三類：

1. 活躍：很大一部分（超過 74%）顯示出多個(gè)公共儲(chǔ)存庫和最近更新的活動(dòng)跡象。

2. 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(chǔ)存庫。

3. 無：對(duì)於一小部分，找不到 GitHub 設(shè)定檔。

此分析表明，雖然許多擁有 GitHub 連結(jié)的追蹤者確實(shí)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(dòng)。

為了更了解我的追蹤者中的 GitHub 活動(dòng)，我查看了每個(gè)使用者擁有的公共儲(chǔ)存庫的數(shù)量。由於少數(shù)追蹤者擁有異常多的儲(chǔ)存庫，因此我在第 98 個(gè)百分位數(shù)處應(yīng)用了截止值，以將分析重點(diǎn)放在典型用戶上。

這個(gè)散佈圖為我們提供了更清晰的畫面：大多數(shù)追蹤者擁有少量的公共儲(chǔ)存庫，只有少數(shù)在 GitHub 上表現(xiàn)出極高的活躍度。這表明，雖然有一些高級(jí)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(shì)一致。

解釋結(jié)果

看看我的分析，有一些事情跳出來，真的讓我想知道發(fā)生了什麼：

1. 當(dāng)日加入者：顯然，我的文章正在讓人們加入 Dev.to 並立即關(guān)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(guān)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(shì)的一部分？

2. 簡(jiǎn)單的個(gè)人資料：令人驚訝的是，我的追蹤者數(shù)量幾乎是空的。如果我過濾掉這些「乾淨(jìng)」的個(gè)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(shù)量可能都是霧裡看花。

3. 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(nèi)按類別劃分的新追蹤者圖表，您會(huì)注意到像我的學(xué)習(xí)人工智慧歌曲創(chuàng)作之旅這樣的文章帶來了大量的追蹤者-短短兩週內(nèi)就超過1,200 個(gè)。

現(xiàn)在，您可能會(huì)認(rèn)為追蹤者數(shù)量的激增意味著同樣令人印象深刻的觀看次數(shù)。但當(dāng)我檢查 Dev.to 上的每篇文章的總瀏覽量圖表時(shí)，我看到了一個(gè)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(nèi)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(jī)器人？觀點(diǎn)和追蹤者之間的這種不匹配讓我認(rèn)為可能還有更多東西有待發(fā)現(xiàn)——也許是在 Dev.to 的指標(biāo)中，甚至是在我自己的追蹤者中。雖然我沒有數(shù)據(jù)來回答所有這些問題，但這種分析確實(shí)讓我想要更深入地研究，我希望它也能激勵(lì)其他人深入了解自己的觀眾統(tǒng)計(jì)數(shù)據(jù)。

鼓勵(lì)更廣闊的視野

那麼，我從這一切中學(xué)到了什麼？其一，粉絲數(shù)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(nèi)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(fā)現(xiàn)了什麼。

我們的一些追蹤者可能是機(jī)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(duì)追蹤者指標(biāo)有了全新的看法，我鼓勵(lì)您對(duì)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(chǔ)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(guān)注你？受眾分析指南的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！