چه کسی واقعاً شما را در Dev.to دنبال می کند؟ راهنمای تجزیه و تحلیل مخاطبان

Summarize this content to 400 words in Persian Lang
دلیلی که من این پست را می نویسم روشن کردن جنبه ای از Dev.to است که بسیاری از ما دوبار به آن فکر نمی کنیم: دنبال کنندگان خود. ما تلاش زیادی برای ایجاد محتوا انجام دادیم، امیدواریم که با خوانندگان طنین انداز شود و جامعه ما را بسازد، اما آیا تا به حال فکر کرده اید که واقعاً چه کسی شما را دنبال می کند؟

در این مقاله، مراحلی را که برای تجزیه و تحلیل فالوورهای Dev.to انجام دادم و آنچه پیدا کردم به اشتراک خواهم گذاشت. در طول مسیر، ممکن است متوجه الگوهای شگفت‌انگیز شوید – چیزهایی که باعث شد من در مورد صحت برخی از این فالوورها تعجب کنم. آیا ممکن است فعالیت “ربات مانند” در بین آنها وجود داشته باشد؟ این ارزش در نظر گرفتن را دارد، اگرچه من اینجا نیستم که با انگشت اشاره کنم. در عوض، می‌خواهم شما را تشویق کنم که در داده‌های فالوورهای خود جستجو کنید و برای خود اکتشاف کنید.

چرا مخاطب خود را تجزیه و تحلیل کنید؟

هنگامی که نویسندگان Dev.to به دنبال کنندگان خود نگاه می کنند، اغلب تعجب می کنند: آنها چه کسانی هستند؟ نامزد هستند؟ متأسفانه، این پلتفرم بینش زیادی در مورد فعالیت یا تعامل فالوورها به ما نمی دهد. این چیزی بود که من را برای ایجاد یک سفارش الهام بخش کرد نوت بوک ژوپیتر برای تجزیه و تحلیل، که من آن را Dev.to Audience Analyzer می نامم. این نوت بوک به من کمک می کند داده های مربوط به فالوورهایم را استخراج و تجزیه و تحلیل کنم و بینش هایی را که فوراً در پلتفرم قابل مشاهده نیستند آشکار می کند.

با استفاده از این ابزار، می‌توانم فالوورها را بر اساس فعالیت، کامل بودن پروفایل و سایر الگوها دسته‌بندی کنم. و اجازه دهید به شما بگویم، برخی از یافته‌ها… فقط بگوییم، غیرعادی بودند. من انتظار نداشتم چیزی را که پیدا کردم پیدا کنم، اما ما اینجا هستیم! بیایید نحوه برخورد من با این موضوع را مرور کنیم.

آنچه می توانید درباره فالوورهای خود بیاموزید

هنگام تجزیه و تحلیل مخاطبان خود در Dev.to، اطلاعات کمی وجود دارد که می توانید با استفاده از API های Dev.to و مقداری خراش دادن وب سبک جمع آوری کنید. با کنار هم قرار دادن داده ها از منابع مختلف، می توانید تصویر واضح تری از میزان تعامل و فعالیت فالوورهای خود دریافت کنید.

مقالات و دنبال کنندگان خود را از طریق Forem API بازیابی کنید

Forem API دسترسی به چندین نهاد Dev.to از جمله مقالات و دنبال کنندگان را فراهم می کند.

مقالات: می توانید مقالات منتشر شده خود را با جزئیاتی مانند عناوین، برچسب ها، تاریخ انتشار و آمار تعامل بازیابی کنید. این اطلاعات از طریق API endpoint getUserArticles در دسترس است.
پیروان: می توانید لیستی از دنبال کنندگان خود را دریافت کنید و جزئیاتی مانند نام کاربری، شناسه کاربری، تصویر نمایه و تاریخی که آنها شما را دنبال کردند را مشاهده کنید. این اطلاعات از طریق نقطه پایانی getUserFollowers قابل دسترسی است.

در اینجا نمونه ای از داده های فالوور بازگردانده شده توسط API آورده شده است:

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

وارد حالت تمام صفحه شوید

از حالت تمام صفحه خارج شوید

برای اطلاعات بیشتر، نمایه‌های فالوور را کاوش کنید

هنگامی که نام کاربری یا شناسه فالوورهای خود را دارید، می توانید از نقطه پایانی getUser از نسخه v0 API برای بازیابی اطلاعات بیشتر نمایه استفاده کنید. این می تواند شامل بیوگرافی، مکان، پیوند GitHub و سایر جزئیات نمایه عمومی باشد که به شما امکان می دهد کامل بودن نمایه آنها را ارزیابی کنید.

صفحات نمایه را برای معیارهای تعامل خراش دهید

علاوه بر داده‌های موجود از طریق API، می‌توانید نمایه‌های عمومی را نیز خراش دهید تا معیارهای بیشتری را کشف کنید. به عنوان مثال، اگر به صفحه نمایه ای مانند صفحه من یا خود نگاه کنید، اطلاعات بیشتری را مشاهده خواهید کرد که از طریق API در دسترس نیست:

نشان ها: نشان های کسب شده توسط کاربر را نشان می دهد که می تواند فعالیت و تعامل را نشان دهد.
آمار: تعداد پست های منتشر شده، نظرات نوشته شده، برچسب های دنبال شده و موارد دیگر را نشان می دهد.
فعالیت اخیر: آخرین پست ها یا نظرات خود را نشان می دهد و زمینه بیشتری را در سطح تعامل آنها فراهم می کند.

پس از ترکیب داده‌های API و صفحات نمایه، به دو مجموعه داده اصلی برای تجزیه و تحلیل رسیدم. یک مجموعه داده مقالات من را با جزئیاتی مانند عنوان، create_at، و public_reactions_count پوشش می دهد. مورد دیگر همه چیز درباره فالوورهای من است، از جمله همه چیز از نام کاربری و موقعیت مکانی آنها گرفته تا معیارهایی مانند article_count، comments_count، و حتی نشان هایی که به دست آورده اند. مجموعه داده فالوورها شامل ستون‌های create_at و joined_at است که می‌تواند کمی گیج‌کننده باشد—created_at وقتی کاربر من را دنبال می‌کند علامت‌گذاری می‌کند، در حالی که joined_at تاریخی است که در ابتدا به Dev.to پیوسته است. اگر کنجکاو هستید، می‌توانید کد استخراج را در اینجا در GitHub بررسی کنید—این کد داده‌ها را به دو قاب داده پاندا می‌کشد.

یک نکته احتیاط: Forem API دارای محدودیت شدید نرخ است که می تواند استخراج داده ها را کند کند. من سعی کردم استخراج‌ها را به صورت موازی اجرا کنم تا کارها را سرعت بخشم، اما اغلب به محدودکننده نرخ ضربه می‌زند و متوقف می‌شود. برای مرجع، جمع‌آوری داده‌های حدود 2500 فالوور حدود 40 دقیقه طول کشید. بنابراین، اگر دنبال کنندگان بیشتری دارید، شکیبایی کلیدی است!

شروع به کار با Dev.to Audience Analyzer

اگر علاقه مند به تجزیه و تحلیل فالوورهای خود هستید، می توانید آن را اجرا کنید Dev.to Audience Analyzer نوت بوک Jupyter در رایانه محلی شما. قبل از فرو رفتن در تجزیه و تحلیل، باید یک محیط پایتون راه اندازی کنید تا مطمئن شوید که همه وابستگی ها به درستی نصب شده اند.

محیط پایتون را تنظیم کنید: دستورالعمل های README را در مخزن GitHub پروژه برای راه اندازی یک محیط مجازی، نصب کتابخانه های مورد نیاز و پیکربندی فایل .env خود با کلید Dev.to API خود دنبال کنید.
نوت بوک را اجرا کنید: هنگامی که محیط شما آماده شد، Analytics.ipynb را در Jupyter باز کنید و سلول ها را برای استخراج و تجزیه و تحلیل داده های دنبال کننده Dev.to اجرا کنید. این نوت بوک شما را از طریق تجسم فعالیت فالوور، کامل بودن نمایه و الگوهای تعامل راهنمایی می کند.

شیرجه عمیق به دنبال کنندگان برنامه من

در این فصل، من به تجزیه و تحلیل دقیقی که بر روی فالوورهای خودم انجام دادم، می پردازم. ما به الگوهایی در مورد میزان درگیر بودن آنها، کامل بودن نمایه های آنها و چند روند عجیب و غریب که در طول مسیر متوجه شدم نگاه خواهیم کرد. اما سلام، اگر برای این غواصی عمیق آماده نیستید، با خیال راحت به فصل بعدی بروید، جایی که من غذای اصلی را توضیح خواهم داد!

برای شروع، می‌خواستم بفهمم که چگونه فالوورهای من در طول زمان رشد کرده‌اند و آیا پس از انتشار مقالات جدید، جهش قابل توجهی در تعداد فالوورها وجود داشته است یا خیر. در حال حاضر، من 11 مقاله و 2485 فالوور دارم، بنابراین کنجکاو بودم که ببینم آیا محتوای خاصی باعث این اعداد شده است یا خیر. بنابراین، من یک نمودار میله‌ای رسم کردم که فالوورهای جدید را در روز نشان می‌دهد، با دنبال‌کنندگان تجمعی که به صورت یک خط ترسیم شده‌اند. هر خط عمودی نقطه چین نشان دهنده تاریخ انتشار مقاله است و به راحتی می توانید ببینید که آیا بین انتشار محتوا و افزایش فالوورها همبستگی وجود دارد یا خیر.

درست در اوایل سال‌های 2024-2003، یک جهش عظیم وجود دارد که خودنمایی می‌کند – با این حال، تعیین دقیق این که کدام مقاله خاص باعث این عجله شده است، فقط با نگاه کردن به این نمودار استاتیک دشوار است. برای کاوش عمیق‌تر و اینکه آیا مقاله خاصی باعث این جهش شده است یا خیر، تصمیم گرفتم چیزی تعاملی‌تر را با Plotly امتحان کنم تا نمای واضح‌تری داشته باشم.

اکنون، می‌توانیم از این نمودار ببینیم که افزایش فالوورها در واقع به مقاله من، «هوش مصنوعی یادگیری سفر من برای ترانه‌نویسی: LSTMs و تیلور سویفت» مرتبط است. من این مقاله خاص را در چند کانال خارجی تبلیغ کردم که قطعاً به آن رونق داد و موجی از دنبال کنندگان جدید را جذب کرد. این نوع بینش مفید است – نشان می‌دهد که چگونه اشتراک‌گذاری محتوا فراتر از Dev.to می‌تواند تأثیر قابل‌توجهی بر رشد فالوور داشته باشد.

در مرحله بعد، می‌خواستم کمی عمیق‌تر کاوش کنم: چند نفر از دنبال‌کنندگان جدید من در تاریخ انتشار هر مقاله واقعاً برای خود Dev.to جدید بودند؟ اینجا بود که چیزها شروع به جالب شدن کردند. وقتی به داده‌ها نگاه کردم، متوجه شدم که 98.5 درصد از دنبال‌کنندگانی که در روز انتشار مقاله حضور داشتند، پیوسته‌های همان روز بودند.

این باعث تعجب من شد – آیا این افراد مقاله من را دیدند و تصمیم گرفتند به Dev.to بپیوندند؟ یا برعکس است: آنها به Dev.to پیوستند و در همان روز به نوعی به مقاله من برخورد کردند؟ در هر صورت، حجم عظیم فالوورهای همان روز تعجب آور بود و قطعاً چند سوال در ذهن من در مورد اینکه چقدر این تعامل ممکن است واقعی باشد ایجاد کرد.

جالب‌تر این است که این دنبال‌کنندگانی که در همان روزی که من را دنبال کردند به Dev. پیوستند، نه تنها ناپدید شدند بلکه روی پلتفرم گیر کرده‌اند. برای دریافت تصویر واضح‌تری از این موضوع، من توزیع زمان فالوورها را در Dev.to ترسیم کردم، که نشان می‌دهد این فالوورها از تاریخ عضویت تا چه مدت به وجود خود ادامه داده‌اند.

بعد، می‌خواستم به ویژگی‌های پروفایل دنبال‌کنندگانم بپردازم. آیا آنها فقط یک ویژگی پر کرده اند؟ ترکیبی از چند؟ برای درک کیفیت پایه فالوورهایم، به طیف وسیعی از ویژگی های پروفایل نگاه کردم تا ببینم این پروفایل ها چقدر کامل یا فعال هستند.

نمودار میله‌ای زیر تعداد دنبال‌کنندگان را با ویژگی‌های پروفایل مشخص نشان می‌دهد، مانند:

نوشتن نظرات یا مقالات
داشتن نشان‌ها، نام کاربری توییتر/GitHub، وب‌سایت یا مکان فهرست‌شده
افزودن تصویر نمایه یا خلاصه
برچسب های زیر در Dev.to

من همچنین “Empty Profiles” را علامت گذاری کردم – دنبال کنندگانی که اصلاً هیچ فعالیت یا جزئیات پروفایل ندارند.

در میان 2,485 دنبال کننده من، همه یک تصویر نمایه دارند که نشان می دهد Dev.to احتمالاً یک تصویر پیش فرض را اختصاص می دهد. این بدان معناست که ویژگی تصویر نمایه بینش معنی‌داری برای این تحلیل ارائه نمی‌کند.

جالب اینجاست که اکثر فالوورها تگ ها را نیز دنبال می کنند. با این حال، از آنجایی که من نمی توانم به جزئیات مربوط به برچسب های خاصی که آنها دنبال می کنند دسترسی داشته باشم، این ویژگی بینش عملی زیادی را ارائه نمی دهد.

در مرحله بعد، من به دنبال کنندگانی نگاه کردم که دارند فقط یکی ویژگی پر شده در پروفایل آنها این بخش از تجزیه و تحلیل به شناسایی حداقل جزئیات نمایه در میان فالوورهایی که ممکن است عمیقاً درگیر نیستند کمک می کند.

نمودار میله ای تعداد دنبال کنندگانی را نشان می دهد که فقط یک ویژگی را به عنوان تنها جزئیات نمایه خود دارند – مانند فقط یک نام کاربری GitHub، فقط برچسب های دنبال کننده، یا فقط فهرست کردن یک مکان.

فقط برچسب ها را دنبال کنید: یک گروه بزرگ (530 فالوور) فقط ویژگی “دنبال کردن برچسب ها” را دارند. همانطور که قبلاً اشاره کردم، از آنجایی که نمی توانم به برچسب های خاصی که آنها دنبال می کنند وارد شوم، تصمیم گرفتم این گروه را از تجزیه و تحلیل بیشتر حذف کنم.
فقط نشان ها: یک گروه جالب دیگر – 24 دنبال کننده – فقط نشان های فهرست شده دارند و هیچ اطلاعات نمایه دیگری ندارند. این غیرعادی به نظر می‌رسید و برخی پرچم‌های قرمز را برافراشت، بنابراین تصمیم گرفتم با تجزیه و تحلیل توزیع نشان آنها، نگاه دقیق‌تری به این فالوورها بیندازم.

برای اینکه کمی بیشتر به فعالیت فالوورها بپردازم، به توزیع نشان ها در بین فالوورهایم نگاه کردم. نمودار میله ای بالا 10 نشان رایج را نشان می دهد که نشان “One Year Club” در لیست غالب است.

اما نکته اینجاست: این نشان‌های X-Year Club (مانند “One Year Club” یا “Two Year Club”) در واقع چیز زیادی در مورد فعالیت دنبال کنندگان نمی گویند. آنها فقط به خاطر ماندن در Dev.to برای مدت معینی – نه برای مشارکت یا مشارکت – اعطا می شوند. بنابراین، آنها دقیقاً برای فهمیدن اینکه فالوورهای من واقعاً چقدر فعال هستند مفید نیستند.

به همین دلیل، تصمیم گرفتم این نشان های X-Year Club را از تحلیل خود حذف کنم. آنها واقعاً هیچ بینشی در مورد آنچه پیروان من واقعاً در پلتفرم انجام می دهند اضافه نمی کنند.

با حذف نشان های X-Year Club، می توانیم 10 نشان فعال برتر را در میان دنبال کنندگان من ببینیم. این نشان‌ها تعامل واقعی را نشان می‌دهند – مانند نوشتن اولین برای انتشار اولین مقاله، رگه های سلامتی جامعه برای فعالیت مداوم، و تعهد Hacktoberfest برای شرکت در رویداد این به ما نگاه بهتری به دنبال‌کنندگانی می‌دهد که واقعاً در Dev.to فعال هستند، نه فقط در اطراف.

با کنار گذاشتن نشان‌های X-Year Club، نگاه بهتری به دنبال‌کنندگانی می‌کنیم که در واقع در Dev.to فعال هستند، نه فقط در اطراف. اما نشان ها به تنهایی داستان کامل را بیان نمی کنند. من همچنین به تعداد فالوورهایی که به پروفایل های خارجی مانند GitHub، Twitter یا یک وب سایت شخصی لینک می دهند نگاه کردم. به نظر می رسد، اکثریت فقط GitHub خود را لیست می کنند، که با توجه به جمعیت سنگین فناوری منطقی است. تعداد کمتری شامل یک وب سایت شخصی یا توییتر است و تنها تعداد انگشت شماری پلتفرم های مختلف را پیوند می دهد.

وقتی صحبت از فعالیت در Dev.to به میان می‌آید، برخی از دنبال‌کنندگان متعهد من ترکیبی از نشان‌ها و مقاله‌ها دارند و تعدادی از آنها با نوشتن، نظر دادن و جمع‌آوری نشان‌ها همه کاره می‌شوند. این یک دید واضح‌تر از اینکه چه کسی واقعاً کمک می‌کند در مقابل کسانی که ممکن است بدون مشارکت زیاد معطل باشند، می‌دهد.

سپس نگاهی انداختم که دنبال کنندگان من از کجا آمده اند. نمودار 10 مکان برتر فهرست شده در نمایه های دنبال کننده را نشان می دهد (به استثنای کسانی که آن را خالی گذاشته اند). هند در صدر این فهرست قرار دارد و پس از آن ایالات متحده آمریکا و برزیل قرار دارند. فراتر از آن، مکان ها پراکنده هستند، با چند اشاره از مکان هایی مانند پاریس، هوشی مین و بالی. دقیقاً یک گسترش جهانی بزرگ نیست، اما دیدن تنوع جغرافیایی در این ترکیب جالب است.

پس از بررسی اینکه دنبال کنندگان من اهل کجا هستند، می خواستم به مقالاتی که آنها نوشته اند بپردازم. برای اینکه همه چیز را متمرکز نگه دارم، پست های بسیار کوتاه (کمتر از 1 دقیقه زمان خواندن) را فیلتر کردم. اینها معمولاً مقدمه های سریعی مانند «سلام، این اولین مقاله من است» هستند و چیز زیادی به تحلیل اضافه نمی کنند.

این چیزی است که من انجام دادم:

مقالات را فیلتر کرد: فقط مقالاتی با زمان خواندن بیش از 1 دقیقه نگهداری می شود.
داده ها را به روز کرد: داده های مقاله هر دنبال کننده را با این لیست فیلتر شده از پست های مهم تر جایگزین کرد.
شمارش ها را دوباره محاسبه کرد: تعداد مقاله‌ها را بر اساس این پست‌های طولانی‌تر و معنادارتر تنظیم کرد.

حالا بیایید به روند تعداد مقالات، میانگین زمان مطالعه و محبوب ترین برچسب هایی که در مورد آنها می نویسند نگاه کنیم.

با نگاهی به داده ها، واضح است که بیشتر دنبال کنندگان فقط تعداد انگشت شماری مقاله منتشر کرده اند – معمولا کمتر از پنج. تعداد بسیار کمی بیش از 10 مقاله دارند که نشان می دهد انتشار مداوم بسیار نادر است. در مورد طول مقاله، میانگین زمان مطالعه برای اکثر فالوورها بین 2 تا 5 دقیقه است، بنابراین این زمان معمولا کوتاه و سریع است. تنها تعداد انگشت شماری از فالوورها قطعات طولانی تری را با میانگین زمان خواندن بیش از 10 دقیقه می نویسند.

وقتی صحبت از برچسب ها می شود، موضوعات خاصی برجسته می شوند. محبوب ترین برچسب ها عبارتند از: “مبتدیان”، “webdev” و “برنامه نویسی” که تمرکز بر موضوعات اساسی را نشان می دهند. همچنین علاقه شدیدی به حوزه‌های خاصی مانند «python»، «javascript»، «ai» و «devops» وجود دارد که با مخاطبان فنی‌تر صحبت می‌کند. و با برچسب هایی مانند “یادگیری” و “آموزش”، واضح است که بسیاری از دنبال کنندگان در حال ایجاد محتوایی با هدف آموزش یا به اشتراک گذاری دانش هستند.

برای کمی عمیق تر، به دنبال کنندگانی نگاه کردم که هیچ مقاله ای منتشر نکرده اند اما نظر گذاشته اند. همانطور که در نمودار می بینید، اکثر این فالوورها تنها تعداد انگشت شماری نظر گذاشته اند که اکثریت آنها کمتر از پنج نظر دارند. تعداد کمی از افراد دور از دسترس هستند که بیشتر نظر داده اند، اما آنها قطعا استثنا هستند. این نشان می دهد که برای بسیاری از دنبال کنندگان، تعامل در Dev.to بسیار کم است – آنها محتوا را منتشر نمی کنند و در بحث ها نیز فوق العاده فعال نیستند.

پس از کاوش در فعالیت فالوورها، تصمیم گرفتم آنها را به چهار دسته اصلی تقسیم کنم تا دید واضح تری از اینکه چه کسی واقعاً فعال است داشته باشم:

مشارکت کنندگان فعال: کسانی که مقاله می نویسند یا نظر می گذارند.
پروفایل های متصل: افرادی با پیوندهای خارجی (گیت هاب، توییتر و غیره) اما نه چیزهای دیگر.
پروفایل های پایه: اطلاعات حداقل، مانند مکان یا خلاصه – بدون مقاله، بدون پیوند.
پروفایل های خالی: اصلاً هیچ چیز معنی‌داری ندارد – فقط نمایه‌های خالی.

نمودار میله ای سمت چپ اعداد هر گروه را نشان می دهد و نمودار دونات در سمت راست درصد تفکیک را نشان می دهد. این به نشان دادن تعادل بین فالوورهای فعال و کسانی که فقط در کمین هستند کمک می کند.

آنچه برجسته است این است که بخش بزرگی از فالوورهای من – 30٪ – پروفایل های کاملاً خالی هستند و 10٪ دیگر پروفایل های “پایه” با حداقل اطلاعات اما بدون تعامل واقعی هستند. بنابراین، در نهایت، من با 54.4 درصد باقی می‌مانم که حداقل پیوندهای خارجی مانند GitHub یا Twitter دارند، اما تنها 5.4 درصد کوچک در واقع مشارکت‌کنندگان فعال در Dev.to هستند، یا مقاله می‌نویسند یا نظر می‌گذارند.

برای عمیق‌تر کردن، به تعداد فالوورهایی که دقیقاً در همان روزی که شروع به دنبال کردن من کردند به Dev.to پیوستند، نگاه کردم. در نمودار، وصال همان روز (در مرجان روشن) کسانی هستند که به Dev.to پیوستند و در همان روز از من پیروی کردند، در حالی که سایر وصال ها (به رنگ سبز) قبلاً روی سکو بودند.

نتیجه؟ تقریبا همه از خالی و پروفایل های پایه پیوستن‌های یک روزه هستند، که باعث می‌شود به این فکر کنم که آیا این دنبال‌کنندگان جدید با حداقل نمایه‌ها کاربران واقعاً تعاملی هستند یا فقط در حال عبور هستند.

برای اینکه ببینم کدام مقاله‌ها واقعاً توجه را به خود جلب کرده‌اند، به رشد فالوورهایی که هر کدام در طی 14 روز پس از انتشار جرقه زدند، بررسی کردم که بر اساس نوع فالوور تقسیم شدند.

در نمودار، هر نوار نشان می‌دهد که هر مقاله چه تعداد دنبال‌کننده جدید در چهار دسته آورده است – مشارکت‌کنندگان فعال، نمایه‌های متصل، نمایه‌های پایه و نمایه‌های خالی. جالب توجه است، مقالاتی که مشارکت‌کنندگان فعال را جذب کردند – دنبال‌کنندگانی که واقعاً در Dev.to مشارکت می‌کنند – همان‌هایی بودند که من از طریق کانال‌های خارجی تبلیغ کردم. به نظر می رسد رسیدن به فراتر از Dev.to به جای پروفایل های غیرفعال، دنبال کنندگان واقعی بیشتری را از dev.to جذب می کند و ارزش اشتراک گذاری محتوا در خارج از پلتفرم را برای جذب خوانندگانی که تمایل بیشتری به مشارکت و مشارکت دارند را نشان می دهد.

با دیدن اینکه «یادگیری سفر من…» این مقاله موجی از پروفایل های متصل را به خود جلب کرد، که اکثر آنها پیوندهای GitHub داشتند، من تصمیم گرفتم بیشتر در این دنبال کنندگان متصل به GitHub جستجو کنم. از آنجایی که تقریباً نیمی از فالوورهای من فقط یک نمایه GitHub متصل دارند، به نظر می رسد منطقه خوبی برای کاوش است.

ابتدا، من دسترسی به API GitHub را تنظیم کردم تا برخی از اطلاعات اولیه در مورد نمایه های آنها را بدست آوریم. این چیزی است که من پیدا کردم:

مشارکت حداقلی: 8 دنبال کننده در همان روزی که GitHub آنها ایجاد شد و آخرین به روز رسانی شد، با مخزن عمومی صفر، به Dev.to پیوستند. این نشان می‌دهد که این حساب‌ها ممکن است فقط برای دنبال کردن یا استفاده محدود ایجاد شده باشند.
حساب های جدید: 19 دنبال کننده در همان روزی که اکانت های GitHub خود را ایجاد کردند، اما بدون نگاه کردن به آخرین تاریخ فعالیت خود، به Dev.to پیوستند.
بدون مخزن عمومی: در مجموع 110 دنبال کننده در این گروه دارای مخازن عمومی صفر هستند، که می تواند به این معنی باشد که یا در GitHub غیر فعال هستند یا کار خود را خصوصی نگه می دارند.

در جدول بالا، نمودارها سه دسته از وضعیت فعالیت GitHub را نشان می دهند:

فعال: بخش خوبی (بیش از 74٪) با چندین مخزن عمومی و به روز رسانی های اخیر نشانه هایی از فعالیت را نشان می دهد.
غیر فعال: حدود 22.7٪ دارای حساب های GitHub هستند اما فاقد تعامل قابل مشاهده هستند، با اندک یا بدون مخزن عمومی.
هیچ کدام: برای بخش کوچکی از نمایه‌های GitHub یافت نشد.

این تجزیه و تحلیل نشان می دهد که در حالی که بسیاری از دنبال کنندگان با پیوندهای GitHub واقعاً فعال هستند، بخش قابل توجهی یا حداقل حضور دارند یا هیچ فعالیتی در معرض دید عموم ندارند.

برای اینکه درک بهتری از فعالیت GitHub در میان فالوورهایم داشته باشم، به تعداد مخازن عمومی هر کاربر نگاه کردم. از آنجایی که تعداد کمی از فالوورها تعداد مخزن‌های ذخیره‌سازی غیرمعمول بالایی دارند، من یک برش را در صدک 98 اعمال کردم تا تجزیه و تحلیل را روی کاربران معمولی متمرکز کنم.

این نمودار پراکندگی تصویر واضح‌تری به ما می‌دهد: بیشتر دنبال‌کنندگان تعداد کمی از مخازن عمومی دارند و تنها تعداد انگشت شماری از آنها فعالیت بسیار بالایی را در GitHub نشان می‌دهند. این نشان می دهد که در حالی که برخی از کاربران قدرتمند وجود دارند، فالوورهای معمولی به شدت در GitHub فعال نیستند، که با روندهای عمومی کاربر همسو است.

تفسیر نتایج

با نگاهی به تجزیه و تحلیل من، چند چیز آشکار می شود که واقعاً مرا به تعجب وا می دارد که چه اتفاقی می افتد:

وصال همان روز: ظاهراً، مقالات من باعث می‌شود افراد به Dev.to بپیوندند و فوراً من را دنبال کنند، اما من واقعاً کاربران فعال و فعال را جذب نمی‌کنم. سوال بزرگ اینجاست که این فالوورهای جدید در Dev.to چه کار دیگری انجام می دهند؟ آیا آنها شخص دیگری را دنبال می کنند یا فقط من هستم؟ آیا آنها واقعاً علاقه مند هستند یا فقط بخشی از برخی از روندهای انبوه را دنبال می کنند؟
پروفایل های بره-استخوان: تعداد شگفت انگیزی از فالوورهای من پروفایل های تقریباً خالی دارند. اگر این نمایه‌های «تمیز» و کاربران غیرفعال GitHub را فیلتر کنم، از بین تقریباً ۲۵۰۰ دنبال‌کننده‌ام، تنها با ۱۲۰۰ دنبال‌کننده واقعی باقی می‌مانم. مثل اینکه نیمی از تعداد فالوورهای من ممکن است دود و آینه باشد.
پازل بازدیدها در مقابل فالوورها: اینجاست که واقعا عجیب می شود. اگر به دنبال کنندگان جدید بر اساس دسته در 14 روز از هر مقاله نمودار، متوجه خواهید شد که مقالاتی مانند My Journey Learning AI for Songwriting تعداد زیادی فالوور را به ارمغان آورد – بیش از 1200 فقط در عرض دو هفته.

اکنون، شما فکر می کنید که چنین افزایشی در فالوورها به معنای تعداد بازدیدهای چشمگیر است. اما وقتی چک کردم مجموع بازدیدهای هر مقاله در Dev.to نمودار، من یک داستان کاملا متفاوت دیدم. این مقاله تنها حدود 342 بازدید داشت که با سیل دنبال کنندگان مطابقت ندارد.

این سؤالات جالبی را ایجاد می کند. آیا این دنبال کنندگان واقعاً محتوای من را می خوانند یا چیز دیگری در اینجا وجود دارد؟ آیا آنها انبوه دنبال کنندگان هستند یا حتی ممکن است برخی از آنها ربات باشند؟ این عدم تطابق بین بازدیدها و فالوورها مرا به این فکر می‌اندازد که می‌توان چیزهای بیشتری کشف کرد – شاید در معیارهای Dev.to یا حتی در بین دنبال‌کنندگان خودم. در حالی که من داده‌ای برای پاسخ به همه این سؤالات ندارم، این تجزیه و تحلیل مطمئناً مرا وادار کرده است که عمیق‌تر نگاه کنم، و امیدوارم دیگران را نیز ترغیب کند تا در آمار مخاطبان خود نیز غوطه‌ور شوند.

تشویق نگاه گسترده تر

خب من از این همه چی یاد گرفتم؟ برای یکی، تعداد فالوورها همیشه داستان کامل را بیان نمی کنند. داشتن تعداد فالوور زیاد یک چیز است، اما داشتن فالوورهای فعال و فعال که واقعاً برای محتوای شما ارزش قائل هستند، چیز دیگری است. در حالی که تجزیه و تحلیل من بیشتر از پاسخ سؤالات را برای من به همراه داشت، من کنجکاو هستم که بدانم سایر نویسندگان Dev.to در تجزیه و تحلیل دنبال کنندگان خود چه می یابند.

آیا ممکن است برخی از فالوورهای ما ربات باشند؟ شاید. آیا ممکن است آنها حساب های غیرفعال باشند؟ احتمالا. در نهایت، این بینش ها به من دیدگاه جدیدی در مورد معیارهای فالوور داده است و من شما را تشویق می کنم که همین کار را با مخاطبان خود انجام دهید.

اگر کنجکاو هستید که دنبال کنندگان Dev.to خود را جستجو کنید، می توانید تجزیه و تحلیل کامل و کد من را در مخزن اینجا بیابید: Dev.to Audience Analyzer.

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