千里之行，始于足下，今天是第3/1000步。
在公众号的日常运营中，我们经常需要对文章进行数据分析，其中最有代表性的就是双高（高打开率、高分享率）、双低分析。这个分析可以非常好地帮助我们了解哪些文章既是选题比较好（包括标题），而同时内容又是比较受用户欢迎的。
那具体我们该如何进行双高双低分析呢？
一、常规的分类统计法及存在的问题
按照最常规的思路，我们可以先将文章进行分类，然后统计不同类别文章的平均打开率、分享率，通过Excel里面的透视图就可以很直观地了解哪类文章属于双高，而哪些又属于双低。
分类的方式有很多种，比如可以按照文章所属栏目、作者甚至是星期几，另外一种思路就是通过不同维度给文章打标签，比如内容标签（属于什么类型的内容）、类型标签（文章属于什么类型，科普文、鸡汤文等）、情感标签（正向、负向；开心、焦虑、恐惧等）。下图就是一个通过内容标签对文章进行分类，然后在Excel里得到的透视图，通过这个图我们可以很直观地看出双高文章标签是「个人成长」、「话题讨论」，「金融投资」和「商品推广」则是双低。
这种对事物先进行分类，进而归纳并发现其规律是一种非常简单且实用的方法，但也有自身的局限性，主要表现在两个方面：
1、凭经验和专业知识不能准确地分类。
比如对公众号打标签，标签有很多维度，一篇文章是属于标签A还是B很多时候往往凭主观因素判断。
2、单元变量很难反映事物的全部特征。
即使按照某种规律进行了分类，但是这种分类并不能完全反映背后的规律。还是上图为例，虽然「话题讨论」类文章「阅读数」、「在看数」最高，但是这个标签里仍然有数据比较差的文章，甚至低于「商品推广」类的某些文章。
那除了分类法，还有什么其他的统计方法可以进行双高双低分析吗？
有的，这就是我们今天要介绍的聚类分析法。
二、什么是聚类分析法
1、定义
聚类分析也称群分析或点群分析，它是研究多要素事物分类问题的数量方法，是一种新兴的多元统计方法，是当代分类学与多元分析的结合。其基本原理是，根据样本自身的属性，用数学方法按照某种相似性或差异性指标，定量地确定样本之间的亲疏关系，并按这种亲疏关系程度对样本进行聚类。
通俗的讲，聚类分析就是根据事物彼此不同的属性进行辨认，将具有相似属性的事物聚为一类，使得同一类的事物具有高度的相似性。应用到公众号文章上，我们认为双高文章一定具备某些类似属性（可能已知，也可能未知），利用聚类分析就可以很好地把这些好文章给找出来。
常用聚类方法：系统聚类法，K-均值法，二阶聚类法等。
聚类分析法背后的数学原理比较复杂，我们可以直接拿过来用，不用太深究其背后的原理。
2、聚类分析法和标签分析法的区别
通过上面的介绍，我们可以很明显地看出聚类分析和标签分析法的区别：
1）标签分析法需要先找出规律，然后分类，最后统计数据。
2）而聚类分析法完全不用先假设条件，完全通过对文章数据（打开率、分享率）的分析，找出拥有双高特征的文章，然后我们才对双高文章进行分析并从中找出规律来。
三、教程：使用SPSS软件进行聚类分析
1、安装SPSS软件，比如IBM SPSS Statistics
可以从官网下载试用版，或者网上搜索下载链接。
2、数据准备
可以利用壹伴等工具将公众号后台数据导出来，把需要分析的维度保留下来。下表就是一个最简单的数据表格，仅包括「话题讨论」、「打开率」和「分享率」。
3、SPSS软件使用
1）将上述数据拷贝到SPSS软件的「数据视图」表格里。
注意：拷贝完成后点击「变量视图」查看一下各个变量（默认是VAR00001、VAR00002格式，可以改成有意义的名字）的类型和宽度。
比如“标题”（默认是VAR00001，手动修改）宽度默认是51（25.5个中文），可能不够，我们将其调整为80。另外「打开率」、「分享率」的类型是「字符串」，应该改成百分比，这个点击类型无法直接修改。我们可以通过菜单「数据」——「定义变量属性」来进行修改。
2）在「数据视图」中选中「标题」、「打开率」和「分享率」这三列，点击菜单「分析」——「分类」——「K-均值聚类」。
在弹出的对话框中将「打开率」、「分享率」设置为变量，然后点击「保存」按钮，复选其中两个复选框。「聚类数」设置为4，因为这里我们希望得到「高高」、「高低」、「低高」和「低低」这四类文章。点击「确定」按钮系统就自动开始运算。
3）系统运行完成后，会弹出一个界面，里面显示了本次聚类的结果（因为「聚类数」设置为4，所以有4类结果）。
通过「打开率」和「分享率」这两个数据，我们可以看出聚类2属于双高，共有11篇文章，而聚类4属于双低，共有48篇文章。
4）这个时候，我们再回到「数据视图」，发现表格里多了两列「QCL_1」和「QCL_2」，其中「QCL_1」代表的就是所属的聚类。
5）将这个表格存为Excel文件，在Excel里通过透视图就能很直观地看出哪些文章属于双高，哪些文章属于双低。然后我们可以对双高文章进行进一步分析，比如利拥NLPIR工具分析词频和标题情感，我们还可以对这些文章再进行分类（比如按标签，按作者），我们可以得出双高分钟里哪些标签占比比较高，哪些作者写的文章比较多。
不积跬步，无以至千里，先迈出它10步。
转载说明：本文为“三少爷的见”原创文章，转载请务必注明出处。
