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？

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。

利用标签分类法进行双高双低分析

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。

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。

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：

如何使用SPSS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」。