Ein Datenprofil der Menschen, die Big data in Indien kaufen, verfolgen und schätzen — modelliert aus mehr als zwölf digitalen Signalquellen. Big data hat eine geschätzte Zielgruppe von 4,094,788 Personen in Indien.
Der durchschnittliche Big data-Fan in Indien ist 27.8 Jahre alt, eher männlich, und lebt vor allem in Maharashtra.
Die Zielgruppe konzentriert sich auf Maharashtra, Tamil Nadu, Uttar Pradesh.
Zu den Top-Markenaffinitäten zählen Harry Potter, XXXTentacion, Bollywood movies, mit der stärksten Überindexierung bei Harry Potter (2.29× Landesdurchschnitt).
Demografisch ist die Big data-Zielgruppe eher männlich mit einem Durchschnittsalter von 27.8 Jahren und überindexiert bei Persönlichkeitsmerkmalen wie Need for Security, Early Adopter Mentality.
Im Vergleich zur Landes-Basis zeigt diese Zielgruppe markante Muster über 20 Markenaffinitäten und 29 von Rascasse erfasste Regionen.
Der typische Big data-Fan in Indien ist eher männlich, etwa 27.8 Jahre alt, mit ausgeprägten Need for Security-Tendenzen und einer deutlichen Affinität zu Harry Potter.
Die Kennzahlen, die das Big data-Profil in Indien charakterisieren.
29.8% sind weiblich, 70.2% männlich, Durchschnittsalter 27.8.
| Metrik | Wert |
|---|---|
| Weiblich | 29.8% |
| Männlich | 70.2% |
| Durchschnittsalter | 27.8 |
| Geschätzte Zielgruppengröße | 4,094,788 |
| Altersgruppe | Anteil | % |
|---|---|---|
| 16-19 | 50% | |
| 20-29 | 27% | |
| 30-39 | 11% | |
| 40-49 | 6% | |
| 50+ | 5% |
der weltweiten Big data-Zielgruppe entfallen auf Indien.
| Land | Anteil |
|---|---|
| United States | 20.1% |
| India | 9.5% |
| Japan | 4.6% |
Wo die Big data-Zielgruppe in Indien am stärksten ist.
| # | Region | Reichweite | Affinität | × |
|---|---|---|---|---|
| 01 | Tamil Nadu | ~300K | 2.78× | |
| 02 | Telangana | ~100K | 2.01× | |
| 03 | Andhra Pradesh | ~90K | 1.89× | |
| 04 | Karnataka | ~200K | 1.84× | |
| 05 | Maharashtra | ~400K | 1.78× | |
| 06 | Madhya Pradesh | ~100K | 1.62× | |
| 07 | Punjab (region) | ~70K | 1.30× | |
| 08 | Haryana | ~60K | 1.22× | |
| 09 | Uttarakhand | ~20K | 1.19× | |
| 10 | Jammu and Kashmir | ~20K | 1.17× | |
| 11 | Uttar Pradesh | ~200K | 1.01× | |
| 12 | Kerala | ~60K | 1.01× | |
| 13 | Sikkim | ~2K | 0.97× | |
| 14 | Mizoram | ~3K | 0.94× | |
| 15 | Arunachal Pradesh | ~2K | 0.94× | |
| 16 | Nagaland | ~3K | 0.93× | |
| 17 | Manipur | ~5K | 0.91× | |
| 18 | Meghalaya | ~4K | 0.91× | |
| 19 | Goa | ~4K | 0.90× | |
| 20 | Odisha | ~40K | 0.86× | |
| 21 | Chhattisgarh | ~20K | 0.86× | |
| 22 | Tripura | ~5K | 0.85× | |
| 23 | Himachal Pradesh | ~10K | 0.82× | |
| 24 | Jharkhand | ~30K | 0.79× | |
| 25 | Rajasthan | ~70K | 0.72× | |
| 26 | Gujarat | ~80K | 0.69× | |
| 27 | West Bengal | ~90K | 0.67× | |
| 28 | Assam | ~30K | 0.63× | |
| 29 | Bihar | ~50K | 0.61× |
Die stärksten Cross-Interessen der Big data-Zielgruppe — Marken, Themen und Personen kombiniert.
| # | · | Interesse | Kategorie | Affinität | × |
|---|---|---|---|---|---|
| 01 | Business analytics | Technology & Electronics | 3.94× | ||
| 02 | PHP | Technology & Electronics | 3.89× | ||
| 03 | GitHub | Internet & Social Media | 3.67× | ||
| 04 | Data analysis | Technology & Electronics | 3.66× | ||
| 05 | Python (programming language) | Technology & Electronics | 3.65× | ||
| 06 | JavaScript | Technology & Electronics | 3.53× | ||
| 07 | Programming language | Technology & Electronics | 3.37× | ||
| 08 | Machine learning | Business & Career | 3.15× | ||
| 09 | Linux | Technology & Electronics | 3.04× | ||
| 10 | Computer programming | Technology & Electronics | 3.02× | ||
| 11 | Software engineering | Business & Career | 2.76× | ||
| 12 | Harry Potter | Movies & TV | 2.29× | ||
| 13 | Information technology | Business & Career | 2.28× | ||
| 14 | Web development | Business & Career | 2.26× | ||
| 15 | hotstar | Movies & TV | 1.98× | ||
| 16 | Artificial intelligence | Technology & Electronics | 1.97× | ||
| 17 | Gemini | Technology & Electronics | 1.77× | ||
| 18 | Software | Technology & Electronics | 1.62× | ||
| 19 | XXXTentacion | Music & Radio | 1.57× | ||
| 20 | Bollywood movies | Movies & TV | 1.56× |
Werte über 1,00× liegen über dem Landesdurchschnitt, Werte darunter entsprechend darunter.
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Need for Security | CONSERVATISM | 1.50× | |
| Early Adopter Mentality | POWER | 1.35× | |
| Healthy Lifestyle | BALANCE | 1.34× |
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Extroversion | THRILL | 0.80× | |
| Price Sensitivity | PREMIUM | 0.87× | |
| Creativity | OPEN | 0.92× |
Big data hat eine geschätzte Zielgruppe von 4,094,788 Personen in Indien, konzentriert auf Maharashtra und Tamil Nadu.
29.8% der Big data-Fans sind weiblich, 70.2% männlich, das Durchschnittsalter liegt bei 27.8 Jahren.
Big data-Fans zeigen die stärkste Markenaffinität zu Harry Potter (2.29×), XXXTentacion (1.57×) und Bollywood movies (1.56×) gegenüber dem Landesdurchschnitt.
Big data-Fans in Indien konzentrieren sich vor allem auf Maharashtra (Reichweite ~400K), Tamil Nadu (Reichweite ~300K) und Uttar Pradesh (Reichweite ~200K). Diese drei Regionen stellen den größten Teil der aktiven Zielgruppe.
Über Big data hinaus überindexiert die Zielgruppe bei XXXTentacion (1.57×), Bollywood movies (1.56×), Software (1.62×) und Information technology (2.28×) im Vergleich zum Indien-Durchschnitt.
Verwandte Profile, Rankings und dieselbe Zielgruppe in anderen Märkten.
Die Zielgruppengröße ist die geschätzte Zahl der Menschen in Indien, die aktiv nach Big data suchen. Affinität ist ein Überindexierungs-Verhältnis: 2,0× bedeutet, die Zielgruppe interessiert sich doppelt so wahrscheinlich für diese Marke oder dieses Merkmal wie der Landesdurchschnitt. Reichweite ist die geschätzte Zahl der Zielgruppenmitglieder in einer Region. Die Tabellen sind vom stärksten zum schwächsten Signal sortiert.
Dieses Zielgruppenprofil wird von Rascasse aus anonymisierten Suchverhaltens-Signalen in Indien erstellt. Zur Methodik siehe Methodik. Affinitätswerte sind Überindexierungs-Verhältnisse gegenüber dem Landesdurchschnitt (1,0 = Basis). Zielgruppengrößen sind Schätzungen, keine Messungen.
Von globalen Massenmarken bis zu lokalen Nischensegmenten — entdecken Sie die vollständige Bibliothek und die enthaltenen Intelligence-Schichten.