Ein Datenprofil der Menschen, die Madhuri Dixit in Indien kaufen, verfolgen und schätzen — modelliert aus mehr als zwölf digitalen Signalquellen. Madhuri Dixit hat eine geschätzte Zielgruppe von 3,298,918 Personen in Indien.
Der durchschnittliche Madhuri Dixit-Fan in Indien ist 30.4 Jahre alt, eher männlich, und lebt vor allem in Maharashtra.
Die Zielgruppe konzentriert sich auf Maharashtra, Uttar Pradesh, West Bengal.
Zu den Top-Markenaffinitäten zählen Ayesha Takia, Arbaaz Khan (Indian actor), Yami Gautam, mit der stärksten Überindexierung bei Ayesha Takia (26.31× Landesdurchschnitt).
Demografisch ist die Madhuri Dixit-Zielgruppe eher männlich mit einem Durchschnittsalter von 30.4 Jahren und überindexiert bei Persönlichkeitsmerkmalen wie Community Orientation, Price Sensitivity.
Im Vergleich zur Landes-Basis zeigt diese Zielgruppe markante Muster über 20 Markenaffinitäten und 29 von Rascasse erfasste Regionen.
Der typische Madhuri Dixit-Fan in Indien ist eher männlich, etwa 30.4 Jahre alt, mit ausgeprägten Community Orientation-Tendenzen und einer deutlichen Affinität zu Ayesha Takia.
Die Kennzahlen, die das Madhuri Dixit-Profil in Indien charakterisieren.
33.2% sind weiblich, 66.8% männlich, Durchschnittsalter 30.4.
| Metrik | Wert |
|---|---|
| Weiblich | 33.2% |
| Männlich | 66.8% |
| Durchschnittsalter | 30.4 |
| Geschätzte Zielgruppengröße | 3,298,918 |
| Altersgruppe | Anteil | % |
|---|---|---|
| 16-19 | 40% | |
| 20-29 | 28% | |
| 30-39 | 17% | |
| 40-49 | 10% | |
| 50+ | 6% |
der weltweiten Madhuri Dixit-Zielgruppe entfallen auf Indien.
| Land | Anteil |
|---|---|
| India | 60.4% |
| United States | 6.9% |
| Pakistan | 5.6% |
Wo die Madhuri Dixit-Zielgruppe in Indien am stärksten ist.
| # | Region | Reichweite | Affinität | × |
|---|---|---|---|---|
| 01 | Maharashtra | ~300K | 1.96× | |
| 02 | Madhya Pradesh | ~80K | 1.33× | |
| 03 | West Bengal | ~100K | 1.27× | |
| 04 | Gujarat | ~100K | 1.25× | |
| 05 | Karnataka | ~100K | 1.23× | |
| 06 | Odisha | ~40K | 1.21× | |
| 07 | Chhattisgarh | ~30K | 1.18× | |
| 08 | Uttar Pradesh | ~200K | 1.16× | |
| 09 | Rajasthan | ~90K | 1.16× | |
| 10 | Jharkhand | ~30K | 1.13× | |
| 11 | Arunachal Pradesh | ~2K | 1.11× | |
| 12 | Punjab (region) | ~50K | 1.09× | |
| 13 | Goa | ~4K | 1.09× | |
| 14 | Uttarakhand | ~20K | 1.07× | |
| 15 | Assam | ~40K | 1.06× | |
| 16 | Haryana | ~40K | 1.04× | |
| 17 | Bihar | ~60K | 0.99× | |
| 18 | Telangana | ~50K | 0.98× | |
| 19 | Tripura | ~4K | 0.93× | |
| 20 | Jammu and Kashmir | ~10K | 0.91× | |
| 21 | Himachal Pradesh | ~10K | 0.85× | |
| 22 | Manipur | ~3K | 0.81× | |
| 23 | Kerala | ~40K | 0.74× | |
| 24 | Andhra Pradesh | ~30K | 0.72× | |
| 25 | Nagaland | ~2K | 0.72× | |
| 26 | Sikkim | ~1K | 0.71× | |
| 27 | Meghalaya | ~2K | 0.66× | |
| 28 | Tamil Nadu | ~50K | 0.60× | |
| 29 | Mizoram | ~1K | 0.57× |
Die stärksten Cross-Interessen der Madhuri Dixit-Zielgruppe — Marken, Themen und Personen kombiniert.
| # | · | Interesse | Kategorie | Affinität | × |
|---|---|---|---|---|---|
| 01 | Ayesha Takia | Movies & TV | 26.31× | ||
| 02 | Chris Martin | Music & Radio | 25.43× | ||
| 03 | Arbaaz Khan (Indian actor) | Movies & TV | 23.36× | ||
| 04 | Ali Zafar | Music & Radio | 19.41× | ||
| 05 | Kabhi Khushi Kabhie Gham... | Movies & TV | 19.33× | ||
| 06 | Jennifer Garner | Movies & TV | 18.55× | ||
| 07 | Zarine Khan | Movies & TV | 16.67× | ||
| 08 | Anil Kapoor | Movies & TV | 16.52× | ||
| 09 | Abhishek Bachchan | Movies & TV | 16.22× | ||
| 10 | Fawad Afzal Khan | Movies & TV | 15.97× | ||
| 11 | Sidharth Malhotra | Fashion & Accessoires | 15.87× | ||
| 12 | Sushant Singh Rajput | Movies & TV | 15.33× | ||
| 13 | Kangana Ranaut | Movies & TV | 14.70× | ||
| 14 | R. Madhavan | Movies & TV | 14.24× | ||
| 15 | Ileana D'Cruz | Movies & TV | 14.17× | ||
| 16 | Yami Gautam | Movies & TV | 13.94× | ||
| 17 | Karisma Kapoor | Movies & TV | 13.33× | ||
| 18 | Saif Ali Khan | Movies & TV | 12.02× | ||
| 19 | Arjun Rampal | Movies & TV | 10.55× | ||
| 20 | Parineeti Chopra | Movies & TV | 9.81× |
Werte über 1,00× liegen über dem Landesdurchschnitt, Werte darunter entsprechend darunter.
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Community Orientation | OPEN | 1.35× | |
| Price Sensitivity | PREMIUM | 1.33× | |
| Mindfulness | BALANCE | 1.28× |
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Quality Awareness | PREMIUM | 0.75× | |
| Luxury Orientation | PREMIUM | 0.80× | |
| Early Adopter Mentality | POWER | 0.82× |
Madhuri Dixit hat eine geschätzte Zielgruppe von 3,298,918 Personen in Indien, konzentriert auf Maharashtra und Uttar Pradesh.
33.2% der Madhuri Dixit-Fans sind weiblich, 66.8% männlich, das Durchschnittsalter liegt bei 30.4 Jahren.
Madhuri Dixit-Fans zeigen die stärkste Markenaffinität zu Ayesha Takia (26.31×), Arbaaz Khan (Indian actor) (23.36×) und Yami Gautam (13.94×) gegenüber dem Landesdurchschnitt.
Madhuri Dixit-Fans in Indien konzentrieren sich vor allem auf Maharashtra (Reichweite ~300K), Uttar Pradesh (Reichweite ~200K) und West Bengal (Reichweite ~100K). Diese drei Regionen stellen den größten Teil der aktiven Zielgruppe.
Über Madhuri Dixit hinaus überindexiert die Zielgruppe bei Arbaaz Khan (Indian actor) (23.36×), Yami Gautam (13.94×), Anil Kapoor (16.52×) und Sushant Singh Rajput (15.33×) 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 Madhuri Dixit 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.