Ein Datenprofil der Menschen, die Shopping in Indien kaufen, verfolgen und schätzen — modelliert aus mehr als zwölf digitalen Signalquellen. Shopping hat eine geschätzte Zielgruppe von 44,878,526 Personen in Indien.
Der durchschnittliche Shopping-Fan in Indien ist 32.1 Jahre alt, eher männlich, und lebt vor allem in Uttar Pradesh.
Die Zielgruppe konzentriert sich auf Uttar Pradesh, Maharashtra, West Bengal.
Zu den Top-Markenaffinitäten zählen Bhojpuri language, Virtual private network, Bank of India, mit der stärksten Überindexierung bei Bhojpuri language (1.52× Landesdurchschnitt).
Demografisch ist die Shopping-Zielgruppe eher männlich mit einem Durchschnittsalter von 32.1 Jahren und überindexiert bei Persönlichkeitsmerkmalen wie Price Sensitivity, Community Orientation.
Im Vergleich zur Landes-Basis zeigt diese Zielgruppe markante Muster über 20 Markenaffinitäten und 29 von Rascasse erfasste Regionen.
Der typische Shopping-Fan in Indien ist eher männlich, etwa 32.1 Jahre alt, mit ausgeprägten Price Sensitivity-Tendenzen und einer deutlichen Affinität zu Bhojpuri language.
Die Kennzahlen, die das Shopping-Profil in Indien charakterisieren.
27.2% sind weiblich, 72.8% männlich, Durchschnittsalter 32.1.
| Metrik | Wert |
|---|---|
| Weiblich | 27.2% |
| Männlich | 72.8% |
| Durchschnittsalter | 32.1 |
| Geschätzte Zielgruppengröße | 44,878,526 |
| Altersgruppe | Anteil | % |
|---|---|---|
| 16-19 | 34% | |
| 20-29 | 29% | |
| 30-39 | 18% | |
| 40-49 | 11% | |
| 50+ | 8% |
der weltweiten Shopping-Zielgruppe entfallen auf Indien.
| Land | Anteil |
|---|---|
| United States | 21.8% |
| Japan | 7.1% |
| India | 5.9% |
Wo die Shopping-Zielgruppe in Indien am stärksten ist.
| # | Region | Reichweite | Affinität | × |
|---|---|---|---|---|
| 01 | Bihar | ~1.5M | 1.68× | |
| 02 | West Bengal | ~2M | 1.28× | |
| 03 | Goa | ~60K | 1.27× | |
| 04 | Uttar Pradesh | ~2.5M | 1.22× | |
| 05 | Andhra Pradesh | ~700K | 1.20× | |
| 06 | Jharkhand | ~500K | 1.18× | |
| 07 | Madhya Pradesh | ~1M | 1.15× | |
| 08 | Maharashtra | ~2.5M | 1.08× | |
| 09 | Gujarat | ~1.5M | 1.08× | |
| 10 | Assam | ~500K | 1.08× | |
| 11 | Rajasthan | ~1M | 1.04× | |
| 12 | Telangana | ~700K | 1.03× | |
| 13 | Karnataka | ~1M | 1.02× | |
| 14 | Chhattisgarh | ~300K | 1.01× | |
| 15 | Haryana | ~600K | 1.00× | |
| 16 | Punjab (region) | ~600K | 0.98× | |
| 17 | Uttarakhand | ~200K | 0.97× | |
| 18 | Tamil Nadu | ~1M | 0.96× | |
| 19 | Odisha | ~400K | 0.93× | |
| 20 | Tripura | ~60K | 0.91× | |
| 21 | Himachal Pradesh | ~200K | 0.90× | |
| 22 | Nagaland | ~30K | 0.86× | |
| 23 | Meghalaya | ~40K | 0.85× | |
| 24 | Manipur | ~50K | 0.84× | |
| 25 | Arunachal Pradesh | ~20K | 0.83× | |
| 26 | Jammu and Kashmir | ~200K | 0.82× | |
| 27 | Sikkim | ~20K | 0.82× | |
| 28 | Kerala | ~500K | 0.77× | |
| 29 | Mizoram | ~20K | 0.76× |
Die stärksten Cross-Interessen der Shopping-Zielgruppe — Marken, Themen und Personen kombiniert.
| # | · | Interesse | Kategorie | Affinität | × |
|---|---|---|---|---|---|
| 01 | Family Matters | Movies & TV | 1.68× | ||
| 02 | Dan Henderson | Sports | 1.68× | ||
| 03 | Country Inns & Suites | Travel & Leisure | 1.65× | ||
| 04 | Monarch | Politics & Society | 1.64× | ||
| 05 | Pernod Ricard | Food & Beverages | 1.62× | ||
| 06 | Morphy Richards | Technology & Electronics | 1.61× | ||
| 07 | Priests | Music & Radio | 1.61× | ||
| 08 | Commercial bank | Business & Career | 1.59× | ||
| 09 | Virtual private network | Technology & Electronics | 1.58× | ||
| 10 | Bank of India | Business & Career | 1.57× | ||
| 11 | Stayfree | Beauty & Wellness | 1.56× | ||
| 12 | Saving Mr. Banks | Movies & TV | 1.55× | ||
| 13 | Hardcore Pawn | Movies & TV | 1.54× | ||
| 14 | Zimmermann | Home & Garden | 1.53× | ||
| 15 | Miramax | Movies & TV | 1.53× | ||
| 16 | Stamford International University (Thailand) | Business & Career | 1.53× | ||
| 17 | Bhojpuri language | Politics & Society | 1.52× | ||
| 18 | Kiev | Travel & Leisure | 1.52× | ||
| 19 | Industrial technology | Topic | 1.51× | ||
| 20 | Royal Stag | Food & Beverages | 1.50× |
Werte über 1,00× liegen über dem Landesdurchschnitt, Werte darunter entsprechend darunter.
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Price Sensitivity | PREMIUM | 0.98× | |
| Community Orientation | OPEN | 0.96× | |
| DIY Mentality | THRILL | 0.91× |
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Urban Lifestyle | OPEN | 0.63× | |
| Spirituality | BALANCE | 0.65× | |
| Healthy Lifestyle | BALANCE | 0.67× |
Shopping hat eine geschätzte Zielgruppe von 44,878,526 Personen in Indien, konzentriert auf Uttar Pradesh und Maharashtra.
27.2% der Shopping-Fans sind weiblich, 72.8% männlich, das Durchschnittsalter liegt bei 32.1 Jahren.
Shopping-Fans zeigen die stärkste Markenaffinität zu Bhojpuri language (1.52×), Virtual private network (1.58×) und Bank of India (1.57×) gegenüber dem Landesdurchschnitt.
Shopping-Fans in Indien konzentrieren sich vor allem auf Uttar Pradesh (Reichweite ~2.5M), Maharashtra (Reichweite ~2.5M) und West Bengal (Reichweite ~2M). Diese drei Regionen stellen den größten Teil der aktiven Zielgruppe.
Über Shopping hinaus überindexiert die Zielgruppe bei Virtual private network (1.58×), Bank of India (1.57×), Commercial bank (1.59×) und Pernod Ricard (1.62×) 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 Shopping 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.