Ein Datenprofil der Menschen, die Software engineering in Indien kaufen, verfolgen und schätzen — modelliert aus mehr als zwölf digitalen Signalquellen. Software engineering hat eine geschätzte Zielgruppe von 5,875,032 Personen in Indien.
Der durchschnittliche Software engineering-Fan in Indien ist 30.9 Jahre alt, eher männlich, und lebt vor allem in Maharashtra.
Die Zielgruppe konzentriert sich auf Maharashtra, Uttar Pradesh, Karnataka.
Zu den Top-Markenaffinitäten zählen Information technology, Harry Potter, Programming language, mit der stärksten Überindexierung bei Information technology (2.39× Landesdurchschnitt).
Demografisch ist die Software engineering-Zielgruppe eher männlich mit einem Durchschnittsalter von 30.9 Jahren und überindexiert bei Persönlichkeitsmerkmalen wie Need for Security, Career Orientation.
Im Vergleich zur Landes-Basis zeigt diese Zielgruppe markante Muster über 20 Markenaffinitäten und 29 von Rascasse erfasste Regionen.
Der typische Software engineering-Fan in Indien ist eher männlich, etwa 30.9 Jahre alt, mit ausgeprägten Need for Security-Tendenzen und einer deutlichen Affinität zu Information technology.
Die Kennzahlen, die das Software engineering-Profil in Indien charakterisieren.
27.3% sind weiblich, 72.7% männlich, Durchschnittsalter 30.9.
| Metrik | Wert |
|---|---|
| Weiblich | 27.3% |
| Männlich | 72.7% |
| Durchschnittsalter | 30.9 |
| Geschätzte Zielgruppengröße | 5,875,032 |
| Altersgruppe | Anteil | % |
|---|---|---|
| 16-19 | 38% | |
| 20-29 | 30% | |
| 30-39 | 16% | |
| 40-49 | 10% | |
| 50+ | 7% |
der weltweiten Software engineering-Zielgruppe entfallen auf Indien.
| Land | Anteil |
|---|---|
| United States | 15.0% |
| India | 6.8% |
| Germany | 4.8% |
Wo die Software engineering-Zielgruppe in Indien am stärksten ist.
| # | Region | Reichweite | Affinität | × |
|---|---|---|---|---|
| 01 | Andhra Pradesh | ~100K | 1.79× | |
| 02 | Telangana | ~100K | 1.56× | |
| 03 | Maharashtra | ~400K | 1.49× | |
| 04 | Karnataka | ~200K | 1.46× | |
| 05 | Madhya Pradesh | ~200K | 1.44× | |
| 06 | Tamil Nadu | ~200K | 1.37× | |
| 07 | Uttar Pradesh | ~400K | 1.24× | |
| 08 | Odisha | ~80K | 1.20× | |
| 09 | Jharkhand | ~60K | 1.14× | |
| 10 | Bihar | ~100K | 1.11× | |
| 11 | Punjab (region) | ~90K | 1.11× | |
| 12 | Gujarat | ~200K | 1.08× | |
| 13 | Uttarakhand | ~30K | 1.08× | |
| 14 | Kerala | ~90K | 1.04× | |
| 15 | Himachal Pradesh | ~20K | 0.97× | |
| 16 | Haryana | ~70K | 0.94× | |
| 17 | Chhattisgarh | ~40K | 0.94× | |
| 18 | West Bengal | ~200K | 0.92× | |
| 19 | Rajasthan | ~100K | 0.92× | |
| 20 | Sikkim | ~2K | 0.86× | |
| 21 | Goa | ~5K | 0.84× | |
| 22 | Manipur | ~6K | 0.79× | |
| 23 | Nagaland | ~3K | 0.79× | |
| 24 | Arunachal Pradesh | ~3K | 0.79× | |
| 25 | Tripura | ~6K | 0.78× | |
| 26 | Mizoram | ~3K | 0.77× | |
| 27 | Assam | ~40K | 0.75× | |
| 28 | Meghalaya | ~4K | 0.73× | |
| 29 | Jammu and Kashmir | ~20K | 0.70× |
Die stärksten Cross-Interessen der Software engineering-Zielgruppe — Marken, Themen und Personen kombiniert.
| # | · | Interesse | Kategorie | Affinität | × |
|---|---|---|---|---|---|
| 01 | GitHub | Internet & Social Media | 3.66× | ||
| 02 | PHP | Technology & Electronics | 3.66× | ||
| 03 | Node.js | Technology & Electronics | 3.62× | ||
| 04 | JavaScript | Technology & Electronics | 3.58× | ||
| 05 | Programming language | Technology & Electronics | 3.54× | ||
| 06 | Python (programming language) | Technology & Electronics | 3.45× | ||
| 07 | C++ | Technology & Electronics | 3.39× | ||
| 08 | Software development | Business & Career | 3.31× | ||
| 09 | Computer engineering | Business & Career | 3.31× | ||
| 10 | Computer programming | Technology & Electronics | 3.29× | ||
| 11 | Linux | Technology & Electronics | 2.90× | ||
| 12 | Information technology | Business & Career | 2.39× | ||
| 13 | Web development | Business & Career | 2.20× | ||
| 14 | Harry Potter | Movies & TV | 1.73× | ||
| 15 | Weather Report | Music & Radio | 1.68× | ||
| 16 | Gemini | Technology & Electronics | 1.63× | ||
| 17 | Artificial intelligence | Technology & Electronics | 1.60× | ||
| 18 | Cloud computing | Technology & Electronics | 1.59× | ||
| 19 | Software | Technology & Electronics | 1.52× | ||
| 20 | hotstar | Movies & TV | 1.50× |
Werte über 1,00× liegen über dem Landesdurchschnitt, Werte darunter entsprechend darunter.
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Need for Security | CONSERVATISM | 1.51× | |
| Career Orientation | POWER | 1.26× | |
| Early Adopter Mentality | POWER | 1.16× |
| Merkmal | Cluster | Abweichung | Wert |
|---|---|---|---|
| Extroversion | THRILL | 0.85× | |
| Tradition | CONSERVATISM | 0.88× | |
| Price Sensitivity | PREMIUM | 0.90× |
Software engineering hat eine geschätzte Zielgruppe von 5,875,032 Personen in Indien, konzentriert auf Maharashtra und Uttar Pradesh.
27.3% der Software engineering-Fans sind weiblich, 72.7% männlich, das Durchschnittsalter liegt bei 30.9 Jahren.
Software engineering-Fans zeigen die stärkste Markenaffinität zu Information technology (2.39×), Harry Potter (1.73×) und Programming language (3.54×) gegenüber dem Landesdurchschnitt.
Software engineering-Fans in Indien konzentrieren sich vor allem auf Maharashtra (Reichweite ~400K), Uttar Pradesh (Reichweite ~400K) und Karnataka (Reichweite ~200K). Diese drei Regionen stellen den größten Teil der aktiven Zielgruppe.
Über Software engineering hinaus überindexiert die Zielgruppe bei Harry Potter (1.73×), Programming language (3.54×), Software (1.52×) und GitHub (3.66×) 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 Software engineering 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.