Un perfil de datos de las personas que compran, siguen y valoran Trisha (actress) en India — modelado a partir de más de doce fuentes de señales digitales. Trisha (actress) tiene una audiencia estimada de 7,593,256 personas en India.
Trisha (actress) tiene una audiencia estimada de 7,593,256 personas en India. 42.2% son mujeres, 57.8% son hombres, edad promedio 31.0. Principales afinidades de marca: Dhanush, Sivakarthikeyan, Anushka Shetty, Internet celebrity, Jennifer Garner.
Las principales afinidades de marca incluyen Dhanush, Sivakarthikeyan, Anushka Shetty, con mayor sobre-indexación en Dhanush (12.11× el promedio del país).
Demográficamente, la audiencia de Trisha (actress) se inclina más masculino con una edad media de 31.0 años, y sobre-indexa en rasgos de personalidad como Tradition, Convenience Orientation.
El seguidor típico de Trisha (actress) en India es más masculino, de unos 31.0 años, con fuertes tendencias hacia Tradition y una notable afinidad por Dhanush.
Las cifras clave que caracterizan el perfil de Trisha (actress) en India.
42.2% son mujeres, 57.8% son hombres, edad promedio 31.0.
| Métrica | Valor |
|---|---|
| Mujeres | 42.2% |
| Hombres | 57.8% |
| Edad promedio | 31.0 |
| Tamaño estimado de la audiencia | 7,593,256 |
| Franja de edad | Cuota | % |
|---|---|---|
| 16-19 | 35% | |
| 20-29 | 33% | |
| 30-39 | 16% | |
| 40-49 | 10% | |
| 50+ | 6% |
de la audiencia mundial de Trisha (actress) procede de India.
| País | Cuota |
|---|---|
| India | 77.4% |
| United States | 6.9% |
| United Kingdom | 4.2% |
Los intereses cruzados más fuertes de la audiencia de Trisha (actress) — marcas, temas y personas combinados.
| # | · | Interés | Categoría | Afinidad | × |
|---|---|---|---|---|---|
| 01 | Jennifer Garner | Movies & TV | 14.03× | ||
| 02 | Sivakarthikeyan | Movies & TV | 12.94× | ||
| 03 | Dhanush | Movies & TV | 12.11× | ||
| 04 | vijay tv | Movies & TV | 8.61× | ||
| 05 | Sun TV | Movies & TV | 8.06× | ||
| 06 | Anushka Shetty | Movies & TV | 7.23× | ||
| 07 | gold necklaces | Fashion & Accessoires | 5.25× | ||
| 08 | Shruti Haasan | Movies & TV | 5.09× | ||
| 09 | Albert Einstein | Technology & Electronics | 5.08× | ||
| 10 | Frying pan | Home & Garden | 4.86× | ||
| 11 | Soap opera | Movies & TV | 4.40× | ||
| 12 | Ajay Devgan | Movies & TV | 4.08× | ||
| 13 | Sri Lanka | Travel & Leisure | 3.91× | ||
| 14 | Internet celebrity | Internet & Social Media | 3.89× | ||
| 15 | Bluetooth | Technology & Electronics | 3.40× | ||
| 16 | Pajamas | Fashion & Accessoires | 3.20× | ||
| 17 | Cash on delivery | Business & Career | 2.46× | ||
| 18 | Headphones | Technology & Electronics | 2.42× | ||
| 19 | Chennai | Travel & Leisure | 2.00× | ||
| 20 | Party dress | Fashion & Accessoires | 2.00× |
Los valores por encima de 1,00× están por encima del promedio del país; por debajo, por debajo de él.
| Rasgo | Clúster | Desviación | Puntuación |
|---|---|---|---|
| Tradition | CONSERVATISM | 1.53× | |
| Convenience Orientation | PREMIUM | 1.44× | |
| Indulgence | JOY | 1.42× |
| Rasgo | Clúster | Desviación | Puntuación |
|---|---|---|---|
| Mindfulness | BALANCE | 0.66× | |
| Risk Appetite | THRILL | 0.81× | |
| Price Sensitivity | PREMIUM | 0.81× |
Perfiles relacionados, rankings y la misma audiencia en otros mercados.
El tamaño de la audiencia es el número estimado de personas en India que buscan activamente Trisha (actress). La afinidad es un ratio de sobre-indexación: 2,0× significa que la audiencia tiene el doble de probabilidad de interactuar con esa marca o rasgo respecto al promedio del país. El alcance es el número estimado de miembros de la audiencia en una región. Las tablas de regiones y afinidades de marca están ordenadas de la señal más fuerte a la más débil.
Este perfil de audiencia es generado por Rascasse a partir de señales anonimizadas de comportamiento de búsqueda en India. Para la metodología consulta metodología. Los valores de afinidad son ratios de sobre-indexación frente al promedio del país (1,0 = línea base). Los tamaños de audiencia son estimados, no medidos.
Desde marcas globales de gran consumo hasta segmentos locales de nicho — explora la biblioteca completa y las capas de inteligencia incluidas.