Un profilo dei dati delle persone che acquistano, seguono e apprezzano Big data in India — modellato da oltre dodici fonti di segnali digitali. Big data ha un pubblico stimato di 4,094,788 persone in India.
Il fan medio di Big data in India ha 27.8 anni, è verso il maschile, e vive principalmente in Maharashtra.
Il pubblico si concentra in Maharashtra, Tamil Nadu, Uttar Pradesh.
Le principali affinità di marca includono Harry Potter, XXXTentacion, Bollywood movies, con la massima sovra-indicizzazione su Harry Potter (2.29× la media del paese).
Demograficamente, il pubblico di Big data pende verso il maschile con un'età media di 27.8 anni e si sovra-indicizza su tratti di personalità come Need for Security, Early Adopter Mentality.
Rispetto al riferimento del paese, questo pubblico mostra schemi distintivi su 20 affinità di marca e 29 regioni monitorate da Rascasse.
Il fan tipico di Big data in India è verso il maschile, di circa 27.8 anni, con forti tendenze verso Need for Security e una notevole affinità per Harry Potter.
I numeri chiave che caratterizzano il profilo di Big data in India.
29.8% sono donne, 70.2% sono uomini, età media 27.8.
| Metrica | Valore |
|---|---|
| Donne | 29.8% |
| Uomini | 70.2% |
| Età media | 27.8 |
| Dimensione stimata del pubblico | 4,094,788 |
| Fascia d'età | Quota | % |
|---|---|---|
| 16-19 | 50% | |
| 20-29 | 27% | |
| 30-39 | 11% | |
| 40-49 | 6% | |
| 50+ | 5% |
del pubblico mondiale di Big data proviene da India.
| Paese | Quota |
|---|---|
| United States | 20.1% |
| India | 9.5% |
| Japan | 4.6% |
Dove il pubblico di Big data in India è più forte.
| # | Regione | Copertura | Affinità | × |
|---|---|---|---|---|
| 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× |
Gli interessi incrociati più forti del pubblico di Big data — marchi, temi e persone insieme.
| # | · | Interesse | Categoria | Affinità | × |
|---|---|---|---|---|---|
| 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× |
I valori sopra 1,00× sono sopra la media del paese, quelli sotto 1,00× al di sotto.
| Tratto | Cluster | Scostamento | Punteggio |
|---|---|---|---|
| Need for Security | CONSERVATISM | 1.50× | |
| Early Adopter Mentality | POWER | 1.35× | |
| Healthy Lifestyle | BALANCE | 1.34× |
| Tratto | Cluster | Scostamento | Punteggio |
|---|---|---|---|
| Extroversion | THRILL | 0.80× | |
| Price Sensitivity | PREMIUM | 0.87× | |
| Creativity | OPEN | 0.92× |
Big data ha un pubblico stimato di 4,094,788 persone in India, concentrato in Maharashtra e Tamil Nadu.
29.8% dei fan di Big data sono donne, 70.2% sono uomini, con un'età media di 27.8 anni.
I fan di Big data mostrano la massima affinità di marca per Harry Potter (2.29×), XXXTentacion (1.57×) e Bollywood movies (1.56×) rispetto alla media del paese.
I fan di Big data in India si concentrano principalmente in Maharashtra (copertura ~400K), Tamil Nadu (copertura ~300K) e Uttar Pradesh (copertura ~200K). Queste tre regioni rappresentano la quota maggiore del pubblico attivo.
Oltre a Big data stesso, il pubblico sovra-indicizza su XXXTentacion (1.57×), Bollywood movies (1.56×), Software (1.62×) e Information technology (2.28×) rispetto alla media di India.
Profili correlati, classifiche e lo stesso pubblico in altri mercati.
La dimensione del pubblico è il numero stimato di persone in India che cercano attivamente Big data. L'affinità è un rapporto di sovra-indicizzazione: 2,0× significa che il pubblico ha il doppio delle probabilità di interagire con quel marchio o tratto rispetto alla media del paese. La copertura è il numero stimato di membri del pubblico in una regione. Le tabelle delle regioni e delle affinità di marca sono ordinate dal segnale più forte al più debole.
Questo profilo del pubblico è generato da Rascasse a partire da segnali anonimi di comportamento di ricerca in India. Per la metodologia consulta metodologia. I valori di affinità sono rapporti di sovra-indicizzazione rispetto alla media del paese (1,0 = riferimento). Le dimensioni del pubblico sono stimate, non misurate.
Dai marchi globali di massa ai segmenti locali di nicchia — esplora l'intera libreria e i livelli di intelligence inclusi.