Un profilo dei dati delle persone che acquistano, seguono e apprezzano Machine learning in India — modellato da oltre dodici fonti di segnali digitali. Machine learning ha un pubblico stimato di 5,205,049 persone in India.
Il fan medio di Machine learning in India ha 29.5 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, hotstar, con la massima sovra-indicizzazione su Harry Potter (2.51× la media del paese).
Demograficamente, il pubblico di Machine learning pende verso il maschile con un'età media di 29.5 anni e si sovra-indicizza su tratti di personalità come Early Adopter Mentality, Healthy Lifestyle.
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 Machine learning in India è verso il maschile, di circa 29.5 anni, con forti tendenze verso Early Adopter Mentality e una notevole affinità per Harry Potter.
I numeri chiave che caratterizzano il profilo di Machine learning in India.
31.3% sono donne, 68.7% sono uomini, età media 29.5.
| Metrica | Valore |
|---|---|
| Donne | 31.3% |
| Uomini | 68.7% |
| Età media | 29.5 |
| Dimensione stimata del pubblico | 5,205,049 |
| Fascia d'età | Quota | % |
|---|---|---|
| 16-19 | 43% | |
| 20-29 | 30% | |
| 30-39 | 13% | |
| 40-49 | 8% | |
| 50+ | 7% |
del pubblico mondiale di Machine learning proviene da India.
| Paese | Quota |
|---|---|
| United States | 17.4% |
| India | 11.1% |
| China | 4.5% |
Dove il pubblico di Machine learning in India è più forte.
| # | Regione | Copertura | Affinità | × |
|---|---|---|---|---|
| 01 | Andhra Pradesh | ~200K | 2.98× | |
| 02 | Tamil Nadu | ~300K | 2.64× | |
| 03 | Telangana | ~200K | 2.24× | |
| 04 | Karnataka | ~200K | 1.76× | |
| 05 | Maharashtra | ~400K | 1.42× | |
| 06 | Madhya Pradesh | ~100K | 1.32× | |
| 07 | Uttarakhand | ~30K | 1.26× | |
| 08 | Punjab (region) | ~80K | 1.16× | |
| 09 | Kerala | ~90K | 1.10× | |
| 10 | Haryana | ~70K | 0.98× | |
| 11 | Gujarat | ~100K | 0.94× | |
| 12 | Odisha | ~50K | 0.94× | |
| 13 | Uttar Pradesh | ~200K | 0.93× | |
| 14 | Himachal Pradesh | ~20K | 0.91× | |
| 15 | Chhattisgarh | ~30K | 0.87× | |
| 16 | Sikkim | ~2K | 0.87× | |
| 17 | West Bengal | ~100K | 0.85× | |
| 18 | Mizoram | ~3K | 0.77× | |
| 19 | Arunachal Pradesh | ~2K | 0.77× | |
| 20 | Goa | ~4K | 0.75× | |
| 21 | Nagaland | ~3K | 0.75× | |
| 22 | Jharkhand | ~30K | 0.74× | |
| 23 | Manipur | ~5K | 0.72× | |
| 24 | Rajasthan | ~80K | 0.69× | |
| 25 | Meghalaya | ~4K | 0.68× | |
| 26 | Tripura | ~5K | 0.65× | |
| 27 | Jammu and Kashmir | ~20K | 0.63× | |
| 28 | Assam | ~30K | 0.51× | |
| 29 | Bihar | ~50K | 0.50× |
Gli interessi incrociati più forti del pubblico di Machine learning — marchi, temi e persone insieme.
| # | · | Interesse | Categoria | Affinità | × |
|---|---|---|---|---|---|
| 01 | Big data | Business & Career | 3.20× | ||
| 02 | Data analysis | Technology & Electronics | 2.93× | ||
| 03 | Programming language | Technology & Electronics | 2.75× | ||
| 04 | Computer programming | Technology & Electronics | 2.52× | ||
| 05 | Harry Potter | Movies & TV | 2.51× | ||
| 06 | K (anime) | Literature | 2.45× | ||
| 07 | BTS | Music & Radio | 2.39× | ||
| 08 | ONEUS | Music & Radio | 2.28× | ||
| 09 | hotstar | Movies & TV | 2.22× | ||
| 10 | Artificial intelligence | Technology & Electronics | 2.03× | ||
| 11 | Information technology | Business & Career | 1.93× | ||
| 12 | Web development | Business & Career | 1.91× | ||
| 13 | Sunrisers Hyderabad | Sports | 1.74× | ||
| 14 | Gemini | Technology & Electronics | 1.73× | ||
| 15 | XXXTentacion | Music & Radio | 1.72× | ||
| 16 | Zomato | Food & Beverages | 1.69× | ||
| 17 | Tamil language | Politics & Society | 1.58× | ||
| 18 | Indo-Aryan languages | Politics & Society | 1.58× | ||
| 19 | Game of Thrones | Movies & TV | 1.51× | ||
| 20 | Colors (TV channel) | Movies & TV | 1.51× |
I valori sopra 1,00× sono sopra la media del paese, quelli sotto 1,00× al di sotto.
| Tratto | Cluster | Scostamento | Punteggio |
|---|---|---|---|
| Early Adopter Mentality | POWER | 1.40× | |
| Healthy Lifestyle | BALANCE | 1.39× | |
| Urban Lifestyle | OPEN | 1.34× |
| Tratto | Cluster | Scostamento | Punteggio |
|---|---|---|---|
| Extroversion | THRILL | 0.83× | |
| Price Sensitivity | PREMIUM | 0.91× | |
| Community Orientation | OPEN | 0.92× |
Machine learning ha un pubblico stimato di 5,205,049 persone in India, concentrato in Maharashtra e Tamil Nadu.
31.3% dei fan di Machine learning sono donne, 68.7% sono uomini, con un'età media di 29.5 anni.
I fan di Machine learning mostrano la massima affinità di marca per Harry Potter (2.51×), XXXTentacion (1.72×) e hotstar (2.22×) rispetto alla media del paese.
I fan di Machine learning 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 Machine learning stesso, il pubblico sovra-indicizza su XXXTentacion (1.72×), hotstar (2.22×), Gemini (1.73×) e Artificial intelligence (2.03×) 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 Machine learning. 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.