Een dataprofiel van de mensen die Big data in India kopen, volgen en waarderen — gemodelleerd uit meer dan twaalf digitale signaalbronnen. Big data heeft een geschatte doelgroep van 4,094,788 personen in India.
De gemiddelde Big data-fan in India is 27.8 jaar oud, overwegend mannelijk, en woont vooral in Maharashtra.
De doelgroep is geconcentreerd in Maharashtra, Tamil Nadu, Uttar Pradesh.
Tot de belangrijkste merkaffiniteiten behoren Harry Potter, XXXTentacion, Bollywood movies, met de sterkste overindexering op Harry Potter (2.29× het landelijk gemiddelde).
Demografisch is de Big data-doelgroep overwegend mannelijk, met een gemiddelde leeftijd van 27.8 jaar, en scoort zij bovengemiddeld op persoonlijkheidskenmerken als Need for Security, Early Adopter Mentality.
Vergeleken met de landelijke basislijn vertoont deze doelgroep onderscheidende patronen over 20 merkaffiniteiten en 29 regio's die Rascasse volgt.
De typische Big data-fan in India is overwegend mannelijk, ongeveer 27.8 jaar oud, met uitgesproken Need for Security-tendensen en een duidelijke affiniteit met Harry Potter.
De kerncijfers die het Big data-profiel in India kenmerken.
29.8% is vrouw, 70.2% is man, gemiddelde leeftijd 27.8.
| Kengetal | Waarde |
|---|---|
| Vrouw | 29.8% |
| Man | 70.2% |
| Gemiddelde leeftijd | 27.8 |
| Geschatte doelgroepgrootte | 4,094,788 |
| Leeftijdsgroep | Aandeel | % |
|---|---|---|
| 16-19 | 50% | |
| 20-29 | 27% | |
| 30-39 | 11% | |
| 40-49 | 6% | |
| 50+ | 5% |
van de wereldwijde Big data-doelgroep bevindt zich in India.
| Land | Aandeel |
|---|---|
| United States | 20.1% |
| India | 9.5% |
| Japan | 4.6% |
Waar de Big data-doelgroep in India het sterkst is.
| # | Regio | Bereik | Affiniteit | × |
|---|---|---|---|---|
| 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× |
De sterkste cross-interesses van de Big data-doelgroep — merken, thema's en personen samen.
| # | · | Interesse | Categorie | Affiniteit | × |
|---|---|---|---|---|---|
| 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× |
Waarden boven 1,00× liggen boven het landelijk gemiddelde, waarden onder 1,00× eronder.
| Kenmerk | Cluster | Afwijking | Score |
|---|---|---|---|
| Need for Security | CONSERVATISM | 1.50× | |
| Early Adopter Mentality | POWER | 1.35× | |
| Healthy Lifestyle | BALANCE | 1.34× |
| Kenmerk | Cluster | Afwijking | Score |
|---|---|---|---|
| Extroversion | THRILL | 0.80× | |
| Price Sensitivity | PREMIUM | 0.87× | |
| Creativity | OPEN | 0.92× |
Big data heeft een geschatte doelgroep van 4,094,788 personen in India, geconcentreerd in Maharashtra en Tamil Nadu.
29.8% van de Big data-fans is vrouw, 70.2% is man, met een gemiddelde leeftijd van 27.8 jaar.
Big data-fans tonen de sterkste merkaffiniteit voor Harry Potter (2.29×), XXXTentacion (1.57×) en Bollywood movies (1.56×) ten opzichte van het landelijk gemiddelde.
Big data-fans in India zijn het sterkst geconcentreerd in Maharashtra (bereik ~400K), Tamil Nadu (bereik ~300K) en Uttar Pradesh (bereik ~200K). Deze drie regio's vormen samen het grootste deel van de actieve doelgroep.
Naast Big data zelf scoort de doelgroep bovengemiddeld op XXXTentacion (1.57×), Bollywood movies (1.56×), Software (1.62×) en Information technology (2.28×) vergeleken met het gemiddelde in India.
Verwante profielen, ranglijsten en dezelfde doelgroep in andere markten.
De doelgroepgrootte is het geschatte aantal mensen in India dat actief naar Big data zoekt. Affiniteit is een overindexratio: 2,0× betekent dat de doelgroep twee keer zo waarschijnlijk met dat merk of kenmerk in aanraking komt als het landelijk gemiddelde. Bereik is het geschatte aantal doelgroepleden in een regio. De tabellen met regio's en merkaffiniteiten zijn gesorteerd van sterkste naar zwakste signaal.
Dit doelgroepprofiel is door Rascasse samengesteld uit geanonimiseerde zoekgedragsignalen in India. Zie voor de aanpak de methodologie. Affiniteitswaarden zijn overindexratio's ten opzichte van het landelijk gemiddelde (1,0 = basislijn). Doelgroepgroottes zijn schattingen, geen metingen.
Van wereldwijde massamerken tot lokale nichesegmenten — verken de volledige bibliotheek en zie welke intelligencelagen inbegrepen zijn.