Een dataprofiel van de mensen die Machine learning in India kopen, volgen en waarderen — gemodelleerd uit meer dan twaalf digitale signaalbronnen. Machine learning heeft een geschatte doelgroep van 5,205,049 personen in India.
De gemiddelde Machine learning-fan in India is 29.5 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, hotstar, met de sterkste overindexering op Harry Potter (2.51× het landelijk gemiddelde).
Demografisch is de Machine learning-doelgroep overwegend mannelijk, met een gemiddelde leeftijd van 29.5 jaar, en scoort zij bovengemiddeld op persoonlijkheidskenmerken als Early Adopter Mentality, Healthy Lifestyle.
Vergeleken met de landelijke basislijn vertoont deze doelgroep onderscheidende patronen over 20 merkaffiniteiten en 29 regio's die Rascasse volgt.
De typische Machine learning-fan in India is overwegend mannelijk, ongeveer 29.5 jaar oud, met uitgesproken Early Adopter Mentality-tendensen en een duidelijke affiniteit met Harry Potter.
De kerncijfers die het Machine learning-profiel in India kenmerken.
31.3% is vrouw, 68.7% is man, gemiddelde leeftijd 29.5.
| Kengetal | Waarde |
|---|---|
| Vrouw | 31.3% |
| Man | 68.7% |
| Gemiddelde leeftijd | 29.5 |
| Geschatte doelgroepgrootte | 5,205,049 |
| Leeftijdsgroep | Aandeel | % |
|---|---|---|
| 16-19 | 43% | |
| 20-29 | 30% | |
| 30-39 | 13% | |
| 40-49 | 8% | |
| 50+ | 7% |
van de wereldwijde Machine learning-doelgroep bevindt zich in India.
| Land | Aandeel |
|---|---|
| United States | 17.4% |
| India | 11.1% |
| China | 4.5% |
Waar de Machine learning-doelgroep in India het sterkst is.
| # | Regio | Bereik | Affiniteit | × |
|---|---|---|---|---|
| 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× |
De sterkste cross-interesses van de Machine learning-doelgroep — merken, thema's en personen samen.
| # | · | Interesse | Categorie | Affiniteit | × |
|---|---|---|---|---|---|
| 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× |
Waarden boven 1,00× liggen boven het landelijk gemiddelde, waarden onder 1,00× eronder.
| Kenmerk | Cluster | Afwijking | Score |
|---|---|---|---|
| Early Adopter Mentality | POWER | 1.40× | |
| Healthy Lifestyle | BALANCE | 1.39× | |
| Urban Lifestyle | OPEN | 1.34× |
| Kenmerk | Cluster | Afwijking | Score |
|---|---|---|---|
| Extroversion | THRILL | 0.83× | |
| Price Sensitivity | PREMIUM | 0.91× | |
| Community Orientation | OPEN | 0.92× |
Machine learning heeft een geschatte doelgroep van 5,205,049 personen in India, geconcentreerd in Maharashtra en Tamil Nadu.
31.3% van de Machine learning-fans is vrouw, 68.7% is man, met een gemiddelde leeftijd van 29.5 jaar.
Machine learning-fans tonen de sterkste merkaffiniteit voor Harry Potter (2.51×), XXXTentacion (1.72×) en hotstar (2.22×) ten opzichte van het landelijk gemiddelde.
Machine learning-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 Machine learning zelf scoort de doelgroep bovengemiddeld op XXXTentacion (1.72×), hotstar (2.22×), Gemini (1.73×) en Artificial intelligence (2.03×) 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 Machine learning 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.