Een dataprofiel van de mensen die Shopping in India kopen, volgen en waarderen — gemodelleerd uit meer dan twaalf digitale signaalbronnen. Shopping heeft een geschatte doelgroep van 44,878,526 personen in India.
De gemiddelde Shopping-fan in India is 32.1 jaar oud, overwegend mannelijk, en woont vooral in Uttar Pradesh.
De doelgroep is geconcentreerd in Uttar Pradesh, Maharashtra, West Bengal.
Tot de belangrijkste merkaffiniteiten behoren Bhojpuri language, Virtual private network, Bank of India, met de sterkste overindexering op Bhojpuri language (1.52× het landelijk gemiddelde).
Demografisch is de Shopping-doelgroep overwegend mannelijk, met een gemiddelde leeftijd van 32.1 jaar, en scoort zij bovengemiddeld op persoonlijkheidskenmerken als Price Sensitivity, Community Orientation.
Vergeleken met de landelijke basislijn vertoont deze doelgroep onderscheidende patronen over 20 merkaffiniteiten en 29 regio's die Rascasse volgt.
De typische Shopping-fan in India is overwegend mannelijk, ongeveer 32.1 jaar oud, met uitgesproken Price Sensitivity-tendensen en een duidelijke affiniteit met Bhojpuri language.
De kerncijfers die het Shopping-profiel in India kenmerken.
27.2% is vrouw, 72.8% is man, gemiddelde leeftijd 32.1.
| Kengetal | Waarde |
|---|---|
| Vrouw | 27.2% |
| Man | 72.8% |
| Gemiddelde leeftijd | 32.1 |
| Geschatte doelgroepgrootte | 44,878,526 |
| Leeftijdsgroep | Aandeel | % |
|---|---|---|
| 16-19 | 34% | |
| 20-29 | 29% | |
| 30-39 | 18% | |
| 40-49 | 11% | |
| 50+ | 8% |
van de wereldwijde Shopping-doelgroep bevindt zich in India.
| Land | Aandeel |
|---|---|
| United States | 21.8% |
| Japan | 7.1% |
| India | 5.9% |
Waar de Shopping-doelgroep in India het sterkst is.
| # | Regio | Bereik | Affiniteit | × |
|---|---|---|---|---|
| 01 | Bihar | ~1.5M | 1.68× | |
| 02 | West Bengal | ~2M | 1.28× | |
| 03 | Goa | ~60K | 1.27× | |
| 04 | Uttar Pradesh | ~2.5M | 1.22× | |
| 05 | Andhra Pradesh | ~700K | 1.20× | |
| 06 | Jharkhand | ~500K | 1.18× | |
| 07 | Madhya Pradesh | ~1M | 1.15× | |
| 08 | Maharashtra | ~2.5M | 1.08× | |
| 09 | Gujarat | ~1.5M | 1.08× | |
| 10 | Assam | ~500K | 1.08× | |
| 11 | Rajasthan | ~1M | 1.04× | |
| 12 | Telangana | ~700K | 1.03× | |
| 13 | Karnataka | ~1M | 1.02× | |
| 14 | Chhattisgarh | ~300K | 1.01× | |
| 15 | Haryana | ~600K | 1.00× | |
| 16 | Punjab (region) | ~600K | 0.98× | |
| 17 | Uttarakhand | ~200K | 0.97× | |
| 18 | Tamil Nadu | ~1M | 0.96× | |
| 19 | Odisha | ~400K | 0.93× | |
| 20 | Tripura | ~60K | 0.91× | |
| 21 | Himachal Pradesh | ~200K | 0.90× | |
| 22 | Nagaland | ~30K | 0.86× | |
| 23 | Meghalaya | ~40K | 0.85× | |
| 24 | Manipur | ~50K | 0.84× | |
| 25 | Arunachal Pradesh | ~20K | 0.83× | |
| 26 | Jammu and Kashmir | ~200K | 0.82× | |
| 27 | Sikkim | ~20K | 0.82× | |
| 28 | Kerala | ~500K | 0.77× | |
| 29 | Mizoram | ~20K | 0.76× |
De sterkste cross-interesses van de Shopping-doelgroep — merken, thema's en personen samen.
| # | · | Interesse | Categorie | Affiniteit | × |
|---|---|---|---|---|---|
| 01 | Family Matters | Movies & TV | 1.68× | ||
| 02 | Dan Henderson | Sports | 1.68× | ||
| 03 | Country Inns & Suites | Travel & Leisure | 1.65× | ||
| 04 | Monarch | Politics & Society | 1.64× | ||
| 05 | Pernod Ricard | Food & Beverages | 1.62× | ||
| 06 | Morphy Richards | Technology & Electronics | 1.61× | ||
| 07 | Priests | Music & Radio | 1.61× | ||
| 08 | Commercial bank | Business & Career | 1.59× | ||
| 09 | Virtual private network | Technology & Electronics | 1.58× | ||
| 10 | Bank of India | Business & Career | 1.57× | ||
| 11 | Stayfree | Beauty & Wellness | 1.56× | ||
| 12 | Saving Mr. Banks | Movies & TV | 1.55× | ||
| 13 | Hardcore Pawn | Movies & TV | 1.54× | ||
| 14 | Zimmermann | Home & Garden | 1.53× | ||
| 15 | Miramax | Movies & TV | 1.53× | ||
| 16 | Stamford International University (Thailand) | Business & Career | 1.53× | ||
| 17 | Bhojpuri language | Politics & Society | 1.52× | ||
| 18 | Kiev | Travel & Leisure | 1.52× | ||
| 19 | Industrial technology | Topic | 1.51× | ||
| 20 | Royal Stag | Food & Beverages | 1.50× |
Waarden boven 1,00× liggen boven het landelijk gemiddelde, waarden onder 1,00× eronder.
| Kenmerk | Cluster | Afwijking | Score |
|---|---|---|---|
| Price Sensitivity | PREMIUM | 0.98× | |
| Community Orientation | OPEN | 0.96× | |
| DIY Mentality | THRILL | 0.91× |
| Kenmerk | Cluster | Afwijking | Score |
|---|---|---|---|
| Urban Lifestyle | OPEN | 0.63× | |
| Spirituality | BALANCE | 0.65× | |
| Healthy Lifestyle | BALANCE | 0.67× |
Shopping heeft een geschatte doelgroep van 44,878,526 personen in India, geconcentreerd in Uttar Pradesh en Maharashtra.
27.2% van de Shopping-fans is vrouw, 72.8% is man, met een gemiddelde leeftijd van 32.1 jaar.
Shopping-fans tonen de sterkste merkaffiniteit voor Bhojpuri language (1.52×), Virtual private network (1.58×) en Bank of India (1.57×) ten opzichte van het landelijk gemiddelde.
Shopping-fans in India zijn het sterkst geconcentreerd in Uttar Pradesh (bereik ~2.5M), Maharashtra (bereik ~2.5M) en West Bengal (bereik ~2M). Deze drie regio's vormen samen het grootste deel van de actieve doelgroep.
Naast Shopping zelf scoort de doelgroep bovengemiddeld op Virtual private network (1.58×), Bank of India (1.57×), Commercial bank (1.59×) en Pernod Ricard (1.62×) 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 Shopping 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.