logo
PHBench logo

PHBenchУзнайте, какие стартапы получат инвестиции ещё до первого чека

Первый публичный бенчмарк прогнозирования раундов Series A по сигналам Product Hunt. Анализ 67 292 запусков, модель с 4.7x lift.

PHBench screenshot

Подробнее о PHBench

PHBench

PHBench — открытый бенчмарк для прогнозирования результатов раунда Series A на основе сигналов запуска на Product Hunt. Построенный на 67 292 запусках за семь лет, он обучает и ранжирует модели машинного обучения, чтобы определить продукты с наибольшей вероятностью привлечения венчурного капитала в течение 18 месяцев.

Ключевые особенности

  • Открытый бенчмарк: Прозрачная воспроизводимая платформа с документированными функциями и вручную проверенными метками для научной достоверности
  • Массивный датасет: Обучение на 67 292 запусках Product Hunt (2019–2025), включая 528 подтверждённых победителей Series A
  • Доказанная предсказательная сила: Лучшая модель достигает увеличения в 4,7 раза по сравнению со случайным базисом, превращая 0,78% базовой ставки в действенные сигналы
  • Оценка в реальном времени: Каждый новый запуск Product Hunt получает прогнозный балл от лучших ансамблевых моделей
  • Академический уровень методологии: Разработан Vela Partners и Оксфордским университетом с цитируемой, рецензируемой методологией

Сценарии использования

  • Скрининг венчурного капитала: Раннее выявление перспективных стартапов путём фильтрации тысяч запусков до наиболее рейтинговых перспектив
  • Бенчмаркинг стартапов: Сравнение своих показателей Product Hunt с историческими победителями Series A с помощью количественных сигналов
  • Академические исследования: Доступ к очищенному, документированному датасету для изучения факторов успеха стартапов и предикторов финансирования
  • Разработка моделей: Отправка и тестирование собственных ML-моделей на отложенной тестовой выборке со стандартизированными метриками

Целевая аудитория

PHBench предназначен для венчурных капиталистов, бизнес-ангелов, основателей стартапов и исследователей машинного обучения, которым необходимы основанные на данных методы прогнозирования успеха стартапов на ранней стадии по публичным сигналам запуска.

Топ-10 продуктов недели