PHBench

¿Qué es PHBench?

PHBench es un benchmark reproducible de nivel de investigación desarrollado por Vela Partners y la Universidad de Oxford que identifica el potencial de financiación Serie A directamente desde las señales de lanzamiento de Product Hunt. Entrenado en 67,292 lanzamientos destacados de 2019 a 2025 y referenciado cruzadamente con registros de financiación de Crunchbase, revela predictores estadísticamente significativos del éxito de startups en etapa temprana. Su modelo de conjunto de mejor rendimiento logra una mejora de 4.7× sobre la línea base aleatoria, y cada nuevo lanzamiento de Product Hunt recibe automáticamente una puntuación de predicción en tiempo real. Todo el código, modelos base y divisiones de conjunto de datos anonimizadas están disponibles públicamente, convirtiéndolo en una plataforma completamente abierta tanto para investigadores como para inversores.

Características Principales

• Conjunto de datos de lanzamientos a gran escala

  Construido sobre 67,292 publicaciones destacadas de Product Hunt de 2019 a 2025, vinculadas a registros de Crunchbase mediante coincidencia determinística de dominios, con 528 rondas Serie A verificadas identificadas como etiquetas de verdad fundamental.

• 61 características predictivas diseñadas

  Cada lanzamiento está representado por 61 características estructuradas que cubren señales de participación (votos, comentarios, reseñas), señales de clasificación (diaria, semanal, mensual), atributos de creadores, patrones temporales, indicadores de temas y términos de interacción.

• Poder predictivo probado

  El mejor modelo de conjunto (ENS_avg, ENS_ISO, XGB) logra una mejora de 4.7× sobre la línea base aleatoria en el conjunto de prueba retenido, convirtiendo una tasa base del 0.78% en señales de inversión accionables.

• Puntuación en vivo en tiempo real

  Cada nuevo lanzamiento de Product Hunt recibe automáticamente una puntuación de predicción de los modelos de mejor rendimiento, proporcionando a inversores y fundadores una señal inmediata sin análisis manual.

• Tabla de clasificación pública y envío abierto

  Una tabla de clasificación pública clasifica los modelos de ML y LLM enviados según un sistema de evaluación de cinco métricas, con un conjunto de prueba ciego retenido para una comparación justa y estandarizada.

• Reproducibilidad de nivel de investigación

  Proporciona divisiones públicas de entrenamiento, validación y prueba ciega junto con todo el código y modelos base, siguiendo una metodología revisada por pares codesarrollada con la Universidad de Oxford.

Casos de Uso

• Filtrado de capital de riesgo : Los VCs e inversores ángeles pueden filtrar miles de lanzamientos de Product Hunt hasta los prospectos mejor clasificados, priorizando la debida diligencia en startups con la mayor probabilidad predicha de Serie A.
• Auto-evaluación de startups : Los fundadores pueden comparar el rendimiento de su propio lanzamiento de Product Hunt con los ganadores históricos de Serie A para entender dónde se encuentran y qué señales fortalecer.
• Desarrollo de modelos ML y competencia : Los científicos de datos e investigadores pueden enviar sus propios modelos para competir en la tabla de clasificación pública, utilizando el conjunto de datos estandarizado y el sistema de evaluación para medir el rendimiento predictivo genuino.
• Investigación académica : Los investigadores que estudian el éxito de startups, la dinámica de financiación en etapa temprana o la extracción de señales de riesgo tienen acceso a un conjunto de datos limpio, citable y documentado con metodología revisada por pares.
• Análisis de estructura de mercado : Los analistas pueden usar los patrones de degradación temporal del rendimiento en el conjunto de datos para estudiar cómo los mercados de financiación cambian con el tiempo, desde el auge de 2020-2021 hasta la contracción posterior.

Preguntas Frecuentes