PHBench

7년간의 스타트업 출시 데이터를 기반으로 구축된, 어떤 Product Hunt 출시가 시리즈 A 펀딩을 받을지 예측하는 오픈 벤치마크입니다.

커뮤니티:

AI 데이터 분석 AI 투자 도구 연구 도구

웹사이트 방문

Atoms - AI로 코드 없이 웹사이트·앱 제작

StoreClaw

Sponsor

온라인 판매자를 위한 자율 커머스 엔진으로, 모든 주요 전자상거래 플랫폼에서 스토어를 24시간 모니터링하고, 실행하며, 성장시킵니다. 수동 개입이 필요하지 않습니다.

개요
대안
분석

Atoms - AI로 코드 없이 웹사이트·앱 제작

제품 개요

PHBench이란 무엇인가요?

PHBench는 Vela Partners와 옥스퍼드 대학교가 개발한 재현 가능한 연구 수준의 벤치마크로, Product Hunt 출시 신호에서 직접 시리즈 A 펀딩 잠재력을 식별합니다. 2019년부터 2025년까지 67,292개의 주요 출시로 훈련되고 Crunchbase 펀딩 기록과 교차 참조되어 초기 단계 스타트업 성공의 통계적으로 유의미한 예측 변수를 발견합니다. 최고 성능의 앙상블 모델은 무작위 기준선 대비 4.7배의 향상을 달성하며, 모든 새로운 Product Hunt 출시는 자동으로 실시간 예측 점수를 받습니다. 모든 코드, 기준 모델 및 익명화된 데이터셋 분할이 공개적으로 제공되어 연구자와 투자자 모두를 위한 완전히 개방된 플랫폼입니다.

주요 기능

대규모 출시 데이터셋
2019-2025년 사이 67,292개의 주요 Product Hunt 게시물을 기반으로 구축되었으며, 결정론적 도메인 매칭을 통해 Crunchbase 기록과 연결되어 528개의 검증된 시리즈 A 투자 유치를 실측 레이블로 식별했습니다.
61개의 엔지니어링된 예측 특성
각 출시는 참여도 신호(투표, 댓글, 리뷰), 순위 신호(일간, 주간, 월간), 메이커 속성, 시간 패턴, 주제 플래그 및 상호작용 항목을 포함하는 61개의 구조화된 특성으로 표현됩니다.
검증된 예측력
최고 성능의 앙상블 모델(ENS_avg, ENS_ISO, XGB)은 홀드아웃 테스트 세트에서 무작위 기준선 대비 4.7배의 향상을 달성하여 0.78%의 기본 비율을 실행 가능한 투자 신호로 전환합니다.
실시간 라이브 스코어링
모든 새로운 Product Hunt 출시는 최고 성능 모델로부터 자동으로 예측 점수를 받아 투자자와 창업자에게 수동 분석 없이 즉각적인 신호를 제공합니다.
공개 리더보드 및 오픈 제출
공개 리더보드는 5개 지표 평가 체계에 따라 제출된 머신러닝 및 LLM 모델의 순위를 매기며, 공정하고 표준화된 비교를 위해 홀드아웃 블라인드 테스트 세트를 사용합니다.
연구 수준의 재현성
옥스퍼드 대학교와 공동 개발한 동료 검토 방법론을 따라 모든 코드 및 기준 모델과 함께 공개 훈련, 검증 및 블라인드 테스트 분할을 제공합니다.

사용 사례

벤처 캐피탈 스크리닝 : 벤처 캐피탈 및 엔젤 투자자는 수천 개의 Product Hunt 출시를 최상위 순위의 유망 기업으로 필터링하여 시리즈 A 확률이 가장 높은 스타트업에 대한 실사를 우선적으로 수행할 수 있습니다.
스타트업 자체 벤치마킹 : 창업자는 자신의 Product Hunt 출시 성과를 역사적인 시리즈 A 성공 사례와 비교하여 자신의 위치를 파악하고 강화해야 할 신호를 이해할 수 있습니다.
머신러닝 모델 개발 및 경쟁 : 데이터 과학자와 연구자는 표준화된 데이터셋과 평가 체계를 사용하여 실제 예측 성능을 측정하면서 공개 리더보드에서 경쟁하기 위해 자체 모델을 제출할 수 있습니다.
학술 연구 : 스타트업 성공, 초기 단계 펀딩 역학 또는 벤처 신호 추출을 연구하는 연구자들은 동료 검토 방법론을 갖춘 깨끗하고 인용 가능하며 문서화된 데이터셋에 액세스할 수 있습니다.
시장 구조 분석 : 분석가는 데이터셋의 시간적 성능 감소 패턴을 사용하여 2020-2021년 호황에서 이후 수축까지 펀딩 시장이 시간에 따라 어떻게 변화하는지 연구할 수 있습니다.