Este estudio presenta un modelo de conjunto que integra bosques aleatorios, aumento de gradiente y regresión logística para predecir el éxito de las campañas de crowdfunding. Nuestra investigación desarrolla un conjunto novedoso de métricas que evalúan la etapa de desarrollo de los proyectos de investigación, facilitando la transición de la idea a un producto listo para el mercado. Utilizando datos de múltiples fuentes, incluyendo el conjunto de datos de Kaggle de proyectos de Kickstarter e Indiegogo y un conjunto de datos propietario adaptado a nuestro estudio, se evaluó el rendimiento del modelo en comparación con las implementaciones tradicionales de bosques aleatorios y aumento de gradiente. Los resultados demuestran el rendimiento superior del modelo de conjunto, logrando una precisión del 98.94% y un puntaje F1 del 98.81%, superando significativamente a los modelos individuales, que mostraron las mejores precisiones de alrededor del 91% para bosques aleatorios y puntajes más bajos para el aumento de gradiente. Esta mejora en el poder predictivo permite una asignación optimizada de recursos y una planificación estratégica en el desarrollo de proyectos, aumentando así la probabilidad de éxito en el crowdfunding. Este enfoque agiliza el proceso de llevar ideas innovadoras a productos finales, al mismo tiempo que ofrece una herramienta metodológicamente avanzada para que las partes interesadas mejoren efectivamente sus estrategias de campaña.