Las empresas buscan ofrecer tratamientos personalizados, cuidado inteligente y una experiencia fluida a sus clientes. Las interacciones entre una empresa y sus clientes dependen en gran medida de la capacidad de la empresa para aprender, comprender y predecir el comportamiento de los clientes. La predicción del comportamiento del cliente es un factor crucial para mejorar la calidad de los servicios de una empresa y, por lo tanto, su crecimiento. Diferentes técnicas de aprendizaje automático se han aplicado para recopilar datos de clientes y predecir patrones de comportamiento. Los métodos tradicionales no pueden descubrir patrones ocultos en situaciones ideales y deben mejorarse para producir predicciones más precisas. Este trabajo propone un modelo híbrido novedoso compuesto por dos módulos: un módulo de agrupamiento novedoso basado en una red neuronal profunda de creencias difusas optimizada y un módulo de predicción de comportamiento del cliente basado en una red neuronal recurrente profunda. Las características de compra anteriores de los clientes y los detalles del portafolio fueron analizados aplicando parámetros de aprendizaje. En este trabajo, las técnicas de aprendizaje profundo fueron optimizadas aplicando el método de optimización de mariposa, que minimiza el problema de clasificación de error máximo. El rendimiento del sistema fue evaluado mediante análisis experimental. El enfoque propuesto se comparó con otros enfoques basados en modelos individuales y híbridos y obtuvo el mejor rendimiento en las métricas respectivas.