Dado que las compras en línea se han convertido en una forma importante para que los consumidores realicen compras, los consumidores se han registrado en plataformas de comercio electrónico para comprar en línea. Sin embargo, los minoristas están comenzando a darse cuenta del papel crítico de predecir la intención de compra de los consumidores anónimos para mejorar las tasas de conversión de compras y la rentabilidad de la tienda. Por lo tanto, este estudio tiene como objetivo investigar la predicción de la intención de compra de los consumidores anónimos. Esta investigación presenta un modelo de aprendizaje automático (MBT-POP) para predecir el comportamiento de compra de los clientes basado en la tendencia multi-comportamental (MBT) y la popularidad del producto (POP) utilizando 33,339,730 clics generados a partir de 445,336 sesiones de clientes reales de comercio electrónico. Los resultados muestran que el modelo MBT-POP puede predecir eficazmente el comportamiento de compra de los clientes anónimos (F1 = 0.9031), y logra el mejor resultado de predicción con una ventana deslizante de 2 días. En comparación con estudios existentes, el modelo MBT-POP no solo mejora el rendimiento del modelo, sino que también reduce el número de días requeridos para una predicción precisa. La presente investigación ha argumentado que la tendencia y popularidad del producto pueden mejorar significativamente el rendimiento predictivo del modelo de comportamiento de compra del cliente y pueden desempeñar un papel importante en la predicción del comportamiento de compra de los clientes anónimos.