Este estudio propone un marco para un enfoque de personalización consciente del contexto basado en la ingeniería de sistemas, que se aplica al comercio electrónico a través de la comprensión y modelado del comportamiento del usuario a partir de sus interacciones con los canales de venta y los medios. El marco es práctico y se basa en principios de ingeniería de sistemas. Combina tres componentes conceptuales para producir señales que proporcionan contenido relevante para los usuarios según su comportamiento, mejorando así su experiencia. Estos componentes son el "reconocimiento y conocimiento" de los usuarios y su comportamiento (persona); la conciencia de los contextos actuales de los usuarios; y la comprensión de su situación y proyección de su estado futuro (predicción de intención). El generador de personas se implementa aprovechando un algoritmo de aprendizaje automático no supervisado para asignar usuarios a cohortes y aprender el comportamiento de la cohorte mientras se preserva su privacidad en un marco ético. El componente del contexto actual de los usuarios se cumple como un microservicio que adopta nuevas interpretaciones de datos del comercio electrónico. Se obtuvo el mejor resultado de 97.3% de precisión para el componente de predicción de intención al tokenizar características categóricas con un modelo BERT (representaciones de codificadores bidireccionales de transformadores) preentrenado y pasar estas, como entrada de incrustación contextual, a una red neuronal LSTM (memoria a corto y largo plazo). Se genera una acción prescriptiva dirigida a la cohorte emparejada a partir del comportamiento aprendido como una alternativa recomendada a los pasos de compra de los usuarios. La implementación práctica de este marco de personalización del comercio electrónico se demuestra en este estudio a través de la evaluación empírica de los resultados experimentales.