El documento se centra en predecir el próximo día de compra (NPD) para los clientes en el comercio electrónico, una tarea con aplicaciones en marketing, gestión de inventario y retención de clientes. Se introduce un modelo novedoso basado en transformadores para la predicción de NPD y se compara con métodos tradicionales como ARIMA, XGBoost y LSTM. Los transformadores ofrecen ventajas en la captura de dependencias a largo plazo dentro de los datos de series temporales a través de mecanismos de autoatención. Esta adaptabilidad a varios patrones de series temporales, incluyendo tendencias, estacionalidad e irregularidades, los convierte en una opción prometedora para la predicción de NPD. El modelo de transformador demuestra mejoras en la precisión de la predicción en comparación con los baselines. Además, se propone un modelo de transformador agrupado, que mejora aún más la precisión, enfatizando el potencial de esta arquitectura para la predicción de NPD.