En este manuscrito, presentamos un modelo de predicción basado en el comportamiento de cada cliente utilizando técnicas de minería de datos. El modelo propuesto utiliza una base de datos de supermercado y una base de datos adicional de Amazon, ambas con información sobre las compras de los clientes. Posteriormente, nuestro modelo analiza estos datos para clasificar a los clientes, así como a los productos, siendo entrenado y validado con datos reales. Este modelo está dirigido a clasificar a los clientes según su comportamiento de consumo y, por lo tanto, propone nuevos productos con mayor probabilidad de ser comprados por ellos. El modelo de predicción correspondiente está destinado a ser utilizado como una herramienta para los especialistas en marketing con el fin de proporcionar un comportamiento del consumidor analíticamente dirigido y especificado. Nuestro marco algorítmico y la implementación posterior utilizan la infraestructura en la nube y utilizan el Entorno de Programación MapReduce, un modelo para procesar grandes conjuntos de datos de manera paralela con un algoritmo distribuido en clústeres de computadoras, así como Apache Spark, que es un marco más nuevo construido sobre los mismos principios que Hadoop. A través de la aplicación de un modelo MapReduce en cada paso del método propuesto, la velocidad de procesamiento de texto y la escalabilidad se mejoran en referencia a otros métodos tradicionales. Nuestros resultados muestran que el método propuesto predice con alta precisión las compras de un supermercado.