El objetivo de este trabajo de investigación es descubrir reglas de asociación relevantes entre las categorías de productos en una base de datos de una entidad retail de electrodomésticos, a través del uso del algoritmo de inducción FP-Growth de la minería de datos. Cada regla de asociación determina un comportamiento de compra de los clientes, y permite conocer cuál es la probabilidad de que un determinado cliente compre un producto categorizado como Y dado que anteriormente compró un producto categorizado como X. El trabajo se aplicó en tres de las tiendas más representativas de la región norte del país de la entidad retail: Trujillo, Chiclayo y Piura. Se construyó un modelo en el software de minería de datos RapidMiner Studio conectado a una base de datos en Microsoft SQL Server que contiene la información histórica de diez años de la entidad retail. El modelo fue ejecutado una vez para cada tienda. Como resultado se encontraron reglas de asociación relevantes en Chiclayo y Piura que relacionan computadoras de escritorio e impresoras, reproductores y televisores. Los resultados también demostraron patrones de comportamiento distintos de clientes en cada tienda.