Dalam persaingan e-commerce Indonesia yang sangat kompetitif, PT XYZ merupakan salah satu perusahaan yang bergerak pada e-commerce yang memiliki permasalahan tingginya biaya promosi yang naik sebesar 134% pada bulan agustus tapi tidak memberikan dampak yang besar terhadap jumlah pengguna yang melakukan transaksi. Menjawab permasalahan tersebut identifikasi calon pembeli potensial sangat penting untuk menerapkan strategi pemasaran yang efektif dan mengoptimalkan biaya. Penelitian ini mengatasi tantangan ini dengan mengeksplorasi potensi pembelajaran mesin dalam memprediksi perilaku pengguna dalam melakukan transaksi. Metode klasifikasi yang dipilih adalah ensemble learning, dengan secara spesifik penelitian ini mengusulkan pendekatan yang memanfaatkan algoritma Random Forest, XGBoost, dan LGBM, untuk mengklasifikasikan pengguna berdasarkan kemungkinan mereka melakukan transaksi di dalam platform e-commerce. Temuan dalam penelitian ini menunjukkan bahwa penggabungan beberapa algoritma dapat meningkatkan nilai performa klasifikasi. Kombinasi model XGBoost dan LGBM memiliki nilai presisi tertinggi dibanding kombinasi lainnya, yaitu 89,8%. Kepentingan fitur juga dinilai pada penelitian ini, yang menunjukkan bahwa fitur yang paling berpengaruh dalam prediksi pembeli potensial adalah semakin lama durasi seorang pengguna dalam menghabiskan waktu di dalam platform e-commerce semakin tinggi kemungkinan untuk melakukan pembelian atau transaksi.