Perkembangan platform e-commerce berbasis media sosial, seperti TikTok Shop, telah mendorong peningkatan interaksi pengguna dalam proses pencarian hingga pembelian produk. Kompleksitas perilaku pengguna dalam sistem tersebut menimbulkan tantangan dalam memahami pola perpindahan antar tahapan interaksi. Oleh karena itu, diperlukan pendekatan matematis yang mampu memodelkan dinamika perilaku pengguna secara sistematis dan terukur. Penelitian ini bertujuan untuk menganalisis perilaku pengguna TikTok Shop menggunakan pendekatan Discrete Time Markov Chain (DTMC).Data interaksi pengguna direpresentasikan ke dalam beberapa state, yaitu view, click, dan add to cart sebagai transient states, serta purchase dan exit sebagai absorbing states. Berdasarkan data tersebut, dibentuk matriks probabilitas transisi untuk menggambarkan peluang perpindahan antar state. Selanjutnya, dilakukan perhitungan matriks fundamental untuk mengetahui estimasi jumlah langkah yang ditempuh pengguna sebelum mencapai kondisi akhir, serta matriks probabilitas absorpsi untuk menentukan peluang pengguna berakhir pada masing-masing absorbing state.Hasil analisis menunjukkan bahwa pengguna cenderung mengalami siklus interaksi pada tahap awal sebelum mencapai keputusan akhir. Probabilitas absorpsi menunjukkan bahwa peluang pengguna untuk melakukan pembelian (purchase) dan keluar dari sistem (exit) berada pada kondisi yang relatif seimbang, dengan nilai mendekati 50%. Selain itu, estimasi rata-rata langkah interaksi pengguna berada pada kisaran 3,4 hingga 3,5 langkah sebelum mencapai kondisi akhir. Untuk memvalidasi model, dilakukan simulasi Monte Carlo sebanyak 1.000 iterasi. Hasil simulasi menunjukkan kesesuaian yang tinggi dengan hasil analitis DTMC. Evaluasi menggunakan metode Mean Absolute Percentage Error (MAPE) menghasilkan rata-rata kesalahan sekitar 1,5%, yang termasuk dalam kategori sangat akurat (highly accurate). Dengan demikian, model DTMC yang dibangun mampu merepresentasikan perilaku pengguna secara efektif serta dapat digunakan sebagai dasar dalam analisis dan prediksi interaksi pengguna pada sistem e-commerce berbasis media sosial.