« Pourquoi mes chiffres ne concordent pas? »
Si tu t’es déjà retrouvé devant tes tableaux de bord GA4 et Shopify à te demander pourquoi ils racontent deux versions différentes de ton chiffre d’affaires… t’es loin d’être seul.
Quand on a commencé à accompagner des clients e-commerce sur Shopify dans la transition vers Google Analytics 4 (GA4), on s’attendait à quelques ajustements techniques. Ce qu’on n’avait pas prévu, c’est à quel point l’intégration entre les deux plateformes resterait aussi frustrante.
Que ce soit chez les startups ou les marques établies, on entend toujours la même question :
« Pourquoi GA4 affiche des noms de produits ou des totaux différents de Shopify? »
La réponse courte (et insatisfaisante) :
On ne sait toujours pas pourquoi Google et Shopify n’ont pas complètement réglé ça. Les connecteurs natifs sont arrivés tard, et même aujourd’hui, l’écosystème semble… désynchronisé.
Mais il y a quand même une bonne nouvelle : tu n’es pas condamné à naviguer dans des données brouillonnes. Certaines marques s’adaptent déjà — et en tirent profit.
Le vrai problème : un produit, plusieurs noms
Imagine que tu suis les ventes d’un produit offert en plusieurs tailles, ou que ta boutique est bilingue (anglais/français). GA4 pourrait t’afficher trois noms différents pour le même article. C’est comme essayer d’assembler un casse-tête avec des morceaux dépareillés.
Qu’est-ce qui se passe réellement?
1. Les variantes de produits
Shopify traite chaque variante (ex. : tailles, formats, bundles) comme un SKU distinct, mais les affiche parfois sous un seul nom sur la boutique. De son côté, GA4 n’agrège pas automatiquement tout ça. Résultat? Ton entonnoir de conversion est fragmenté.
2. Une boutique multilingue
Tu vends en français et en anglais? Le nom d’un produit vu dans une session en français peut s’enregistrer différemment de celui vu en anglais. GA4 enregistre le nom exact vu par l’utilisateur, sans traduction ni normalisation.
3. Un dataLayer mal structuré
Surtout avec des boutiques Shopify sur mesure, il arrive que le dataLayer soit incomplet ou incohérent. Et puisque GA4 se base là-dessus pour capter les événements, un petit détail manquant peut ruiner toute la structure de ton reporting.
Pourquoi c’est loin d’être un détail
C’est facile de classer ça dans la catégorie “problème d’analytique pour nerds”, mais en réalité, ça affecte directement tes résultats marketing.
Tu veux recibler les visiteurs qui ont vu un produit mais n’ont pas acheté?
Si GA4 l’enregistre sous trois noms différents, ton audience est incomplète. Tu perds du potentiel de conversion.
Tu veux savoir quels produits performent le mieux?
Bonne chance avec des données éparpillées que tu peux même pas comparer.
Bref : GA4 ne peut pas être ta source unique de vérité pour l’analyse produit.
Ce que font les marques Shopify les plus futées
Voici ce qu’on observe chez nos clients ecommerce qui performent le mieux :
- Elles utilisent GA4 de manière sélective
Elles s’en servent comme un hub d’analytique comportementale et d’acquisition.
C’est parfait pour comprendre d’où viennent les visites, comment les gens naviguent et pour nourrir des audiences de remarketing dans Google Ads.
Mais pour les rapports produits? Pas l’outil idéal.
- Elles créent des tableaux de bord personnalisés basés sur les SKU
Avec des outils comme Looker Studio ou Power BI, elles construisent des rapports autour d’identifiants stables comme le SKU ou l’ID produit.
Fini le chaos des noms d’items. Plusieurs vont même connecter ces tableaux de bord directement à leur CRM ou à leur plateforme de B.I.
- Elles surveillent activement les écarts
Au lieu de viser la perfection au quotidien, on aide nos clients à mettre en place des alertes d’écart (delta alerts).
Quand les données de GA4 et de Shopify diffèrent de plus de, disons, 10 %, une alerte se déclenche.
Plus besoin de se casser la tête pour chaque petit écart.
- Elles testent la nouvelle fonction GA4 Item Data Import
Une nouveauté qui commence à faire parler d’elle : l’importation de données produits dans GA4.
C’est encore tôt, mais ça semble très prometteur — peut-être enfin le lien manquant qu’on attendait tous.
Et une fois que c’est en place? Les vrais gains commencent
Une fois que tes données sont structurées et fiables, tu peux débloquer bien plus que des beaux tableaux.
Voici ce que font nos clients les plus avancés ensuite :
- Modélisation d’attribution
Avec des données propres sur les produits et les tunnels de conversion, tu peux nourrir des modèles comme Polaris et vraiment comprendre ce que chaque canal apporte.
- Marketing Mix Modelling (MMM)
Tu combines du marketing en ligne et hors ligne? Le MMM te permet d’optimiser tes budgets de façon intelligente et de comprendre ce qui génère vraiment du résultat.
- Analytique prédictive & segmentation RFM
En croisant le comportement utilisateur et les achats, tu peux prédire les prochains achats, identifier les clients à risque de churn, et cibler ceux avec une valeur à vie (LTV) élevée.
Le scoring RFM (Récence, Fréquence, Montant) est un vrai game changer pour la personnalisation.
Notre avis : laisse GA4 faire ce qu’il fait le mieux
GA4 est un outil puissant, mais comme toute plateforme, il a ses limites.
Il excelle à connecter la performance publicitaire, le comportement sur site, et la segmentation d’audience.
C’est la colonne vertébrale de tes conversions Google Ads et de tes analyses de tunnel.
Mais pour les rapports produits détaillés? Il n’a pas été conçu pour la complexité de Shopify.
C’est pourquoi on recommande une approche hybride :
- Utilise GA4 pour le comportement, les sources de trafic et l’optimisation des campagnes.
- Utilise un tableau de bord personnalisé basé sur les SKU Shopify comme source de vérité produit.
Et si tu veux, on peut t’aider à intégrer ces tableaux de bord dans Looker Studio, Power BI ou ton outil interne actuel.
Tes donnes ne seront jamais parfaites.
Mais avec une bonne structure, elles peuvent être cohérentes, claires et exploitables.
Et c’est ça, la différence entre une équipe marketing qui pilote à l’aveugle… et une qui prend des décisions éclairées.
Tu vis les mêmes frustrations avec GA4 et Shopify?
Ou tu veux juste un portrait plus clair de ta performance?
Parlons-en.