Pourquoi Shopify, GA4 et Google Ads n’affichent pas les mêmes ventes

Que compte chaque outil ?

GA4 (Google Analytics 4) est l’outil de mesure d’audience de Google : il enregistre ce que font les visiteurs sur votre site, dont les achats. Google Ads et Meta Ads sont des régies publicitaires : elles comptent les ventes qu’elles relient à leurs annonces. Chacun répond à une question différente.

Deux différences pèsent plus que les autres. La date d’abord : Google Ads range une vente au jour du clic, GA4 et Shopify au jour de l’achat. Les fenêtres d’attribution ensuite : par défaut, Meta retient une vente jusqu’à sept jours après un clic ou un jour après un affichage, et Google Ads jusqu’à trente jours après un clic. Une même commande peut donc être revendiquée par les deux régies.

D’où viennent les écarts les plus fréquents ?

Certains écarts sont normaux et stables. D’autres révèlent une mesure cassée. Voici ceux que l’on rencontre le plus souvent sur une boutique en ligne.

• Le consentement et les bloqueurs. Un visiteur qui refuse les cookies de mesure, ou dont le navigateur bloque les scripts, n’apparaît pas ou n’apparaît qu’en partie dans GA4. Shopify, lui, enregistre sa commande.
• Les achats comptés deux fois. Une page de confirmation rechargée, ou une balise d’achat installée à la fois par le thème et par une application, envoie deux fois la même vente. GA4 peut alors dépasser Shopify, ce qui ne devrait jamais arriver.
• Les commandes hors du site suivi. Commandes créées à la main, abonnements renouvelés, ventes en boutique physique : elles existent dans Shopify sans visite associée.
• Les montants. Un outil compte les taxes et les frais de port, l’autre non ; les remises et les remboursements ne sont pas traités de la même façon.
• La double attribution. Google Ads et Meta revendiquent chacun la vente d’un client passé par les deux. La somme des régies dépasse alors souvent les ventes réelles.

Achats en double dans GA4 : comment les repérer et les corriger ?

Quand GA4 compte plus d’achats que Shopify n’a de commandes, c’est presque toujours un doublon. Le diagnostic prend une dizaine de minutes et ne demande qu’un accès en lecture à GA4 et à Shopify.

1. Comparer les deux nombres. Sur une semaine récente, le nombre d’achats dans GA4 et le nombre de commandes payées passées sur la boutique en ligne dans Shopify.
2. Lister les numéros de transaction. Dans une exploration GA4, croisez la dimension « ID de transaction » et la métrique « Achats ». Un même numéro avec deux achats ou plus est un doublon. Une ligne « (not set) » signale des achats envoyés sans numéro, que GA4 ne peut pas dédoublonner.
3. Comparer le format des numéros. Ils doivent ressembler aux numéros de commande de Shopify. Deux formats différents pour une même vente, par exemple un numéro de panier et un numéro de commande, montrent que deux outils envoient l’achat.
4. Recenser ce qui envoie des achats. L’application Google & YouTube de Shopify, un conteneur Google Tag Manager dans le thème ou dans les pixels personnalisés, un ancien code resté dans la page de confirmation, une application de suivi. Il ne doit en rester qu’un.
5. Vérifier les événements clés. Dans GA4, seul l’événement d’achat doit compter comme une vente. Une page vue ou une page de remerciement déclarée comme événement clé gonfle les conversions.

La correction tient en une règle : une seule source d’envoi, qui transmet le numéro de commande Shopify comme numéro de transaction. GA4 dédoublonne alors de lui-même les achats qui portent le même numéro, par exemple quand un client recharge la page de confirmation. Attention aussi au numéro vide : GA4 regroupe alors tous ces achats en un seul et sous-compte vos ventes.

Chez une boutique que nous suivons, GA4 recevait des achats sans numéro de transaction, et la page vue était déclarée comme événement clé. Nous avons gardé une seule source d’envoi et retiré la page vue des événements clés ; depuis, nous vérifions chaque jour qu’à chaque commande correspond un achat, et un seul.

Quel chiffre utiliser pour quelle décision ?

Il n’existe pas de chiffre juste en général, seulement un chiffre adapté à une question. Nous recommandons de l’écrire une fois pour toutes, et de s’y tenir.

• Chiffre d’affaires et marge : Shopify, ou votre ERP (le logiciel de gestion de l’entreprise) s’il porte les coûts.
• Comparer les canaux entre eux : GA4, avec un seul modèle d’attribution pour tous les canaux.
• Régler les enchères dans une régie : les conversions de la régie elle-même, puisque ses algorithmes apprennent de ce chiffre, à condition d’avoir vérifié qu’il ne contient pas de doublons.
• Juger la rentabilité globale de la publicité : le rapport entre vos ventes Shopify et l’ensemble de vos dépenses publicitaires, sur la même période.

Comment rapprocher les sources, étape par étape ?

1. Écrire les définitions. Qu’est-ce qu’une vente : commande payée, hors annulations ? Montant hors taxes, avec ou sans port ? Ces règles tiennent sur une page et évitent la plupart des débats.
2. Réunir les données. Un entrepôt de données est une base où chaque source est copiée automatiquement, chaque jour, dans un format commun. Il permet de comparer Shopify, GA4 et les régies sans exports manuels.
3. Relier les achats aux commandes. Si la balise d’achat transmet le numéro de commande, chaque achat vu par GA4 peut être retrouvé dans Shopify. Les commandes absentes de GA4 et les numéros reçus deux fois deviennent visibles.
4. Mesurer l’écart chaque jour. Par source et par canal, en valeur et en nombre de commandes.
5. Fixer un seuil d’alerte. L’écart habituel devient la référence ; au-delà, quelqu’un est prévenu et cherche la cause.

Que surveiller chaque jour ?

Une fois les sources réunies, quelques contrôles simples suffisent à repérer la plupart des pannes de mesure avant qu’elles ne faussent vos décisions.

• L’écart entre les achats GA4 et les commandes Shopify, comparé à son niveau habituel.
• Les numéros de commande reçus plusieurs fois par GA4.
• Les conversions déclarées par chaque régie, rapportées aux commandes du jour.
• Les produits refusés dans Merchant Center, l’outil de Google qui diffuse votre catalogue dans les annonces Shopping.

Un écart qui double d’un jour à l’autre a presque toujours une cause technique : une mise à jour du thème, une nouvelle application, une balise modifiée. Plus il est repéré tôt, moins il pèse sur les campagnes.

Comment nous travaillons chez Koeliv

Chaque client a son propre entrepôt de données : une base dédiée, où ses sources sont réunies et contrôlées chaque jour, avec des définitions écrites ensemble. Quand un écart sort de son niveau habituel, vous êtes prévenu, avec ce que nous avons vérifié.

Le client interroge ses données par le chat, depuis Claude ou ChatGPT, branchés par MCP (un standard ouvert qui relie un assistant IA à vos outils), ou par API. Les sources raccordées et les droits d’accès sont définis avec lui.