Fait partie de notre série Data Analytics & BI
Lire le guide completShopify Analytics : prendre des décisions basées sur les données
La plupart des marchands Shopify vérifient quotidiennement leur tableau de bord des ventes totales. Moins de 20 % utilisent les données analytiques dont ils disposent pour prendre des décisions structurées concernant la gamme de produits, l'allocation marketing, la fidélisation de la clientèle ou la tarification. Le manque de données n'est pas un problème technologique : Shopify fournit des analyses approfondies sur tous les forfaits payants. C'est un problème d'alphabétisation.
Ce guide établit la base d'analyse dont chaque commerçant Shopify a besoin : comprendre les mesures importantes, utiliser efficacement les analyses natives de Shopify, intégrer GA4 pour des informations comportementales, créer des analyses de cohorte qui révèlent les modèles de LTV et de rétention et créer des tableaux de bord qui guident la prise de décision hebdomadaire.
Points clés à retenir
- Les analyses natives de Shopify couvrent les ventes, les produits, les clients et les stocks, ce qui est suffisant pour la plupart des décisions.
- Shopify Advanced et Plus débloquent une analyse de cohorte de clients et des rapports détaillés – une mise à niveau qui vaut la peine pour les commerçants en phase de revenus
- GA4 est essentiel pour l'analyse comportementale : sources de trafic, parcours utilisateur, entonnoir de conversion et comportement sur site
- Les trois mesures les plus importantes sont : le taux de conversion, la valeur moyenne des commandes et le coût d'acquisition client.
- L'analyse de cohorte révèle si votre clientèle augmente en qualité, pas seulement en quantité.
- L'analyse des stocks évite à la fois les ruptures de stock et les surstocks - souvent le cas d'utilisation de l'analyse avec le retour sur investissement le plus élevé
- La modélisation d'attribution détermine quels canaux marketing génèrent réellement des revenus (pas seulement le dernier clic)
- L'habitude d'examen hebdomadaire des analyses surpasse l'examen mensuel pour détecter rapidement les problèmes et les opportunités.
La pile d'analyse Shopify
** Analyses natives Shopify (tous les forfaits) **
Disponible sur Shopify Admin → Analytics :
| Rapport | Ce que cela montre | Décision qu'il soutient |
|---|---|---|
| Tableau de bord de présentation | Revenus, commandes, sessions, taux de conversion | Bilan de santé quotidien |
| Ventes par produit | Quels produits génèrent des revenus | Inventaire, orientation marketing |
| Ventes par source de trafic | Revenus par canal (organique, payant, email, direct) | Allocation du budget marketing |
| Séances au fil du temps | Tendances du trafic | Efficacité du contenu et du référencement |
| Séances par lieu | Répartition géographique | Expansion du marché, ciblage local |
| Séances par appareil | Répartition mobile/ordinateur de bureau | Priorisation des investissements UX |
| Principales pages de destination | Points d'entrée à plus fort trafic | Opportunités de contenu et de référencement |
| Tarif client fidèle | % de commandes d'acheteurs réguliers | Santé de rétention |
| Valeur moyenne des commandes | Revenu par commande | Stratégie de tarification et de regroupement |
Avancée Shopify Analytics (Avancé + Plus)
| Rapport | Ce que cela montre | Décision qu'il soutient |
|---|---|---|
| Analyse de cohorte de clients | LTV et rétention par cohorte d'acquisition | Budgétisation CAC basée sur la LTV |
| Taux de vente des produits | Vitesse des stocks | Décisions d'achat et de démarque |
| Niveau de dépenses prévu | Prédiction des dépenses des clients | Ciblage de fidélisation et de rétention |
| Ventes au détail par personnel | Performance du personnel du point de vente | Optimisation du personnel |
| Bénéfice par produit | Contribution à la marge par SKU | Décisions de tarification et de portefeuille |
Google Analytics 4 (tous les forfaits – configuration requise)
GA4 fournit des analyses comportementales que les analyses natives de Shopify ne proposent pas :
- Cartographie du parcours utilisateur (comment les visiteurs naviguent dans votre boutique)
- Entonnoir de conversion avec baisse par étapes
- Segmentation de l'audience par comportement et données démographiques
- Modélisation d'attribution multicanal
- Comportement en temps réel lors de campagnes ou de lancements
Les mesures qui comptent vraiment
Avec plus de 50 métriques disponibles sur Shopify et GA4, concentrez-vous sur la poignée d’indicateurs qui déterminent les décisions.
Les trois principaux
1. Taux de conversion
Définition : Commandes/Séances (ou Commandes/Visiteurs uniques)
Taux de conversion par défaut de Shopify : (Paiements terminés / Sessions) × 100
Référence du secteur : 1,5 à 2 % pour la plupart des catégories. Mode : 1 à 2 %. Beauté : 2 à 4 %. Electronique : 0,5 à 1,5 %.
Ce qui le fait bouger : qualité de la page produit, friction à la caisse, signaux de confiance, méthodes de paiement, prix par rapport à la concurrence, qualité du trafic.
2. Valeur moyenne des commandes (AOV)
Définition : Revenu total / Nombre de commandes
Surveillez l’AOV en :
- Source de trafic (trafic payant AOV vs organique vs email)
- Segment de clientèle (première fois vs répétition)
- Catégorie de produit -Type d'appareil
Ce qui le motive : efficacité des ventes incitatives et croisées, regroupement, seuil de livraison gratuite, structure des niveaux de tarification.
3. Coût d'acquisition client (CAC)
Définition : Dépenses marketing totales / Nombre de nouveaux clients acquis
Par canal :
- CAC social payant = dépenses Facebook/Instagram / Nouveaux clients de Facebook/Instagram
- CAC de recherche payante = dépenses Google Ads / Nouveaux clients Google Ads
- CAC Influenceur = Frais influenceur / Nouveaux clients attribués à l'influenceur
Comparez le CAC au LTV. Un ratio sain est un LTV:CAC de 3:1 ou mieux. Si votre LTV est de 150 $ et que vous dépensez 60 $ pour acquérir un client (CAC), votre ratio est de 2,5 : 1 : marginal, non viable à grande échelle.
Mesures de rétention
| Métrique | Définition | Gamme saine |
|---|---|---|
| Tarif client répété | % de commandes de clients réguliers | 25–40 % (marque mature) |
| Taux de rachat sur 90 jours | % de primo-accédants qui achètent à nouveau dans les 90 jours | 20 à 30 % |
| Taux de fidélisation des clients (annuel) | % de clients de l'année dernière qui ont acheté à nouveau | 35 à 55 % |
| LTV (12 mois) | Revenu moyen d'un client au cours des 12 premiers mois | 3 à 5x AOV |
Configuration de GA4 pour Shopify
Installation
L'installation GA4 la plus fiable pour Shopify utilise l'application de canal de vente officielle « Google et YouTube » de Google, qui installe l'extrait de suivi GA4 et configure automatiquement les événements de commerce électronique améliorés.
Vous pouvez également installer via Google Tag Manager :
- Créez un conteneur GTM pour votre boutique Shopify
- Ajoutez l'extrait GTM à votre thème Shopify (Paramètres → Code personnalisé → section Tête)
- Créez une balise de configuration GA4 dans GTM pointant vers votre ID de mesure
- Créez des balises d'événement de commerce électronique pour :
view_item,add_to_cart,begin_checkout,purchase - Ces événements alimentent les rapports de commerce électronique dans GA4
Configuration GA4 essentielle
Après l'installation :
-
Activez les mesures améliorées : GA4 suit automatiquement la profondeur de défilement, les clics sortants, l'engagement vidéo, les téléchargements de fichiers et les interactions avec les formulaires, sans code supplémentaire.
-
Créer des conversions : marquez
purchasecomme événement de conversion. Pensez également à marqueradd_to_cartetbegin_checkoutcomme événements de micro-conversion pour l'analyse en entonnoir. -
Lier Google Ads : connectez votre compte Google Ads à GA4 pour une attribution de bout en bout. Les conversions de Google Ads sont renseignées dans votre rapport de conversions GA4.
-
Configurer les audiences : créez des audiences pour le remarketing : abandonneurs de panier (commencé_checkout mais sans achat), navigateurs à forte intention (plus de 5 produits consultés, sans achat), clients fidèles (acheteurs précédents).
-
Configurer des dimensions personnalisées : suivez les points de données personnalisés qui ne figurent pas dans le schéma par défaut de GA4 – par exemple, la catégorie de produits consultée, l'abonnement par rapport à l'achat unique, le niveau de fidélité.
Analyse de l'entonnoir de conversion
L'entonnoir de commerce électronique dans GA4 montre exactement où les visiteurs abandonnent le parcours d'achat :
Accédez à GA4 → Rapports → Monétisation → Parcours d'achat
| Scène | Événement | Taux d'achèvement typique |
|---|---|---|
| Session → Vues de produits | view_item | 40 à 60 % des séances |
| Vues du produit → Ajouter au panier | add_to_cart | 8 à 15 % des spectateurs des produits |
| Ajouter au panier → Début du paiement | begin_checkout | 50 à 65 % des ajouts de panier |
| Début du paiement → Acheter | purchase | 25 à 45 % des initiations de paiement |
Utiliser les données de l'entonnoir pour prendre des décisions
Faible vue du produit → taux d'ajout au panier : optimisation de la page produit nécessaire (copie, images, signaux de confiance, prix)
Faible taux d'ajout au panier → début de paiement : optimisation de la page du panier nécessaire (affichage de l'expédition, confiance, aperçu du paiement)
Début de paiement faible → taux d'achat : frictions de paiement (modes de paiement, champs de formulaire, frais d'expédition, problèmes techniques)
Comparez ces tarifs par type d'appareil : les tarifs mobiles sont généralement 40 à 60 % inférieurs à ceux des ordinateurs de bureau au moment du paiement, révélant des points de friction spécifiques aux mobiles.
Analyse de cohorte de clients
L'analyse de cohorte est l'outil d'analyse le plus puissant disponible pour les commerçants en ligne, et le plus sous-utilisé. Il révèle si votre entreprise devient plus ou moins saine au fil du temps, et pas seulement si les revenus augmentent.
Ce que montre l'analyse de cohorte
Regroupez les clients par mois d’acquisition (le mois où ils ont effectué leur premier achat). Suivez le pourcentage de chaque cohorte qui effectue un deuxième achat, un troisième achat, et ainsi de suite au cours des mois suivants.
| Cohorte d'acquisition | Mois 1 | Mois 2 | Mois 3 | Mois 6 | Mois 12 |
|---|---|---|---|---|---|
| janvier 2025 | 100% | 28% | 19% | 15% | 12% |
| avril 2025 | 100% | 31% | 21% | 17% | — |
| juillet 2025 | 100% | 33% | 24% | — | — |
| octobre 2025 | 100% | 35% | — | — | — |
Si les taux de rétention s'améliorent (les cohortes les plus récentes retiennent à des taux plus élevés que les cohortes plus anciennes), les améliorations de vos produits, de votre marketing et de votre expérience client fonctionnent. Si la rétention diminue, vous acquérez des clients de moindre qualité ou votre adéquation produit-marché s'affaiblit.
Accès à l'analyse de cohorte dans Shopify
Shopify Advanced et Plus incluent un rapport d'analyse de cohorte de clients : Analytics → Rapports → Analyse de cohorte de clients.
Pour les commerçants non-Plus, créez une analyse de cohorte dans :
- Klaviyo : segmentez les clients par date de premier achat, suivez l'activité du segment au fil du temps
- Google Analytics 4 : Rapport de cohorte d'acquisition d'utilisateurs (Explorer → Exploration de cohorte)
- Exportations de données Shopify + analyse Google Sheets
Analyse de produits : trouver des opportunités de revenus
Taux de vente du produit
Taux de vente = Unités vendues / (Unités vendues + Inventaire restant) × 100
- Au-dessus de 80 % : risque de rupture de stock – réapprovisionnement
- 60 à 80 % : vitesse saine
- 40–60 % : Adéquat mais attention au ralentissement
- En dessous de 40 % : à évolution lente – envisagez une promotion ou une démarque
Concentration des revenus (analyse Pareto)
Dans la plupart des boutiques Shopify, 20 % des produits génèrent 80 % des revenus. Identifiez vos 20 % de produits les plus performants et vos 20 % les moins performants :
- Meilleurs produits : garantir la profondeur de l'inventaire, un placement bien en vue et un support marketing actif - Produits inférieurs : évaluez l'arrêt, le regroupement avec les meilleurs produits ou la liquidation.
Analyse de la marge du produit
Les revenus sont une vanité ; la marge est la raison. Construire une analyse de marge :
| Produit | Revenus | COGS | Bénéfice brut | Marge brute % |
|---|---|---|---|---|
| Produit A | 50 000 $ | 20 000 $ | 30 000 $ | 60% |
| Produit B | 40 000 $ | 28 000 $ | 12 000 $ | 30% |
| Produit C | 10 000 $ | 3 000 $ | 7 000 $ | 70% |
Le produit B génère 40 000 $ de revenus avec une marge de seulement 30 %. Si votre investissement marketing est réparti uniformément entre les produits, le produit B consomme un budget marketing qui pourrait être mieux déployé sur le produit A ou C.
Attribution marketing : réalité multicanal
L'attribution au dernier clic (valeur par défaut dans la plupart des outils d'analyse) attribue 100 % d'une vente à la dernière source de trafic avant l'achat. Cela sous-estime systématiquement les canaux de notoriété de la marque (réseaux sociaux, display, contenu) et survalorise le trafic direct et la recherche de marque.
Modèles d'attribution multi-touch
| Modèle | Descriptif | Idéal pour |
|---|---|---|
| Dernier clic | 100 % de crédit sur la dernière chaîne | Simple, mais biaisé vers le bas de l'entonnoir |
| Premier clic | 100 % de crédit sur la première chaîne | Comprendre les canaux d'acquisition |
| Linéaire | Crédit égal à toutes les chaînes | Comprendre le voyage complet |
| Basé sur les données (GA4) | Allocation de crédits basée sur le ML | Le plus précis pour un volume de données suffisant |
| Décroissance du temps | Plus de crédit aux points de contact récents | Parcours d'achat typique |
Dans GA4 : Rapports → Publicité → Attribution → Paramètres d'attribution. Passez du « Dernier clic » à « Basé sur les données » (nécessite plus de 400 conversions/mois) ou « Linéaire » pour une vue plus équilibrée.
Comparaison du retour sur investissement des canaux
Créez un rapport mensuel sur le retour sur investissement du canal :
| Chaîne | Dépenser | Revenus attribués | Commandes | CAC | ROAS |
|---|---|---|---|---|---|
| Google Achats | 5 000 $ | 22 000 $ | 180 | 27,78 $ | 4,4x |
| Facebook/Instagram | 4 000 $ | 14 000 $ | 110 | 36,36 $ | 3,5x |
| Courriel (Klaviyo) | 400 $ | 18 000 $ | 140 | 2,86 $ | 45x |
| Recherche organique | 0 $ | 12 000 $ | 95 | 0 $ | ∞ |
Le courrier électronique et le organique ont les meilleures économies. Augmentez la croissance des listes de diffusion et les investissements dans le contenu SEO avant d’augmenter les dépenses payantes.
Créer une habitude d'analyse hebdomadaire
Un processus hebdomadaire structuré d’examen des analyses :
Lundi — Examen des revenus (15 minutes)
- Comparaison des revenus d'une semaine à l'autre
- Nombre de commandes semaine après semaine
- Changement d'AOV
- Top 5 des produits par chiffre d'affaires
Mercredi — Revue d'acquisition (15 minutes)
- Trafic par canal par rapport à la semaine précédente
- Ratio nouveaux clients/clients fidèles
- CAC par canal (pour les campagnes actives)
- Toute nouvelle campagne ou test de chaîne à examiner
Vendredi — Examen de la rétention et des opérations (20 minutes)
- Tendances du volume des tickets de support client
- Taux de retour et principales raisons de retour
- Alertes d'inventaire (stock faible sur les meilleurs vendeurs)
- Performance des campagnes email (ouvertures, clics, revenus)
Mensuel — Examen stratégique (60 minutes)
- Analyse de cohorte : la rétention s'améliore-t-elle ?
- Tendances LTV : la qualité moyenne des clients s'améliore-t-elle ?
- Analyse du retour sur investissement des canaux : réaffecter le budget aux canaux les plus performants
- Analyse de la marge produit : des SKU à interrompre ou à promouvoir ?
Création de tableaux de bord personnalisés
Pour les équipes qui ont besoin de plus que les tableaux de bord natifs de Shopify, connectez les données Shopify à :
Google Looker Studio (gratuit)
Connectez Shopify via le connecteur Supermetrics ou Shopify pour Looker Studio. Créez des tableaux de bord personnalisés combinant les données de ventes Shopify avec les données comportementales GA4 et les données de dépenses Google Ads dans une seule vue.
** Klaviyo Analytics **
Le tableau de bord analytique de Klaviyo affiche les revenus attribués aux e-mails, la croissance des listes, les performances des campagnes et les performances des flux. Faites des références croisées avec les revenus de Shopify pour comprendre la véritable contribution du courrier électronique.
Daasity et Triple Baleine
Pour plus de 2 millions de dollars de revenus, les marchands Shopify, des plateformes d'analyse de commerce électronique spécialement conçues comme Daasity et Triple Whale regroupent les données de Shopify, de toutes les plateformes publicitaires, de la messagerie électronique et même des COGS/Amazon dans des tableaux de bord unifiés de P&L et d'attribution. Le « Pixel » de Triple Whale fournit des données d'attribution de première partie qui compensent en partie les limitations de suivi d'iOS 14.5+.
Questions fréquemment posées
Les analyses natives de Shopify sont-elles suffisantes ou ai-je besoin de GA4 ?
Pour les commerçants dont le chiffre d'affaires annuel est inférieur à 1 million de dollars, les analyses natives de Shopify sont généralement suffisantes pour prendre des décisions opérationnelles. GA4 ajoute des données comportementales (comment les utilisateurs naviguent, où ils déposent leur commande, quel contenu génère des conversions) que Shopify ne capture pas. Pour tout commerçant diffusant de la publicité payante, l'intégration GA4 + Google Ads est essentielle pour l'attribution. Ajoutez GA4 lorsque vous commencez à utiliser activement les canaux d'acquisition payants.
Comment suivre l'impact des campagnes par e-mail sur les revenus Shopify ?
Klaviyo (et la plupart des plateformes de messagerie) utilisent des paramètres UTM sur les liens de messagerie et leur propre fenêtre d'attribution pour attribuer des revenus aux campagnes par e-mail. La fenêtre d'attribution par défaut de Klaviyo est de 5 jours pour les ouvertures d'e-mails et de 1 jour pour les clics sur les e-mails. Cela signifie que les revenus d'un client qui a cliqué sur un e-mail et effectué un achat dans les 5 jours sont attribués à cet e-mail. Vérifiez cela dans Klaviyo Analytics → Performances de la campagne. Croisement avec les données de session GA4 filtrées par utm_medium=email pour valider.
Qu'est-ce qu'un taux de clients fidèles pour une boutique Shopify ?
L’indice de référence varie selon la catégorie. Les produits consommables (café, suppléments, soins de la peau) devraient viser un taux de clients fidèles de 40 à 55 %. Mode et habillement : 25 à 35 %. Articles pour la maison et meubles : 15 à 25 %. Electronique : 10 à 20 %. Si votre taux de clients fidèles est nettement inférieur à ces critères, vous rencontrez un problème de fidélisation. S'il est nettement supérieur, vous pourriez avoir un nouveau problème d'acquisition de clients.
Comment mesurer la véritable rentabilité de ma boutique Shopify, et pas seulement les revenus ?
Créez un rapport sur la marge de contribution : revenus - COGS - coûts d'exécution variables (expédition, emballage, frais de transaction) - dépenses publicitaires spécifiques au canal = marge de contribution. Cela diffère de la marge brute car elle inclut les coûts de canalisation. Un produit avec une marge brute de 60 % vendu via les publicités Facebook avec un ROAS 3x n'a qu'une marge de contribution de 27 % (60 % à 33 % de coût publicitaire). Suivez cela par canal et par produit pour comprendre où les bénéfices sont réellement générés.
Dois-je utiliser Triple Whale, Northbeam ou Rockerbox pour l'attribution Shopify ?
Ces plates-formes d'attribution multi-touch conviennent aux commerçants dépensant plus de 50 000 $/mois en publicités payantes sur plusieurs canaux où les limitations de suivi d'iOS 14.5+ rendent le ROAS rapporté par la plate-forme peu fiable. Triple Whale (100 $ à 300 $/mois) est le choix le plus populaire pour les commerçants Shopify en raison de son intégration native Shopify et de son pixel propriétaire. Northbeam est préféré pour les commerçants ayant des exigences d'attribution multicanal plus complexes. En dessous de 50 000 $ de dépenses publicitaires/mois, l’attribution basée sur les données GA4 offre une précision suffisante.
Prochaines étapes
La prise de décision basée sur les données est une discipline et non un achat de logiciel. Les commerçants qui surpassent leurs catégories n'utilisent pas nécessairement des outils plus sophistiqués : ils examinent les données disponibles de manière plus cohérente et agissent en conséquence de manière plus délibérée.
Les services de référencement et d'analyse Shopify d'ECOSIRE incluent la mise en œuvre de GA4, une configuration améliorée du suivi du commerce électronique, le développement de tableaux de bord Looker Studio personnalisés, des cadres d'analyse de cohorte et des processus d'examen hebdomadaire des analyses. Nous travaillons avec les commerçants Shopify pour créer l'infrastructure d'analyse et les habitudes d'interprétation qui conduisent à une croissance cohérente et basée sur les données.
Demander un audit analytique pour votre boutique Shopify : nous évaluerons votre capture de données actuelle, identifierons les lacunes et construirons un cadre de mesure qui permet de meilleures décisions commerciales.
Rédigé par
ECOSIRE Research and Development Team
Création de produits numériques de niveau entreprise chez ECOSIRE. Partage d'analyses sur les intégrations Odoo, l'automatisation e-commerce et les solutions d'entreprise propulsées par l'IA.
Articles connexes
Building Financial Dashboards with Power BI
Step-by-step guide to building financial dashboards in Power BI covering data connections to accounting systems, DAX measures for KPIs, P&L visualisations, and best practices.
Case Study: eCommerce Migration to Shopify with Odoo Backend
How a fashion retailer migrated from WooCommerce to Shopify and connected it to Odoo ERP, cutting order fulfillment time by 71% and growing revenue 43%.
Case Study: Power BI Analytics for Multi-Location Retail
How a 14-location retail chain unified their reporting in Power BI connected to Odoo, replacing 40 spreadsheets with one dashboard and cutting reporting time by 78%.
Plus de Data Analytics & BI
Building Financial Dashboards with Power BI
Step-by-step guide to building financial dashboards in Power BI covering data connections to accounting systems, DAX measures for KPIs, P&L visualisations, and best practices.
Case Study: Power BI Analytics for Multi-Location Retail
How a 14-location retail chain unified their reporting in Power BI connected to Odoo, replacing 40 spreadsheets with one dashboard and cutting reporting time by 78%.
GoHighLevel + Power BI: Advanced Reporting and Analytics
Connect GoHighLevel to Power BI for advanced marketing analytics. Build executive dashboards, track multi-channel ROI, and create automated reports that go beyond GHL's native reporting.
GoHighLevel Reporting and Analytics: Measuring What Matters
Master GoHighLevel reporting and analytics. Learn to build custom dashboards, track ROI across channels, measure funnel conversion, and make data-driven marketing decisions.
Odoo Events Module: Planning, Registration, and Analytics
Complete guide to Odoo 19 Events: create events, manage registrations, sell tickets, track attendance, and analyze event ROI with native ERP integration.
Odoo + Power BI: Complete Analytics Integration Guide
Connect Odoo 19 to Power BI for enterprise analytics. Covers DirectQuery, Import mode, data modeling, DAX measures, live dashboards, and deployment architecture.