Cet article fait partie du guide complet GA4 + Shopify.

Un e-commerçant qui pilote sa boutique navigue en permanence entre trois interfaces : Shopify Analytics pour les ventes, GA4 pour le comportement, et les Ads Managers pour les campagnes. Chacune raconte une histoire légèrement différente — nous avons vu pourquoi dans l’article sur l’attribution. Un dashboard Looker Studio bien construit ne fait pas disparaître ces différences : il les met côte à côte, avec le bon chiffre au bon endroit, pour que les décisions hebdomadaires se prennent en cinq minutes au lieu d’une heure de navigation entre onglets.

Voici comment le construire, connecteur par connecteur, et les pièges qui produisent des dashboards faux avec un air parfaitement professionnel.

Les connecteurs : le choix qui détermine tout

GA4 → Looker Studio : natif et gratuit

Le connecteur GA4 officiel est gratuit et couvre l’essentiel : sessions, conversions, revenus par canal, funnel e-commerce. Sa limite principale : les quotas d’API. Un dashboard consulté fréquemment avec beaucoup de graphiques peut atteindre le quota GA4 et afficher des erreurs de chargement. Deux parades : limiter le nombre de graphiques par page, ou extraire les données vers BigQuery (export natif GA4, gratuit jusqu’à un volume confortable) et brancher Looker Studio sur BigQuery — la solution que nous privilégions pour les comptes à fort trafic, car elle supprime les quotas et fige des données historiques que GA4 finit par échantillonner.

Shopify → Looker Studio : pas de connecteur natif

C’est le point de friction principal : Shopify n’offre pas de connecteur Looker Studio officiel. Trois options en pratique :

  1. Connecteurs tiers (Supermetrics, Windsor.ai, Coefficient…) : rapides à mettre en place, abonnement mensuel, qualité variable selon les métriques (attention aux remboursements et aux commandes annulées, gérés différemment selon les outils).
  2. Export Shopify → Google Sheets → Looker Studio : gratuit, suffisant pour un reporting hebdomadaire simple, mais fragile (exports manuels ou apps de synchronisation) et limité en profondeur d’historique.
  3. API Shopify → BigQuery : la solution robuste — les données de commandes brutes arrivent dans BigQuery, se croisent en SQL avec l’export GA4, et alimentent le dashboard sans quota ni échantillonnage. C’est plus de travail initial, mais c’est la seule option qui permette de réconcilier finement commandes Shopify et sessions GA4.

Pour une boutique qui démarre, l’option 2 suffit. Dès que le paid media dépasse quelques milliers d’euros mensuels, l’option 3 se rentabilise vite parce qu’elle fiabilise les chiffres sur lesquels les budgets s’arbitrent.

Les plateformes publicitaires

Meta Ads et Google Ads disposent de connecteurs (natif pour Google Ads, tiers pour Meta). Le point de vigilance : rapatrier le spend de chaque plateforme dans le dashboard pour calculer des métriques blended (voir plus bas), plutôt que d’afficher le ROAS revendiqué par chaque plateforme comme s’il était comparable entre elles.

La structure en 4 pages qui fonctionne

Après des dizaines d’itérations sur des dashboards e-commerce, la structure qui tient dans le temps est presque toujours la même :

Page 1 — Vue direction. Les 6-8 KPIs de pilotage : CA (source Shopify), commandes, panier moyen, blended ROAS (CA total / spend total toutes plateformes), taux de conversion, trafic. Comparaison vs période précédente. C’est la page que le fondateur regarde le lundi matin — elle doit répondre à “ça va ou pas ?” en dix secondes. Nous avons détaillé le choix de ces indicateurs dans notre article sur les KPIs d’un dashboard Shopify.

Page 2 — Acquisition. Sessions, conversions et revenus par canal (source GA4, règles identiques pour tous les canaux), plus le spend et les métriques par plateforme. C’est ici que la logique vue dans l’article attribution s’applique : GA4 pour comparer les canaux entre eux, les chiffres plateformes pour optimiser à l’intérieur de chacune.

Page 3 — Comportement et funnel. Le tunnel view_item → add_to_cart → begin_checkout → purchase avec les taux de passage entre chaque étape — à condition que les événements remontent correctement (vérifiez-le d’abord). Un décrochage anormal entre deux étapes localise le problème : friction checkout, frais de livraison, bug mobile.

Page 4 — Produits. Top produits par revenu et par volume, croisement vues/achats pour repérer les produits très vus mais peu achetés (problème de prix, de fiche ou de stock).

Les pièges qui produisent des dashboards faux

Le mélange des sources sans le dire. Afficher côte à côte un CA Shopify et un taux de conversion GA4 sans préciser la source de chaque chiffre garantit des incompréhensions. Chaque scorecard doit indiquer sa source — une simple mention dans le libellé suffit.

Les fuseaux horaires désalignés. GA4, Shopify et Meta peuvent être configurés sur des fuseaux différents ; les données d’une même journée ne couvrent alors pas les mêmes 24 heures, et les comparaisons quotidiennes dérivent. Vérifiez l’alignement des trois avant toute autre chose.

Les remboursements ignorés. Shopify Analytics déduit les remboursements du CA ; la plupart des connecteurs tiers et GA4 ne le font pas (GA4 a un événement refund rarement implémenté). Sur une boutique avec 5-10% de retours, l’écart devient structurel. Décidez d’une convention (CA brut ou net) et appliquez-la partout.

La devise. Boutique multi-devises = commandes converties différemment selon l’outil et la date de taux de change. Là encore, BigQuery permet d’imposer une conversion unique et cohérente.

Trop de métriques. Le dashboard qui affiche 40 indicateurs n’est jamais regardé. Chaque page doit répondre à une question précise ; si une métrique ne déclenche aucune décision, elle n’a pas sa place.

Par où commencer concrètement

Si vous partez de zéro : commencez par la page 1 uniquement, avec le connecteur GA4 natif et un export Shopify hebdomadaire vers Sheets. Utilisez-la deux semaines. Vous saurez alors précisément ce qui vous manque — et vous construirez les pages suivantes en fonction de vos vraies questions plutôt que d’un template générique. Un dashboard utile se construit par itérations courtes, pas en une maquette exhaustive.

Pour voir à quoi ressemble le résultat final, notre démo publique de dashboard Shopify sur Looker Studio est accessible depuis la page services du site.

FAQ

Looker Studio est-il vraiment gratuit ? Oui, l’outil lui-même est gratuit sans limite de dashboards ni d’utilisateurs. Les coûts éventuels viennent des connecteurs tiers (Shopify, Meta) et de BigQuery au-delà du palier gratuit — comptez de 0€ à quelques dizaines d’euros mensuels selon l’architecture.

Faut-il un dashboard temps réel ? Presque jamais. Les décisions e-commerce (budget, produits, campagnes) se prennent à l’échelle du jour ou de la semaine. Une actualisation quotidienne suffit et évite les quotas d’API — le temps réel est un confort qui coûte cher pour un usage marginal.

Combien de temps pour construire un dashboard complet ? Avec le connecteur GA4 et un export Sheets : une journée pour une V1 propre. Avec l’architecture BigQuery complète (GA4 + Shopify + plateformes ads) : comptez une à deux semaines incluant la modélisation SQL et la validation des chiffres contre les sources.

Dernier article de la série : Pourquoi vos revenus GA4 ne correspondent pas à ceux de Shopify — la checklist de diagnostic complète.

Envie de ce dashboard déjà construit, connecté à vos vraies données, sans passer des semaines à le configurer vous-même ? Découvrez notre offre Dashboards Shopify ou réservez un appel gratuit de 30 minutes.