Shopify Analytics vs Google Analytics 4: differenze, affidabilità e come leggere i dati eCommerce

Angelo Antonio Annibaldis

Pubblicato il 6 Settembre 2025

Shopify e GA4 quali sono le differenze di base

Situazione a Settembre 2025

Chi gestisce un e-commerce con Shopify e utilizza Google Analytics 4 (GA4) per monitorare il traffico e le performance si imbatte quasi subito in una discrepanza.

I numeri non combaciano.

Può succedere che in una stessa giornata GA4 riporti cinquanta ordini mentre Shopify ne registra sessantacinque.

Oppure che i ricavi differiscano sensibilmente o che i tassi di conversione sembrino raccontare due storie diverse.

È naturale domandarsi quale sia il sistema più affidabile e se sia possibile basarsi solo su uno dei due per prendere decisioni di business o di marketing.

La risposta brutale è che nessuna delle due piattaforme, presa singolarmente, restituisce il quadro completo.

Shopify e GA4 sono costruiti su architetture tecniche differenti, perseguono finalità diverse e rispettano vincoli che non sono sovrapponibili. Non si tratta quindi di un errore di misurazione, ma della conseguenza inevitabile di due sistemi che osservano la stessa realtà da prospettive complementari.

Shopify è integrato nel backend e nasce per la precisione transazionale.

Ogni ordine completato viene registrato senza possibilità di omissione e i dati diventano il riferimento contabile e gestionale.

GA4 invece nasce come piattaforma di marketing analytics.

Misura il comportamento degli utenti, attribuisce il merito delle conversioni ai diversi canali e costruisce funnel che spiegano come e “perché” si è arrivati all’acquisto. Shopify racconta il “cosa è successo”, GA4 si concentra sul “come è successo”.

Le differenze emergono già nelle definizioni di base.
Ad esempio se lo stesso utente naviga oltre la mezzanotte UTC, Shopify conta due sessioni separate, mentre GA4 continua a considerarla un’unica sessione.

Shopify poi tende a includere anche parte del traffico automatizzato, mentre GA4 applica filtri più selettivi.

Shopify registra gli ordini nel backend indipendentemente dal consenso dell’utente, mentre GA4 può perderne una quota se il tag non viene eseguito o se il consenso viene negato.

Insomma, confrontare i numeri senza conoscere queste logiche significa esporsi a interpretazioni fuorvianti.

Un ordine assente in GA4 non implica che la vendita non sia avvenuta, e una sessione in più su Shopify non corrisponde necessariamente a un visitatore reale.

Per fare chiarezza su questi temi e per capire come utilizzare al meglio questi strumenti in modo pratico, in questo articolo analizzeremo nel dettaglio:

• perché Shopify e GA4 riportano dati diversi
• quali sono i punti di forza e i limiti di ciascuno
• come interpretare correttamente le discrepanze
• quali strategie applicare per mitigare i gap e lavorare in modo consapevole.

L’obiettivo quindi non è stabilire chi abbia ragione e chi torto, ma imparare a usare i due strumenti in modo complementare, sfruttando le potenzialità di entrambi.

Solo così i dati smettono di essere un ostacolo e diventano un alleato concreto per la crescita di un e-commerce.

Cos’è Shopify Analytics e quali dati misura realmente

Dati transazionali e logica “interna”

Shopify Analytics è lo strumento di analisi integrato direttamente nel backend della piattaforma.

La sua funzione primaria non è quella di descrivere nel dettaglio il comportamento degli utenti lungo il percorso di navigazione, ma di fornire dati di business accurati.

L’attenzione è rivolta soprattutto a ordini, ricavi, rimborsi, valore medio d’acquisto e frequenza di riacquisto. Per un merchant che cerca certezze contabili e gestionali, Shopify diventa un riferimento imprescindibile.

Il principale punto di forza è la precisione con cui vengono registrati gli ordini. Ogni transazione completata nel checkout diventa immediatamente una riga certa nel database, senza possibilità di errore. In questo senso Shopify può essere considerato la vera source of truth per tutti i dati transazionali.

Le cose cambiano quando si passa dalle vendite al comportamento utente. Le metriche di traffico e di conversione non sono sempre affidabili, perché Shopify utilizza logiche interne che possono generare scostamenti importanti. Alcuni aspetti in particolare meritano attenzione:

• Scadenza delle sessioni. Una sessione termina dopo trenta minuti di inattività ma anche automaticamente a mezzanotte UTC. Questo significa che una visita che si estende oltre la mezzanotte viene divisa in due sessioni distinte, con il rischio di gonfiare il denominatore dei tassi di conversione. Per e-commerce con picchi di traffico serale o con utenti in fusi orari diversi, l’effetto può diventare rilevante.
• Filtri sul traffico non umano. Shopify applica controlli meno severi rispetto a GA4, quindi può includere nel conteggio sessioni provenienti da bot o script automatizzati. Non significa che ogni bot venga conteggiato, ma la soglia di filtro è più bassa rispetto a Google. Il risultato è un volume di visite spesso superiore, che però non corrisponde sempre a utenti reali.
• Impatto del consenso privacy. Dal 2020 Shopify ha introdotto la Customer Privacy API, che collega la raccolta dati alle preferenze espresse dagli utenti tramite il banner cookie. In base alla configurazione scelta dal merchant, le sessioni e le conversioni lato front-end possono essere registrate solo se l’utente accetta il tracciamento. In configurazioni molto restrittive, questo comporta la perdita di una parte dei dati di navigazione. È importante distinguere però che il backend ordini non è influenzato da queste impostazioni e registra sempre tutte le vendite, perché rappresentano atti contrattuali e fiscali che devono essere documentati.

La conseguenza è che Shopify eccelle nella misurazione delle vendite ma è meno solido quando si tratta di analisi di funnel, attribuzione e comportamento pre-acquisto. È lo strumento che ti dice quanto hai venduto e quale valore hanno generato i clienti, non quello che ti spiega attraverso quali passaggi o decisioni l’utente è arrivato a quell’acquisto.

Add-on e app per potenziare Shopify Analytics

Shopify Analytics è un buon punto di partenza per capire ordini e ricavi, ma da solo non basta per avere un quadro completo di margini, attribuzione e fidelizzazione. È per questo che esistono app dedicate, pensate per coprire i limiti intrinseci della piattaforma. La scelta dipende dal livello di maturità del tuo e-commerce e dagli obiettivi che vuoi raggiungere.

• Profit & LTV (TrueProfit, Lifetimely, BeProfit)
  Da usare quando non ti basta più guardare i ricavi lordi ma vuoi sapere se stai davvero guadagnando. Queste app ti aiutano a calcolare margini netti, includendo costi di spedizione, COGS e spese adv. Indispensabili se gestisci budget pubblicitari consistenti o se vuoi valutare il valore a vita dei clienti per decidere quanto investire in acquisizione.
• Report avanzati (Report Pundit, Better Reports)
  Da usare quando i report standard di Shopify non bastano più. Ti servono se vuoi report programmati da ricevere via mail, se devi condividere KPI con reparti diversi o se hai bisogno di filtri complessi (es. ordini per regione, prodotti per margine, clienti con più di X acquisti). Ottimi in fase di crescita o quando il controllo di gestione diventa cruciale.
• Dashboard multicanale (Triple Whale, Polar Analytics)
  Da usare quando vuoi avere in un unico colpo d’occhio performance di Shopify, Meta Ads, Google Ads, Klaviyo e altri canali. Ideali se gestisci budget cross-channel e ti serve una visione unificata di MER, CAC, blended ROAS. Consigliate per chi spende molto in advertising e deve capire dove allocare il budget.
• Retention e segmentazione (Peel Insights, Segments Analytics)
  Da usare quando la sfida non è più solo acquisire ma far tornare i clienti. Sono utili se vuoi capire coorti, tassi di riacquisto e creare segmenti mirati per campagne email o SMS. Ottime per brand DTC che puntano sulla fidelizzazione e vogliono aumentare LTV.
• Tracking GA4 (Littledata)
  Da usare quando vuoi assicurarti che i dati passino in maniera corretta da Shopify a Google Analytics 4, anche lato server. Fondamentale se il tuo obiettivo è avere un tracciamento stabile per CRO e performance marketing, evitando che GA4 perda ordini o parametri.
• BI e data warehouse (Daasity)
  Da usare quando sei in fase enterprise e hai bisogno di centralizzare tutti i dati in un unico sistema (Shopify, Ads, CRM, magazzino, finanza). Ideale se hai un team analytics interno, vuoi interrogare i dati con SQL o costruire modelli avanzati di attribuzione e forecasting.

Tabella comparativa con prezzi indicativi

Cos’è Google Analytics 4 e perché non coincide con Shopify

Tracking lato client e visione “esterna”

Google Analytics 4 (GA4) è una piattaforma di analisi web che non nasce per un singolo store, ma per tracciare il comportamento degli utenti in contesti digitali complessi. Il suo obiettivo è osservare i percorsi di navigazione, attribuire le conversioni ai diversi canali e fornire insight utili per il marketing.

La sua architettura si basa principalmente su eventi tracciati lato client, attraverso JavaScript, cookie e local storage. Questo comporta vantaggi per l’analisi del comportamento ma introduce limiti evidenti, perché GA4 dipende dal consenso dell’utente, dall’esecuzione corretta degli script nel browser e dall’assenza di sistemi di blocco come gli ad blocker.

Alcuni aspetti chiave lo distinguono nettamente da Shopify:

• Gestione delle sessioni. In GA4 una sessione termina dopo trenta minuti di inattività oppure se cambiano i parametri di campagna. Non viene resettata a mezzanotte come accade in Shopify, una differenza che da sola spiega parte delle discrepanze.
• Filtri sul traffico non umano. GA4 applica controlli automatici per escludere bot e traffico spam. Non è un filtro totale, ma in media riduce il numero di sessioni rispetto a Shopify e restituisce un dato più pulito.
• Stime e modellazione dei dati. Nei report standard GA4 mostra dati grezzi, mentre nei report esplorativi o con grandi volumi applica algoritmi di stima come HyperLogLog++. Inoltre, con il Consent Mode v2, GA4 invia ping anonimi anche quando l’utente rifiuta i cookie. Questi ping non generano sessioni complete ma vengono utilizzati da Google per modellare le conversioni mancanti. In questo modo, i report possono includere stime che riducono l’impatto delle perdite di dati, ma la precisione dipende dai volumi e dall’integrazione con Google Ads.
• Integrazione con BigQuery. A differenza di Shopify, GA4 consente l’esportazione nativa dei dati su BigQuery, dove i dati grezzi possono essere analizzati senza limiti di campionamento. Questa funzione permette a team di data analytics avanzati di andare oltre i report standard e costruire modelli personalizzati, ma richiede competenze tecniche e costi di gestione aggiuntivi.

Il risultato è che GA4 non è affidabile come Shopify nel conteggio assoluto degli ordini.

Alcune vendite possono non essere registrate se il tag non viene eseguito o se l’utente rifiuta il consenso, anche se con la modellazione una parte di queste viene recuperata. Allo stesso tempo GA4 è molto più utile di Shopify per comprendere da dove arrivano gli utenti, quali canali li hanno influenzati e come si muovono nel funnel.

In sintesi, GA4 non sostituisce Shopify e Shopify non sostituisce GA4. Il primo è una lente di ingrandimento sul comportamento e sul marketing, il secondo è la certezza transazionale che conferma ogni vendita. Solo usandoli insieme si può avere una visione completa e ridurre il rischio di decisioni basate su dati parziali.

Perché è normale che i numeri non combacino tra Shopify e GA4

Due strumenti con DNA diversi

La prima cosa da tenere a mente è che Shopify e GA4 non sono intercambiabili. Shopify nasce come strumento gestionale e di business intelligence interna, quindi ha come priorità la precisione dei dati transazionali. GA4 nasce come piattaforma di marketing analytics, progettata per spiegare i percorsi degli utenti, attribuire le conversioni e misurare l’impatto delle campagne. Le discrepanze tra i due sistemi non sono un malfunzionamento ma il risultato naturale di due architetture con scopi differenti.

Un merchant che non conosce queste differenze rischia di interpretare male i numeri. Se GA4 riporta meno ordini di Shopify non significa che le vendite siano state sovrastimate da Shopify, così come una sessione in più nel report Shopify non equivale sempre a un utente reale in più.

Le discrepanze non nascono da un errore di una delle due piattaforme, ma da logiche di tracciamento e definizione diverse. Analizziamo i quattro ambiti principali.

1. Differenze nel conteggio di sessioni tra Shopify e GA4

Qui emerge una delle differenze più macroscopiche.

• GA4: una sessione si chiude dopo 30 minuti di inattività o se cambiano i parametri di campagna. Non si resetta automaticamente a mezzanotte. Filtra parte del traffico non umano e non registra sessioni se l’utente rifiuta i cookie o utilizza ad blocker che bloccano il tag.
• Shopify: una sessione si chiude dopo 30 minuti di inattività o sempre a mezzanotte UTC. Questo significa che una stessa visita che attraversa la mezzanotte viene contata come due sessioni. Inoltre, Shopify applica meno filtri anti-bot, quindi può includere visite automatizzate.

Esempio pratico:
Un utente naviga il tuo store dalle 23:45 alle 00:15.

• GA4: 1 sessione.
• Shopify: 2 sessioni (prima e dopo la mezzanotte UTC).

Questo può far gonfiare il denominatore del tasso di conversione in Shopify. Se nello stesso periodo GA4 registra meno sessioni perché filtra parte del traffico, il gap può diventare significativo (anche 20-30% in certi scenari, soprattutto con molto traffico mobile o internazionale).

2. Perché GA4 perde conversioni ma ha un traffico più pulito

Qui il divario è ancora più critico.

• Shopify: registra ogni ordine effettivamente completato a checkout. È il vero “source of truth” delle vendite.
• GA4: traccia l’evento purchase lato client. Se il cliente chiude la pagina prima che lo script si carichi, se il consenso manca, se l’evento non è implementato correttamente o se un ad blocker blocca la richiesta, l’ordine non viene registrato.

Esempio pratico:
Su 1.000 ordini reali in Shopify, GA4 potrebbe segnarne 850–900. Uno scarto del 10–15% è comune. In casi con alta quota iOS e banner cookie molto restrittivi, lo scarto può superare il 20%.

Questo significa che il numeratore del conversion rate (ordini) in GA4 è spesso sottostimato. Shopify, al contrario, non perde nessun ordine reale.

3. Disallineamenti nei ricavi tra Shopify Analytics e GA4

Altra fonte di divergenza.

• Shopify: per default include tasse e spedizioni, quindi mostra il valore lordo della vendita.
• GA4: riporta il revenue in base a ciò che viene passato nello script. Se non includi tasse e spedizioni, il valore sarà più basso.

Aspetto della valuta: GA4 non converte tutto in USD, come talvolta si legge. Utilizza la valuta impostata nella proprietà (EUR, GBP, ecc.) e, solo se lo store vende in più valute, converte usando il tasso di cambio del giorno precedente. Se lavori sempre in EUR, non ci sarà conversione.

Esempio pratico:
Un ordine da 100€ (80€ prodotti + 20€ spedizione) può risultare:

• Shopify: 100€.
• GA4: 80€ (se lo script non include il parametro shipping).

Questa discrepanza, se sommata su centinaia di ordini, porta a differenze anche del 15–20% nei ricavi riportati.

4. Modelli di attribuzione Shopify vs GA4: quale scegliere per il marketing

Forse il punto più delicato dal punto di vista del marketing.

• Shopify: attribuisce le vendite all’ultima fonte nota, interna al proprio sistema. Se un cliente torna sul sito direttamente, spesso la vendita finisce in “Direct”. Non tiene conto di percorsi multicanale complessi.
• GA4: offre modelli di attribuzione più sofisticati (last click, first click, data-driven). Tiene conto di più touchpoint e può distribuire il merito su diversi canali.

Esempio pratico di customer journey:

1. Un utente clicca su un annuncio Google Ads e visita lo store.
2. Dopo due giorni arriva da un link social.
3. Una settimana dopo ritorna digitando l’URL e compra.

• Shopify: attribuisce la vendita a “Direct”.
• GA4 con modello data-driven: assegna credito parziale a Google Ads e al social, ignorando il direct.

Questa differenza è enorme in ottica marketing. Se ti basassi solo su Shopify, potresti pensare che le tue campagne non funzionano e che il direct porta quasi tutte le vendite. GA4 invece ti mostra l’impatto reale dei canali.

Conversion rate Shopify vs GA4

Come interpretare i tassi di conversione

In teoria sia Shopify sia GA4 definiscono il tasso di conversione in maniera simile, cioè come la percentuale di sessioni che hanno generato almeno un acquisto. In pratica però il calcolo parte da basi diverse, perché sia il numeratore sia il denominatore vengono determinati con logiche che divergono.

Il denominatore, cioè le sessioni registrate, si comporta in maniera opposta. Shopify considera nuova sessione sia dopo trenta minuti di inattività sia a ogni passaggio di giornata alla mezzanotte UTC. Inoltre applica filtri meno severi sul traffico non umano, con il risultato di includere spesso anche bot e script automatizzati. GA4 invece è più conservativo: filtra parte del traffico spam, non resetta le sessioni a mezzanotte e, con il Consent Mode attivo, utilizza ping anonimi per stimare le visite di utenti che hanno rifiutato i cookie. Di conseguenza GA4 riporta di solito un numero più basso e più pulito di sessioni rispetto a Shopify.

La combinazione di queste differenze può produrre scenari molto diversi.

Perché Shopify mostra più sessioni e più ordini

Il numeratore, cioè gli ordini registrati, è solido in Shopify perché ogni acquisto completato a checkout viene inserito nel backend come record certo. In GA4 invece l’evento “purchase” dipende dal tracciamento lato client. Se lo script non viene eseguito, se l’utente chiude la pagina troppo presto, se l’ad blocker blocca la richiesta o se il consenso non viene dato, l’ordine non viene tracciato. Per questo motivo GA4 tende a sottostimare il numero di acquisti, con scarti che nella media vanno dal 10 al 20 per cento, ma che possono salire in presenza di traffico iOS o di cookie banner particolarmente restrittivi.

Qui Shopify ha un vantaggio indiscusso.

• Shopify registra ogni ordine effettivamente completato a checkout. È la fonte ufficiale del business.
• GA4 dipende dall’evento purchase lato client. Se l’evento non viene inviato (per motivi di consenso, ad blocker, chiusura anticipata della thank-you page, errori di implementazione), la transazione non viene conteggiata.

Conseguenza: GA4 tende a sottostimare il numeratore. In uno scenario con 1.000 ordini effettivi, Shopify ne conterà sempre 1.000, mentre GA4 può fermarsi a 850–900.

Perché GA4 perde conversioni ma ha un traffico più pulito

Denominatore: le sessioni

Il denominatore, cioè le sessioni registrate, si comporta in maniera opposta. Shopify considera nuova sessione sia dopo trenta minuti di inattività sia a ogni passaggio di giornata alla mezzanotte UTC. Inoltre applica filtri meno severi sul traffico non umano, con il risultato di includere spesso anche bot e script automatizzati. GA4 invece è più conservativo: filtra parte del traffico spam, non resetta le sessioni a mezzanotte e, con il Consent Mode attivo, utilizza ping anonimi per stimare le visite di utenti che hanno rifiutato i cookie. Di conseguenza GA4 riporta di solito un numero più basso e più pulito di sessioni rispetto a Shopify.

Qui la situazione si ribalta.

• GA4 filtra traffico non umano (almeno in parte) e non registra le visite di utenti che hanno rifiutato il consenso.
  Inoltre non resetta le sessioni a mezzanotte. Risultato, un numero di sessioni più basso e pulito.Breve approfondimento:
  – Senza Consent Mode attivo (o implementato male)
  Se un utente rifiuta i cookie, il tag GA4 non viene eseguito e l’evento non viene inviato.
  In questo caso, le visite non vengono registrate.- Con Consent Mode v2 attivo e configurato correttamente
  GA4 invia comunque ping anonimi (senza identificatori né cookie). Questi ping non contano come sessioni complete, ma vengono usati da Google per modellare il traffico e le conversioni mancanti.
  Quindi non hai i dati grezzi di quelle sessioni, ma hai una stima modellata che compare nei report, soprattutto se la proprietà ha volumi sufficienti e campagne Google Ads attive.
• Shopify considera nuova sessione sia dopo 30 minuti di inattività sia a ogni mezzanotte UTC, indipendentemente dall’attività. In più applica meno filtri anti-bot. Risultato, più sessioni totali rispetto a GA4.

Esempio pratico:

• Un utente naviga dalle 23:45 alle 00:15.
  • Shopify: 2 sessioni.
  • GA4: 1 sessione.

Se hai molto traffico serale o internazionale, questo solo fattore può aumentare il gap del denominatore di un buon 10–15%.

Esempi numerici di differenze di conversion rate

La combinazione di queste differenze può produrre scenari molto diversi.

Scenario A – GA4 più basso:

• Shopify: 1.000 sessioni / 100 ordini = 10%
• GA4: 800 sessioni / 80 ordini = 10%
• Qui i due tassi coincidono.

Scenario B – GA4 sottostimato:

• Shopify: 1.200 sessioni / 120 ordini = 10%
• GA4: 900 sessioni / 80 ordini = 8,9%
• GA4 sembra “peggiore” perché perde più ordini che sessioni.

Scenario C – Shopify sottostimato:

• Shopify: 1.500 sessioni / 100 ordini = 6,6%
• GA4: 1.000 sessioni / 90 ordini = 9%
• Shopify appare “più debole” perché il denominatore è gonfiato.

Questi esempi mostrano che non esiste una regola fissa. La direzione del gap dipende da quanto GA4 perde ordini e da quanto Shopify gonfia le sessioni.

In altre parole: non esiste una regola fissa. Dipende dal mix tra perdita di ordini in GA4 e inflazione delle sessioni in Shopify.

Quale tasso di conversione è più affidabile per il tuo eCommerce

Per questo motivo conviene distinguere gli utilizzi.

Per il reporting aziendale e le decisioni finanziarie, il tasso calcolato in Shopify è più solido, perché si basa su ordini effettivi.

Per l’analisi direzionale e il lavoro di CRO, il tasso calcolato in GA4 è più utile, perché il denominatore, pur più basso, è più consistente e comparabile tra segmenti e canali. Non conta se dice 1,8 invece di 2,2 per cento, conta che consente di capire come cambia il rendimento tra traffico organico e paid, tra mobile e desktop o tra mercati diversi.

Due caveat vanno sempre tenuti presenti.

Caveat da sottolineare

1. Il conversion rate di Shopify non è perfetto: è solido sul numeratore, ma il denominatore segue logiche proprie che possono gonfiarlo.
2. Il conversion rate di GA4 non è perfetto: è solido sul denominatore, ma il numeratore perde ordini.
3. La verità operativa: Shopify è la fonte ufficiale per KPI aziendali, GA4 serve per l’analisi e il miglioramento.
4. Mai confrontare i due valori assoluti: hanno basi diverse, l’unico confronto sensato è guardare i trend. Se entrambi mostrano +15% rispetto al mese precedente, significa che il lavoro di CRO sta funzionando.

La verità operativa è che Shopify deve essere considerato la fonte ufficiale dei KPI aziendali, mentre GA4 è lo strumento con cui interpretare i dati e capire come migliorare. Non bisogna mai confrontare i due valori assoluti, perché hanno basi diverse. L’unico confronto sensato è osservare i trend. Se entrambi mostrano un miglioramento del 15 per cento rispetto al mese precedente significa che il lavoro di CRO sta funzionando, anche se i numeri assoluti non coincidono.

Privacy, cookie e consenso. Impatto su Shopify Analytics e GA4

Impatto su Shopify Analytics e GA4

Le discrepanze tra Shopify Analytics e GA4 non dipendono soltanto da differenze tecniche di tracciamento, ma anche dalle normative sulla privacy e dal modo in cui ciascuna piattaforma gestisce il consenso degli utenti.

Come funziona la Customer Privacy API di Shopify

Dal 2020 Shopify ha introdotto la Customer Privacy API, che permette di collegare la raccolta dei dati alle scelte espresse dagli utenti tramite il banner cookie. In base alla configurazione impostata dal merchant, il comportamento cambia sensibilmente. Se si utilizza la modalità “consent required”, le sessioni e le conversioni lato front-end vengono registrate soltanto quando l’utente accetta il tracciamento. Se si sceglie la modalità “collected before consent”, i dati vengono raccolti in forma anonima e successivamente filtrati se il consenso non viene dato. In entrambi i casi bisogna ricordare che il backend di Shopify registra sempre tutti gli ordini, perché rappresentano atti contrattuali e fiscali. La differenza riguarda quindi i report di traffico e di conversione, che possono risultare incompleti in scenari con molti rifiuti di consenso.

Cosa significa in concreto:

• Se configuri Shopify in modalità “consent required” e l’utente rifiuta i cookie, Shopify Analytics non registra le sessioni né le conversioni di quell’utente.
• Se invece scegli la modalità “collected before consent”, Shopify registra i dati anonimi ma li anonimizza o li filtra se il consenso non viene dato.
• In ogni caso, Shopify non forza il tracciamento: dipende da come hai configurato le impostazioni di privacy.

Punto chiave: quando diciamo che “Shopify è la source of truth”, stiamo parlando del backend ordini, non necessariamente del report di Shopify Analytics lato front. Gli ordini completati vengono sempre registrati nel database ordini (indipendentemente dal consenso), perché fanno parte della gestione contrattuale e fiscale. Ma i report di sessione e conversione in Shopify Analytics possono risultare incompleti se la configurazione è molto restrittiva.

GA4 e Consent Mode v2

Vantaggi e limiti

Google ha introdotto il Consent Mode nel 2020 e dal 2024 la versione v2 è diventata obbligatoria per chi opera in Europa. Il suo funzionamento è diverso rispetto a Shopify: quando l’utente rifiuta i cookie, GA4 non invia eventi completi ma trasmette ping anonimi privi di identificatori. Questi ping non generano sessioni tradizionali, ma vengono utilizzati da Google per stimare il traffico e le conversioni mancanti. Nei report quindi non si vedono i dati grezzi di quegli utenti, ma una modellazione statistica che compensa parzialmente le perdite. L’efficacia di questa ricostruzione dipende da due fattori, ovvero il volume di traffico e la connessione con Google Ads, che fornisce segnali server-side aggiuntivi. In assenza di Consent Mode, invece, GA4 non invia nemmeno i ping, con il risultato che le conversioni di chi rifiuta i cookie vengono perse senza possibilità di recupero.Google ha introdotto il Consent Mode nel 2020 e lo ha reso obbligatorio in Europa con la versione v2 nel 2024.

• Se l’utente rifiuta i cookie, GA4 non memorizza identificativi e non invia eventi completi.
• Al posto dei dati mancanti, GA4 cerca di modellare le conversioni perse con tecniche statistiche. Questo avviene però solo se la proprietà ha volumi sufficienti e se Google riesce a correlare i segnali server-side (ad esempio tramite Google Ads o Enhanced Conversions).

In sostanza:

Se implementi bene Consent Mode v2, GA4 può compensare parte delle conversioni perse, se non lo implementi, o se hai traffico con forte quota iOS e ad blocker, GA4 sottostima pesantemente ordini e sessioni.

Differenza tra ordini backend e report analitici in Shopify

Questa distinzione è fondamentale per non generare fraintendimenti. Shopify Analytics lato front può perdere dati se l’utente rifiuta il consenso, esattamente come GA4, ma il backend ordini di Shopify non li perde mai. Un merchant può quindi trovarsi con 100 ordini nel backend, 90 in Shopify Analytics e 85 in GA4, con quest’ultimo che ne modella altri cinque per avvicinarsi alla realtà. L’unico dato certo resta quello del backend Shopify, che non dipende dalle scelte dell’utente sui cookie.Qui c’è un punto che va sempre chiarito per non cadere in fraintendimenti:

• Shopify Analytics lato front è influenzato dalle scelte di consenso, esattamente come GA4.
• Il database ordini di Shopify non lo è: un ordine è sempre registrato, perché rappresenta un atto contrattuale e un movimento economico.

Ecco perché, anche con consenso negato, il merchant potrà sempre vedere 100 ordini nel backend, ma Shopify Analytics e GA4 potrebbero riportarne 80–90 nei rispettivi report.

Cosa succede ai dati se l’utente rifiuta i cookie

Immaginiamo questo scenario:

• 100 utenti entrano nello store.
• 30 rifiutano i cookie.
• 10 di questi 30 comprano.

Risultati:

• Backend ordini Shopify: 100 ordini totali (registra tutti, indipendentemente dal consenso).
• Shopify Analytics: 90 ordini (perde i 10 legati a utenti senza consenso).
• GA4 con Consent Mode v2 ben implementato: 90 ordini reali + 5–7 “modellati”.
• GA4 senza Consent Mode: 90 ordini (perde i 10 e non li modella).

Questo spiega perché, anche quando ti affidi a Shopify come “source of truth”, devi specificare sempre se parli del backend ordini (dato finanziario certo) o dei report di Shopify Analytics (dato condizionato dal consenso).

Caveat da sottolineare

1. Shopify è sempre affidabile sugli ordini backend, non sempre sulle sessioni.
2. GA4 può recuperare parte dei dati persi grazie al Consent Mode, ma solo se configurato e se i volumi sono sufficienti.
3. Entrambi possono perdere conversioni lato front se il consenso è negato, ma Shopify non perde mai gli ordini lato gestionale.
4. La strategia più sicura: per KPI finanziari usa sempre il backend Shopify, per analisi comportamentali assicurati che GA4 sia configurato con Consent Mode v2 e Customer Privacy API attivi e coerenti.

Shopify è sempre affidabile sugli ordini backend ma non sempre sulle sessioni.

GA4, con Consent Mode attivo, può recuperare una parte del traffico perso ma non garantisce mai la stessa precisione del dato contabile. Entrambi possono mancare conversioni lato front, ma per motivi diversi. Per questo motivo la strategia più solida consiste nell’utilizzare il backend Shopify come riferimento per i KPI finanziari e nel configurare GA4 in modo corretto, così da sfruttare al meglio la modellazione senza perdere insight di marketing.

Uno dei motivi più sottovalutati alla base delle discrepanze tra Shopify Analytics e GA4 è legato non alla tecnica di tracciamento, ma alla normativa e al consenso degli utenti.

Server-side tracking Shopify e GA4

Cosa c’è davvero dietro il “99% accuracy”

Negli ultimi anni la combinazione tra GDPR, iOS14, Intelligent Tracking Prevention di Safari e l’uso crescente di ad blocker ha reso sempre più fragile il tracciamento lato client. Non sorprende quindi che molti merchant stiano valutando o abbiano già adottato soluzioni di server-side tracking, con l’obiettivo di ridurre le perdite e avvicinare i dati di GA4 a quelli del backend Shopify.

Quando si parla di server-side bisogna però distinguere. Non tutte le implementazioni sono uguali e non tutte portano allo stesso livello di accuratezza.

Spesso si parla di “server-side” in modo generico, ma in realtà esistono due approcci distinti:

1. Inviare gli ordini a GA4 con API e Measurement Protocol

Alcune app come Elevar, Analyzify o Littledata integrano Shopify con GA4 inviando direttamente al server di Google l’evento “purchase” dal backend. In questo modo, anche se l’utente chiude la pagina prima che lo script si carichi o se un ad blocker impedisce l’invio lato client, la transazione arriva comunque a GA4. Il vantaggio è evidente, si recupera la quasi totalità degli ordini.

Il limite è altrettanto chiaro: questa integrazione riguarda solo l’evento “purchase”, mentre tutti gli eventi pre-checkout (view_item, add_to_cart, begin_checkout) restano legati al client-side e quindi vulnerabili a blocchi e mancanze di consenso.

Perciò:

• Alcune app (Littledata, Analyzify, Elevar, ecc.) integrano Shopify con GA4 inviando l’evento purchase direttamente dal backend di Shopify al server di Google, tramite Measurement Protocol o API Conversioni.
• In questo modo, anche se l’utente chiude la thank-you page o blocca gli script, la transazione arriva comunque in GA4.
• Vantaggio: si recupera la quasi totalità delle vendite.
• Limite: questa implementazione copre solo il purchase. Tutti gli eventi pre-checkout (view_item, add_to_cart, begin_checkout) restano legati al tracciamento client-side e quindi vulnerabili a blocchi e mancanze di consenso.

2. Implementazioni complete con Google Tag Manager Server-side

Un approccio più sofisticato consiste nell’utilizzare Google Tag Manager Server-side, ospitato su un dominio personalizzato come metrics.miosito.com. In questo scenario gli eventi lato client vengono inviati al server container e da lì ritrasmessi a GA4, Meta, TikTok o altre piattaforme. I vantaggi sono numerosi: maggiore controllo sui dati inviati, possibilità di ridurre l’impatto degli ad blocker (che non riconoscono immediatamente il dominio personalizzato) e una governance più chiara su quali informazioni vengono condivise con i partner pubblicitari. I limiti però non mancano: il consenso resta necessario, perché senza consenso i dati non possono essere inviati in modo lecito; gli eventi nativi client-side come scroll depth o engagement time non possono essere ricreati lato server; la soluzione richiede infrastruttura cloud, manutenzione e competenze tecniche che la rendono costosa e non plug and play.

• In questo caso si utilizza un server container di Google Tag Manager (spesso su un dominio personalizzato, es. metrics.miosito.com) che riceve gli eventi lato client e li ritrasmette a GA4, Facebook, ecc.
• Vantaggi:
  • Maggior controllo sui dati inviati.
  • Possibilità di aggirare alcuni limiti degli ad blocker (perché il dominio server-side è il tuo, non google-analytics.com).
  • Migliore governance dei dati condivisi con terze parti.
• Limiti:
  • Non elimina la necessità del consenso: senza consenso, i dati non possono essere inviati (a meno di violare la normativa).
  • Non ricrea i segnali nativi client-side (es. scroll depth, engagement time). Quelli restano dipendenti dal browser.
  • È costoso e complesso: richiede infrastruttura cloud, manutenzione e competenze tecniche.

Stape e altri provider server-side

Per semplificare la gestione di GTM Server-side molti merchant si appoggiano a provider come Stape, che offrono infrastruttura pronta e manutenzione tecnica. Stape, ad esempio, consente di configurare container server-side senza doversi occupare direttamente del deployment su Google Cloud o AWS. È una scorciatoia pratica, ma comporta costi ricorrenti e dipendenza dal vendor. Lo stesso vale per Elevar, Analyzify e Littledata, che propongono soluzioni verticali per Shopify con diversi livelli di supporto e lock-in tecnologico.

BigQuery come strumento di controllo

Un elemento spesso trascurato è l’uso di BigQuery, che con GA4 diventa il vero alleato per validare i dati. Attraverso l’esportazione nativa dei dati raw, un team di analytics può analizzare gli eventi senza campionamento e verificare quali ordini mancano, quali parametri non sono passati correttamente e come le discrepanze evolvono nel tempo. BigQuery non riduce le perdite, ma consente di misurare con precisione la qualità dell’implementazione e di individuare rapidamente anomalie che nei report standard di GA4 resterebbero invisibili.

Quanto credere ai claim di 99% accuracy dei vendor

Molti vendor parlano di “98–99% di accuratezza”. È importante interpretare questi claim con spirito critico:

• Si riferiscono soprattutto al recupero delle conversioni purchase. Se il dato Shopify segna 1.000 ordini, con un buon setup server-side GA4 ne riceverà 980–990.
• Non significa che anche le metriche di funnel (add-to-cart, begin_checkout, ecc.) abbiano la stessa accuratezza: restano vulnerabili a blocchi client-side.
• L’accuratezza reale dipende dal banner cookie: se hai configurato Shopify e GA4 in modalità restrittiva, senza consenso l’evento non parte nemmeno lato server.

Esempio concreto:

• Senza server-side: GA4 registra 850 purchase su 1.000 reali.
• Con server-side purchase event: GA4 sale a 980.
• Con server-side completo: GA4 continua a registrare 980 purchase, ma puoi avere maggiore coerenza sugli altri eventi e meno perdite per ad blocker.

Caveat fondamentali

1. Server-side non è una bacchetta magica. Non sostituisce il consenso, né ricrea eventi comportamentali mancanti.
2. Copertura parziale: il purchase è garantito, ma view_item e add_to_cart restano vulnerabili se l’utente blocca il client-side.
3. Costo e complessità: GTM Server-side richiede hosting (es. su Google Cloud o AWS), configurazione e monitoraggio costanti. Non è plug & play.
4. Dati modellati: Google continuerà a stimare parte delle conversioni (consent mode, attribution), quindi il 100% di accuratezza non è realistico.
5. Dipendenza da vendor: app come Elevar, Analyzify o Littledata facilitano l’implementazione, ma hanno costi ricorrenti e lock-in tecnologico.

Perché serve parlarne chiaramente

Molti merchant credono che “passando a server-side” risolveranno definitivamente le discrepanze tra Shopify e GA4. Non è così.
Il vero beneficio è ridurre la perdita di conversioni purchase, rendendo i dati GA4 più allineati al backend Shopify. Per analisi avanzate e comparazioni di funnel, però, le differenze continueranno a esserci.

La strategia vincente non è sostituire il client-side con il server-side, ma integrare i due approcci:

• Shopify backend come fonte di verità per ordini e ricavi.
• GA4 client-side (e server-side quando possibile) per funnel e attribuzione.
• Soluzioni ibride (API, GTM SS, vendor dedicati) per ridurre il gap sul purchase.

Come ridurre le discrepanze tra Shopify e GA4: best practice

Best practice operative

Sapere che i numeri di Shopify e GA4 non coincidono è solo il primo passo. La vera domanda è: come lavoro in modo efficace nonostante queste differenze?

La risposta è adottare un approccio strutturato, che combini auditing, buone pratiche operative e strumenti di integrazione.

1. Audit periodici del tracciamento e degli eventi eCommerce

La maggior parte delle discrepanze non deriva da limiti intrinseci delle piattaforme ma da implementazioni incomplete o da rotture introdotte da aggiornamenti di tema e app Shopify. Per questo motivo è essenziale programmare controlli regolari. Ogni audit dovrebbe verificare che l’evento “purchase” scatti sempre sulla thank-you page con tutti i parametri corretti, che gli eventi di funnel (view_item, add_to_cart, begin_checkout) non siano duplicati o mancanti, e che non ci siano doppi snippet GA4 che falsano i conteggi. Strumenti come DebugView o Google Tag Assistant permettono di individuare in tempo reale problemi che spesso passano inosservati.

Checklist per l’audit:

• Verifica che l’evento purchase scatti sempre sulla thank-you page e che includa tutti i parametri richiesti (id transazione, revenue, tasse, spedizioni, sconti).
• Controlla che gli eventi pre-checkout (view_item, add_to_cart, begin_checkout) siano implementati in modo coerente e non duplicati.
• Evita doppi tag: due snippet GA4 sulla stessa pagina creano confusione nei conteggi.
• Usa strumenti come DebugView di GA4 o Google Tag Assistant per monitorare in tempo reale.

Un audit periodico, soprattutto dopo aggiornamenti di tema o installazione di nuove app Shopify, è fondamentale per non perdere dati senza accorgersene.

2. Perché confrontare i dati solo dopo 24–48 ore

GA4 non è pensato per offrire dati immediatamente stabili. Alcuni eventi vengono processati con ritardo e le conversioni possono apparire dopo 24 ore. Shopify invece registra l’ordine in tempo reale. Confrontare i numeri “oggi per oggi” porta quasi sempre a discrepanze sproporzionate. Aspettare almeno uno o due giorni consente di ridurre il rumore e avere un quadro più allineato.

• Alcuni eventi vengono processati con ritardo.
• Le conversioni possono apparire con 24h di latenza.
• Shopify invece registra l’ordine in tempo reale.

Confrontare “oggi” su Shopify e GA4 porta quasi sempre a discrepanze esagerate.
Best practice: aspetta almeno 24–48 ore prima di confrontare i dati. Questo riduce il rumore e allinea i sistemi.

3. Allineare i fusi orari di Shopify e GA4 per report coerenti

Shopify utilizza il fuso impostato per lo store, GA4 quello definito nella proprietà. Se i due non coincidono, un ordine fatto alle 23:50 può finire in giorni diversi a seconda della piattaforma. Prima di confrontare i dati è fondamentale verificare che i fusi orari siano identici, altrimenti il disallineamento sarà strutturale.

Esempio pratico:

• Ordine alle 23:50 (ora Roma).
• Shopify con fuso CET: l’ordine resta nel giorno corrente.
• GA4 con fuso UTC: l’ordine appare nel giorno successivo.

Best practice: allinea i fusi orari delle due piattaforme prima di confrontare i dati.

4. Analisi direzionale, non assoluta

L’errore più comune è pretendere che i numeri di Shopify e GA4 coincidano al singolo ordine. Non succederà mai. L’approccio corretto è osservare i trend e la coerenza delle variazioni. Se Shopify mostra un calo del 12 per cento e GA4 un calo del 10 per cento nello stesso periodo, significa che le performance sono effettivamente in diminuzione. La precisione al decimale conta poco, conta che entrambi confermino la direzione del cambiamento.

Esempio:

• Shopify mostra -12% ordini settimana su settimana.
• GA4 mostra -10% conversioni nello stesso periodo.
  Conclusione: le performance sono in calo, al di là dei numeri assoluti.

Il focus deve essere sulla coerenza della direzione del cambiamento, non sull’identità del dato.

5. Dashboard integrate in Looker Studio con dati Shopify e GA4

Un buon modo per convivere con le differenze è costruire dashboard che mostrino fianco a fianco i dati di Shopify e GA4. In questo modo è possibile avere in un’unica vista gli ordini e i ricavi ufficiali dello store e, accanto, i dati di traffico, di attribuzione e di funnel provenienti da GA4. Questa trasparenza aiuta il team a leggere le discrepanze non come errori ma come riflesso di metodologie diverse.

• Fonte Shopify: numero ordini, revenue, tasso di conversione “ufficiale”.
• Fonte GA4: traffico, attribuzione, funnel, segmentazione.
• Visualizzazione: grafici comparativi che evidenziano i gap ma li rendono leggibili.

Così puoi avere in un’unica dashboard sia i numeri reali (Shopify) sia gli insight marketing (GA4), senza pretendere che coincidano.

6. Integrazione con app e API

Quando lo scarto sugli ordini diventa troppo ampio, vale la pena valutare integrazioni che inviano l’evento purchase dal backend Shopify a GA4. Soluzioni come Elevar, Analyzify, Littledata o provider server-side come Stape permettono di ridurre le perdite e portare l’accuratezza delle transazioni tracciate intorno al 95–98 per cento. Non eliminano tutte le discrepanze, perché gli eventi di funnel restano vulnerabili, ma migliorano sensibilmente l’allineamento sul dato più importante, cioè le vendite.

• Queste soluzioni inviano l’evento purchase a GA4 dal backend Shopify, riducendo la perdita di dati.
• Non eliminano tutte le discrepanze, ma possono portare la precisione al 95–98% sugli acquisti.
• Costi e complessità vanno messi in conto: non è un fix gratuito.

7. Caso numerico concreto

Prendiamo un e-commerce con 1.200 ordini in un mese.

• Shopify backend: 1.200 ordini, revenue 120.000€.
• Shopify Analytics: 1.150 ordini, perché 50 utenti hanno negato il consenso.
• GA4 senza server-side: 950 ordini, revenue 95.000€ (alcuni parametri mancanti, sconti esclusi).
• GA4 con server-side purchase: 1.150 ordini (allineato a Shopify Analytics), revenue 115.000€.

Gap residuo: 50 ordini persi per utenti senza consenso, che né Shopify Analytics né GA4 possono tracciare lato front. Solo il backend ordini li riporta.

Questo esempio mostra come, anche con setup avanzati, il backend Shopify resta l’unico dato certo.

8. Sintesi delle best practice operative

Per i KPI finanziari e i report ufficiali si deve utilizzare sempre il backend Shopify. Per analisi di funnel e attribuzione GA4 è lo strumento più adatto, a patto di essere consapevoli dei suoi limiti. Le discrepanze vanno mitigate con audit regolari, fusi orari allineati, configurazioni corrette di Consent Mode e integrazioni server-side. I due sistemi devono essere letti in parallelo, con ruoli distinti e complementari.

• KPI finanziari e report ufficiali → prendi sempre Shopify backend.
• Analisi funnel e attribuzione → usa GA4, consapevole dei suoi limiti.
• Riduci le discrepanze → audit regolari, consent mode attivo, fusi orari allineati, server-side purchase event.
• Confronta tendenze, non valori assoluti → usa entrambi i sistemi in parallelo, ma con ruoli distinti.
• Centralizza i dati → costruisci dashboard che uniscono Shopify e GA4, così hai visione completa.

Quale dato usare tra Shopify e GA4 per le tue analisi

Come leggere le discrepanze oggi e domani

Chi si aspetta che Shopify e GA4 raccontino la stessa storia resterà inevitabilmente deluso. I due strumenti non sono stati progettati per coincidere. Shopify è il registro contabile e operativo che ti dice quante vendite hai realizzato, quanto hai incassato e quanti ordini sono entrati nel sistema. GA4 è invece il microscopio analitico che ti mostra da dove arrivano gli utenti, come si muovono nel funnel e quali campagne hanno contribuito alle conversioni.

La differenza di prospettiva è fondamentale. Uno misura il “cosa è successo”, l’altro spiega il “perché è successo”. Pretendere che i numeri coincidano al decimale è inutile quanto confrontare una bilancia da cucina con un termometro: entrambi misurano, ma non misurano la stessa cosa.

Il backend di Shopify deve restare la fonte ufficiale dei KPI finanziari. È l’unico dato certo e incontestabile, perché registra ogni ordine come atto contrattuale e fiscale. Quando presenti un report al CFO o al commercialista, quel dato è il tuo riferimento.

GA4 è lo strumento che ti permette di capire come migliorare. Non importa se il tasso di conversione segna 1,8 per cento invece di 2,2, importa che tu possa vedere come cambia tra mobile e desktop, tra paid e organico, tra mercati diversi. È qui che entra in gioco il lavoro di CRO, perché GA4 offre il contesto che Shopify non può darti.

La sfida non è eliminare le discrepanze, ma imparare a leggerle.

• Se Shopify dice che hai 1.200 ordini, è il dato che userai in bilancio e con il CFO.
• Se GA4 dice che il traffico organico converte meglio del paid, è il segnale su cui il marketing deve ragionare.
• Se entrambi mostrano lo stesso trend — crescita o calo — significa che i tuoi interventi stanno producendo effetti concreti.

Il futuro porterà queste differenze a essere ancora più visibili. L’Europa continuerà a spingere verso sistemi di tracciamento sempre più rispettosi del consenso, con la conseguenza che parte dei dati non sarà mai più disponibile in forma grezza. Google continuerà a sviluppare modelli statistici per compensare le perdite, mentre Shopify rafforzerà l’integrazione con sistemi di analytics esterni. Le soluzioni ibride, che combinano tracciamento client-side e server-side, diventeranno lo standard.

Chi ha già adottato GTM Server-side o provider come Stape sa che il beneficio non è eliminare le discrepanze ma ridurle in modo significativo sugli ordini. Chi utilizza l’export di GA4 in BigQuery sa che la differenza non è avere più dati, ma avere dati più leggibili e controllabili, pronti per analisi avanzate e modelli personalizzati. La sfida sarà governare questo ecosistema senza farsi travolgere.

La strategia vincente non consiste nello scegliere un campo, ma nel saper usare entrambi gli strumenti nei rispettivi ruoli. Shopify come fonte certa per le vendite e i ricavi, GA4 come bussola per interpretare il comportamento degli utenti e ottimizzare le campagne. La vera maturità analitica non sta nel cercare la perfetta coincidenza, ma nel leggere le discrepanze come indizi e nel trasformarle in insight.

Quando Shopify dice che hai chiuso 1.200 ordini e GA4 conferma che la crescita arriva soprattutto dal traffico organico, hai già tutto quello che ti serve: un dato certo e una direzione chiara. È su questo doppio binario che si costruiscono le decisioni migliori e si prepara il terreno per affrontare un futuro in cui la privacy, la modellazione statistica e le soluzioni ibride saranno la normalità.

Chi riuscirà a bilanciare questi due livelli – operativo e analitico – non solo leggerà meglio i dati, ma sarà anche pronto ad affrontare i cambiamenti futuri senza farsi travolgere.