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 imbatterà 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. E questo è buono e giusto.

La risposta brutale, la prima che appare sensata, 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 (salvo casi in cui ci siano ovviamente), 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.

In soldoni Shopify racconta il “cosa è successo” mentre GA4 si concentra sul “come è successo”.
(per il perchè dovete lavorare di olio di gomito…)

Le differenze principali, quindi, emergono già nelle definizioni di base.

Inoltre Shopify tende a includere anche parte del traffico automatizzato, mentre GA4 applica filtri più selettivi, sistemi automatici di bot filtering (basati su IAB/International Spiders & Bots List e su algoritmi proprietari di Google) che non sono perfetti e non eliminano al 100% il traffico non umano, ma che riducono sensibilmente il rumore rispetto a Shopify.

Shopify, fortunatamente, 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. (Lo vedremo meglio dopo nel capitolo sulla privacy)

Insomma, confrontare i numeri senza conoscere queste logiche di base 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 qui è la garanzia con cui vengono registrati gli ordini.

Ogni transazione completata nel checkout diventa immediatamente una riga certa nel database, senza possibilità di errore e in questo senso Shopify può essere considerato la vera source of truth per tutti i dati transazionali.

Le cose invece 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.
• Filtri sul traffico non umano
  Come dicevamo 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 dei dati alle preferenze espresse dall’utente tramite il banner cookie. In base alla configurazione scelta dal merchant, cambia molto la qualità del dato.

In definitiva la conseguenza è che spesso (ma non sempre) 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 LTV (valore dei clienti nel loro ciclo di vita con il Brand) per decidere quanto investire in acquisizione. Sono tra le app più popolari e ben recensite, adottate da moltissimi brand DTC e continuamente aggiornate.

• 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. Entrambe hanno centinaia di recensioni positive e sono tra le soluzioni più consolidate nell’ecosistema Shopify.

• 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 integrare analisi di marketing mix. Triple Whale è ormai uno standard tra i brand DTC con grandi budget adv, Polar è apprezzata per velocità e semplicità di setup. Entrambe hanno ottime recensioni e ampia adozione.

• 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. Peel è diffusa tra brand subscription-first, Segments (Tresl) tra chi lavora su audience marketing.
  Entrambe molto apprezzate per l’interfaccia intuitiva e la qualità degli insight.

• 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. È l’app di riferimento in questo ambito, con ottime recensioni e supporto molto apprezzato.
  Postilla importante: anche con Littledata, il consenso dell’utente resta vincolante. L’app migliora la qualità del dato e recupera i purchase lato server, ma non bypassa il Consent Mode.

• 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. È una delle soluzioni più recensite e affidabili per merchant enterprise, ed è vista come lo step naturale quando si passa dall’analisi operativa alla business intelligence.

Tabella comparativa utile con prezzi indicativi

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

Tracking lato client e visione “esterna”

Cerchiamo ora di capire brevemente come funziona GA4 e le differenza con Shopify Analytics a livello strutturale.

Google Analytics 4 nasce per osservare percorsi complessi degli utenti in ambienti digitali.
La sua architettura si basa principalmente su eventi tracciati lato client, tramite JavaScript e cookie.

Questo approccio è prezioso per capire il comportamento degli utenti, ma è fragile perché dipende dal consenso, dall’esecuzione corretta degli script e dall’assenza di ad blocker.

Dati modellati

Un aspetto peculiare da considerare è tutto l’aspetto che riguarda la modellazione dei dati.

Nei report standard GA4 mostra i dati così come vengono raccolti, mentre in altri utilizza algoritmi statistici come HyperLogLog++ per stimare il numero di utenti, ottimizzando le prestazioni a scapito della precisione assoluta.

Con il Consent Mode v2, GA4 invia ping anonimi anche quando l’utente rifiuta i cookie, senza generare sessioni complete, ma con la finalità di stimare il traffico e recuperare parte delle conversioni.

Sessioni

In GA4 una sessione si chiude dopo trenta minuti di inattività o se cambiano i parametri di campagna, ma non si resetta a mezzanotte come accade invece in Shopify.

Dati grezzi

GA4 consente l’esportazione nativa su BigQuery, dove i dati possono essere analizzati senza campionamento.
È un vantaggio notevole per team avanzati, ma richiede competenze tecniche e budget cloud.

Eventi nei funnel

Infine GA4 conta ogni ricaricamento di pagina come nuovo evento, anche quando il browser mostra il contenuto da cache.
Mentre Shopify potrebbe non farlo se la pagina è servita dalla cache del browser. Questo spiega in piccola parte delle discrepanze nei conteggi di alcuni eventi nel funnel.

Ad esempio:

Come ragiona Google Analytics (GA4)

• GA4 registra un evento begin_checkout ogni volta che riceve una chiamata dal tag gtag/gtm.

• Se ricarichi la pagina (anche con F5) o navighi avanti/indietro e il browser genera un nuovo evento, GA4 lo conta.

• Anche se il contenuto arriva dalla cache del browser, GA4 comunque registra un nuovo evento perché lo script viene eseguito di nuovo.

Come ragiona Shopify Analytics

• Shopify non sempre invia un nuovo “hit” quando la pagina viene ricaricata da cache.

• In certi casi considera ancora lo stesso evento, quindi non aumenta i conteggi come farebbe GA4.

• Di conseguenza Shopify tende a sottostimare alcuni ricaricamenti rispetto a GA4.

Perché GA4 ha un traffico più pulito di Shopify?

Tracciamento GA4: alcuni scenari possibili

Per i nostri fini possiamo considerare alcune possibilità di configurare il tracciamento di GA4 e di relazionarlo a Shopify, nessuna fra queste elimina la dispersione ma alcuni metodi sono più affidabili di altri.

Di seguito approfondiamo le varie configurazioni.

1. Solo client-side
È la configurazione standard che trovi appena installi GA4 o il tag tramite Google Tag Manager.
Tutti gli eventi (page_view, add_to_cart, purchase) vengono inviati dal browser dell’utente.

• Il vantaggio è ovviamente la semplicità: non servono setup complessi

• Lo svantaggio è che questo modello è il più fragile e meno affidabile. Se l’utente rifiuta i cookie, se il browser blocca lo script o se c’è un ad blocker attivo, l’evento non arriva come dovrebbe a GA4. In e-commerce con molto traffico mobile o iOS, la perdita può diventare significativa, e può superare anche il 20%.

2. Client-side + modellazione (Consent Mode v2)
Quando il consenso non viene dato, GA4 invia comunque ping anonimi ai server Google. Questi non creano vere sessioni, ma servono ad alimentare modelli statistici che stimano quante conversioni “mancano”.

• Qui il vantaggio è che si recupera parte della visione, utile soprattutto se usi Google Ads perché i modelli alimentano l’ottimizzazione delle campagne.

• Il rovescio della medaglia è che si tratta pur sempre di una stima. Nei report vedi numeri coerenti a livello di trend, ma non puoi considerare quelle vendite come conteggio fiscale certo.

  NB: questo modello ha l’obiettivo di stimare le conversioni perse, e funziona solo se il traffico è sufficientemente ampio (si parla di almeno 2.000 eventi settimanali da utenti senza consenso).

3. Server-side “solo purchase”
Qui Shopify invia l’evento di acquisto direttamente a GA4 tramite API (Measurement Protocol). È la soluzione di app citate prima come Littledata o Elevar.

• Con queste soluzioni se hai aggiornato il tracking per la Checkout / Thank You Page secondo le nuove estensioni di Shopify e usi il tracciamento server‑side, è possibile che l’evento purchase venga registrato in GA4 anche quando la thank‑you page non si carica completamente o quando lo script client‑side fallisce.
  Tuttavia è fondamentale che il setup sia ottimale: migrazione allo new Thank You/Order Status Page, uso di Custom Pixels / Customer Events, e gestione corretta del consenso. Senza questi aggiornamenti, alcuni ordini possono comunque perdersi..

• Va indicato che è possibile che gli eventi intermedi come add_to_cart, view_item o begin_checkout vengano tracciati server‑side, ma non sempre in modo perfetto. Dipende molto da cosa succede lato browser: se l’evento richiede interazione (scroll, clic su animazioni, aggiornamenti del carrello) o se ci sono condizioni come inattività prolungata, gli script client‑side possono fallire. In pratica il purchase è robusto, il funnel intermedio è meno garantito.

4. Full server-side (es. con GTM Server-Side)
In questo scenario tutti gli eventi passano da un server intermedio prima di arrivare a GA4. È il livello più avanzato di tracking.

• Il vantaggio è che riduce drasticamente l’impatto di ad blocker e script bloccati, migliora la qualità dei dati e permette anche di arricchire gli eventi con informazioni aggiuntive lato server (es. ID cliente, margini, parametri di prodotto).

• I limiti restano, il consenso dell’utente è ancora imprescindibile. Non puoi inviare dati identificativi se non approvati ed eventi comportamentali complessi come l’engagement time, lo scroll dinamico o le visualizzazioni che dipendono dal browser potrebbero essere persi o sottostimati. Serve inoltre un’infrastruttura cloud solida + competenze tecniche per evitare errori di sequenza, duplicazioni, o problemi di performance

GA4 nonostante i suoi limiti è indispensabile

Migliorare il tracciamento con soluzioni server-side o API ci permette di avvicinare i dati GA4 alle performance reali dello store.
Ma la questione non si esaurisce nell’affidabilità. Uno degli aspetti più delicati è l’attribuzione, cioè come vengono distribuiti i meriti delle vendite ai vari canali di marketing.

Qui le differenze tra Shopify e GA4 diventano decisive:

• Shopify assegna le vendite all’ultima fonte nota nel suo sistema. Se un cliente ha cliccato su una campagna Google Ads e dopo giorni torna digitando direttamente l’URL, la vendita finirà in “Direct”. In questo modo percorsi complessi e multicanale restano invisibili.

• GA4 mette a disposizione modelli di attribuzione più ricchi (last click, first click, lineare, data-driven). Tiene in considerazione più touchpoint e può distribuire il merito tra diversi canali, restituendo una lettura più vicina alla realtà.

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.

Basarsi solo su Shopify può portare a sottostimare il contributo delle campagne e sopravvalutare il direct.

GA4 non è perfetto e porta con sé limiti tecnici, ma per capire l’efficacia dei canali (senza scomodare Marketing Mix Modelling e altri sistemi più avanzati) resta comunque superiore.

Caso reale: quando GA4 racconta una storia sbagliata

(Q3 2025 vs Q3 2024)

In un eCommerce del settore retail a elevati volumi stagionali che seguiamo in ambito CRO, sperimentazione ed experience design , Shopify mostra nel Q3 2025 una crescita netta anno su anno:

+20% di ricavi e un tasso di conversione salito dall’1,0% all’1,3%.
(+30% anno su anno da quando seguiamo questo shop)

Shopify mostra un progetto in crescita con un fatturato che sale da circa 15,5 milioni a oltre 18,7 milioni di euro e un tasso di conversione che passa dall’1,02 all’1,36 per cento.

Le visite registrate sono leggermente inferiori rispetto all’anno precedente ma risultano più qualificate, perché la quota di utenti che arriva fino al checkout e completa l’acquisto è in aumento.

In altre parole, meno traffico ma più valore generato, un segnale tipico di un miglioramento nella qualità del funnel.

GA4, osservando lo stesso periodo, restituisce però una fotografia capovolta.

Le sessioni crescono in modo consistente, passando da 1,4 a oltre 2,1 milioni, ma le entrate scendono da 14,9 a 14,5 milioni.

Allo stesso tempo il tasso di coinvolgimento cala di oltre quindici punti percentuali e gli eventi per sessione aumentano bruscamente, segno che il tracciamento ha probabilmente subito variazioni tecniche.

Il dato più evidente riguarda la voce “Unassigned”, che nel 2025 raccoglie quasi due terzi del traffico e oltre un quarto del fatturato, mentre l’anno prima era marginale.

Parallelamente si svuota la categoria “Cross-network” che nel 2024 rappresentava una parte significativa delle conversioni.

In questo caso, questa discrepanza non può essere spiegata con le normali differenze fisiologiche tra i due sistemi.

È molto più probabile che nel 2025 siano state introdotte modifiche nella configurazione, come cambiamenti nel Consent Mode, attivazioni parziali di server-side tracking o aggiornamenti nel collegamento con Google Ads.

Anche l’aumento anomalo degli eventi chiave lascia pensare a una duplicazione client e server non correttamente deduplicata o al passaggio incompleto di parametri fondamentali come il valore ordine.

Il risultato pratico è che GA4, in questo caso, descrive un progetto fermo o addirittura in calo, dati di sessione gonfiati quando in realtà i dati transazionali di Shopify raccontano una crescita solida.

Per chi deve prendere decisioni di business il messaggio è semplice.

Finché non viene risolto il problema tecnico alla base dell’attribuzione, l’unica fonte attendibile per misurare i risultati economici resta Shopify.

GA4 può continuare a essere utilizzato, con alcune riserve,  per analizzare percorsi, device e pagine, ma le analisi sui canali di acquisizione e sulle revenue vanno sospese perché il rischio di decisioni basate su dati sbagliati è troppo alto.

Quando Shopify e GA4 possono essere in equilibrio

Se torniamo indietro al 2024 la situazione appare molto più coerente.

Shopify registra un fatturato di circa 15,5 milioni e GA4 si ferma poco sotto ai 15 milioni.

La discrepanza è minima e facilmente spiegabile, perché Shopify include tasse, spedizioni e resi nel calcolo del venduto mentre GA4 dipende dal modo in cui i parametri vengono inviati nel purchase event.

Le sessioni tornano, il tasso di conversione risulta pressoché identico, con Shopify che segna poco più dell’uno per cento e GA4 che si attesta all’1,06 per cento.

Anche la distribuzione per canale è credibile.

Paid Search porta più entrate di quante ci si aspetterebbe guardando solo al volume di sessioni, segno che gli utenti intercettati da questo canale hanno una propensione all’acquisto più alta.

Cross-network ha un peso consistente e appare coerente con il budget allocato in quel periodo, mentre Direct e Organic Search si muovono con valori logici e proporzionati. Perfino le quote più piccole, come Referral, Paid Social o Email, rientrano in range credibili e non mostrano anomalie.

Questa fotografia dimostra che quando la strumentazione è stabile le discrepanze tra Shopify e GA4 restano contenute e non compromettono le analisi.

Lo scarto di pochi punti percentuali rientra nella normalità e non cambia la lettura delle performance.

È in scenari come questo che GA4 diventa realmente utile, perché integra il dato contabile di Shopify con una visione sul comportamento degli utenti e sull’efficacia dei canali, senza introdurre distorsioni.

Come lo interpretiamo dal punto di vista CRO?

In definitiva quello che emerge è che l’aumento del tasso di conversione misurato da Shopify può essere considerato solido e affidabile.

Lo vediamo perché nel 2024 i dati tra le due piattaforme erano ben allineati e il setup era stabile, quindi abbiamo una baseline che conferma la bontà della misurazione.

Lo vediamo anche perché nel 2025, nonostante le distorsioni introdotte da GA4, i dati di Shopify restano coerenti con i numeri che il cliente ha effettivamente registrato in termini di ordini e fatturato.

Shopify non mente sul transato e questo lo rende il punto di riferimento da cui partire quando si vuole capire davvero come sta andando il business.

GA4 continua a servire come lente interpretativa sul comportamento e sui canali, ma la certezza contabile resta in Shopify.

Le conclusioni che possiamo portare sono che l’aumento del tasso di conversione appare credibile e supportato dai dati, soprattutto perché abbiamo preso come riferimento un periodo in cui il setup del tracciamento era buono e i numeri di Shopify risultavano ben allineati.

Questo rafforza l’idea che l’incremento reale, anche confrontandosi con il cliente, sia quello che emerge da Shopify, piattaforma che non può mentire sul fatturato. In termini pratici significa un aumento superiore al trenta per cento, che non è affatto trascurabile con questi volumi (non lo è a prescindere, sia chiaro)

Vale comunque la pena sottolineare che ogni analisi deve riservarsi un margine di cautela, perché il tracciamento va sempre verificato e migliorato, ma il trend resta solido e indicativo.

Per avere un ordine di grandezza, se nel 2025 il fatturato è stato di circa 18,8 milioni, senza l’incremento del tasso di conversione si sarebbe fermato a circa 14,4 milioni.

La differenza è di oltre 4,3 milioni che possono essere attribuiti in buona parte proprio all’ottimizzazione del conversion rate, un impatto che con volumi di questo livello diventa decisivo.

Conversion rate Shopify vs GA4

Perché lo stesso KPI “conversion rate” racconta due storie diverse

Come interpretare i tassi di conversione

In teoria la formula è identica per entrambi (sessioni con ordini diviso sessioni totali ) ma in pratica numeratore e denominatore nascono da logiche diverse.

Shopify è solido sugli ordini perché ogni acquisto concluso diventa un record certo nel backend;
GA4 lavora perlopiù lato client e può perdere parte dei purchase se lo script non si esegue, se manca il consenso o se ci sono blocchi.

Per questo di solito riporta meno sessioni rispetto a Shopify, anche se, come abbiamo visto, scenari e implementazioni possono produrre l’effetto opposto.

Quindi nel caso in cui GA4 sia ben allineato a i dati di sessione e ordini in Shopify, è preferibile considerarlo come canale elitario per le analisi legate alla conversion rate optimization.

I vantaggi  sono enormi. Segmentazioni più coerenti, confronto tra canali più stabile, lettura dei funnel più affidabile, ecc…

Diversamente quando i numeri presentano discrepanze molto abbondanti le cose si complicano…

Quando noti scostamenti marcati rispetto a GA4, deve accendersi una spia

Potrebbe esserci un tema di consenso, un doppio firing lato GA4, oppure una cattura non corretta lato Shopify Analytics a causa di impostazioni legate al consenso.

In questi casi meglio fermarsi un attimo, rivedere l’implementazione (consenso, deduplica client/server, gateway di pagamento esterni, thank-you page) e poi tornare a valutare il conversion rate con basi pulite.

In breve, come ragionare per ottimizzare al meglio senza farsi ingannare

1. KPI ufficiali → affìdali al backend di Shopify
2. CRO e analisi di canale → preferisci GA4 quando è allineato; se non lo è, prima sistema il tracciamento, e successivamente rivaluta il da farsi.
3. Se gli scarti persistono → considera server-side per il solo purchase (o soluzioni tipo Littledata/Elevar/Analyzify) per ridurre la perdita degli ordini in GA4, ricordando che gli eventi pre-checkout potrebbero restare comunque legati al client-side.

In questo modo il conversion rate torna ad essere uno strumento di direzione, letto nel contesto giusto e con i presupposti tecnici sotto controllo.

Ricordandoci anche che non è l’unica KPI da monitorare.

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 per l’appunto hanno basi diverse.

L’unico confronto ibrido sensato, in casi di lieve/media discrepanza 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 perfettamente.

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

Questa parte merita un approfondimento in quanto 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.

Con la modalità consent required, Shopify blocca ogni evento lato front fino a quando l’utente non accetta: è l’impostazione più restrittiva, ma rischia di cancellare grandi volumi di traffico e conversioni dai report analitici.

Con la modalità collected before consent, invece, Shopify raccoglie in forma limitata alcuni segnali di base anche in assenza di consenso, che vengono poi aggiornati o filtrati se l’utente accetta o rifiuta.

Questa seconda modalità è in genere preferibile, perché riduce il buco di dati e mantiene più continuità nei report, pur restando conforme al GDPR.

È fondamentale però distinguere tra frontend analytics e backend ordini: il primo può perdere o filtrare eventi in base al consenso, mentre il secondo registra sempre tutte le vendite, perché rappresentano atti contrattuali e fiscali che non possono andare persi.

Nota operativa: gli ordini nel backend sono sempre completi, mentre nei report Analytics se il banner Shopify o una CMP integrata con la Customer Privacy API è attivo e l’utente rifiuta, le conversioni non vengono tracciate (Chek-out completato)

Nell’esempio precedente abbiamo ritenuto il tasso di conversione in shopify “affidabile” in quanto il numero di ordini nel backend (19.993) differisce relativamente dal dettaglio dei Checkout Completati (17.734)

Nonostante ci sia una discrepanza del 12% circa tra gli ordini client-side e quelli da backend, la stima del Conversion Rate non cambia in modo significativo.

Il motivo è che, su numeri molto grandi (1.3 milioni di sessioni), una differenza assoluta di circa 2.200 ordini non impatta abbastanza da alterare statisticamente il CR in modo rilevante.

Per intenderci con un CR dell’1%, ti bastano 38.000 sessioni per avere un intervallo di confidenza del ±0,1% (cioè per dire “sono certo che il vero CR è tra 0,9% e 1,1%”).

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 come abbiamo visto 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 check-out completati (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).

Server-side tracking Shopify e GA4: come ridurre le discrepanze

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.

Spesso si parla di “server-side” in modo generico, ma in realtà esistono due approcci distinti, gli stessi visti in precedenza.

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

Con Elevar, Analyzify o Littledata possiamo integrare Shopify con GA4 inviando direttamente al server di Google l’evento “purchase” dal backend.

2. Implementazioni complete con Google Tag Manager Server-side

L’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.

• 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.

Caveat fondamentali

1. Il 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.

Best practice per ridurre le discrepanze Shopify vs GA4

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. Valuta di ponderare i dati

Dobbiamo considerare più fattori, sia ciò che viene meno sia le altre fluttuazioni di sessioni lato Shopify, che distorcono il denominatore del tasso di conversione.

Fattori di sottostima (perdita dati)

• Rifiuto cookie su Consent Mode → fino al 30% di eventi persi in assenza di modellazione lato GA4

• Ad-blocker o estensioni privacy → tra il 5% e il 15% a seconda del pubblico

• Errori JS, aborti del caricamento, instabilità mobile → stimati 5–10% in media

• Tracciamento lato server mal configurato → eventi purchase che non arrivano a GA4 o Shopify analytics

Fattori di sovrastima (sessioni gonfiate in Shopify)

• Suddivisione sessioni alla mezzanotte UTC → può creare sessioni doppie anche se l’utente naviga senza interruzioni

• Bot non filtrati lato Shopify (Google, Bing, strumenti di scraping) → anche 5–8% del traffico totale in certi settori

• Refresh multipli della pagina iniziale → Shopify può contarli come sessioni separate

• Limiti nel filtro IP interni o di test (sessioni che non dovrebbero contare)

Queste due dinamiche convivono. Si perdono sessioni buone da una parte e si aggiungono sessioni “spurie” dall’altra.
Il risultato, se la configurazione non è ottimale, è spesso un tasso di conversione meno affidabile.

3. Valutare i numeri, non le opinioni

Il tasso di conversione ha significato solo oltre una certa soglia di sessioni.

• Per un CR dell’1%, servono almeno 38.000 sessioni per avere un margine d’errore del ±0,1% con affidabilità statistica al 95%

E più il tasso di conversione è basso, più volumi servono per comprenderne la veridicità.

Senza un numero sufficiente di sessioni, anche piccoli delta negli ordini rendono il dato non più significativo.
Meglio lavorare su medie settimanali o mensili per attutire il rumore.

4. 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.

Per e-commerce con picchi di traffico serale o con utenti in fusi orari diversi, l’effetto può diventare rilevante.

Esempio su Ordini (risolvibile)

• 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.

Nota operativa: In Shopify il fuso dello store governa ordini e report finanziari, ma le sessioni “dell’Online store” si chiudono sempre a mezzanotte UTC. Anche con lo store impostato su Roma, Parigi o New York, il reset resta in UTC ed è una causa strutturale delle discrepanze con GA4. (UTC è l’ora di riferimento universale, Roma è UTC+1 in inverno e UTC+2 in estate, in termini pratici orario di Greenwich).

In termini di sessioni (non risolvibile):
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, il gap può diventare significativo (anche 20-30% in certi scenari, soprattutto con molto traffico mobile o internazionale).

Best practice: prima di confrontare i dati è fondamentale verificare che i fusi orari siano identici, altrimenti il disallineamento sarà strutturale.

5. Analisi direzionale

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.

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

6. 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.

In sintesti quali dati usare tra Shopify e GA4 per le tue analisi?

Come leggere le discrepanze oggi e domani

Come abbiamo capito, chi si aspetta che Shopify e GA4 raccontino la stessa storia resterà inevitabilmente deluso.

I due strumenti non sono stati progettati per coincidere.

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.

Bisogna considerare che con buona probabilità 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.

Mettiamoci poi pure tutta l’incognita legata a traffico di agenti AI e la nascita dell’agentic commerce.

Le soluzioni ibride, che combinano tracciamento client-side e server-side, diventeranno lo standard, la vera sfida sarà governare questo ecosistema senza farsi travolgere.

Ed è qui che entra in gioco il lavoro del CRO

Chi riuscirà a bilanciare i due livelli, operativo e analitico, sarà anche pronto ad affrontare i cambiamenti futuri senza farsi travolgere.

Usarli in opposizione è un errore, integrarli è l’unica strada per prendere decisioni basate sui dati.

Advertising Analisi dati Analisi marketing Analisi siti web