Après la mise en place des bannières de consentement, GA4 et les plateformes publicitaires affichent moins de ventes que la caisse de la boutique : dans l’exemple d’une boutique d’équipement outdoor, 876 transactions dans GA4 contre 1 200 commandes payées. Avec Consent Mode, les conversions manquantes dans GA4 représentent une perte de mesure durable. Avant la haute saison, on la confond facilement avec une vraie baisse des ventes, et une décision fondée sur cette lecture peut amputer le budget d’une campagne rentable. Ce guide explique comment calculer la couverture quotidienne de GA4 à partir des commandes de la boutique, comparer les conversions Google Ads à GA4, ramener les canaux GA4 à l’échelle de la caisse et déterminer un coefficient de correction pour obtenir un ROAS corrigé.
Trois sources, un même mois de septembre, trois chiffres différents : la caisse de la boutique enregistre 1 200 commandes, GA4 voit 876 transactions et Google Ads remonte 432 conversions, pour 360 transactions que GA4 attribue aux campagnes Google Ads. La mise en place et la validation de l’événement purchase relèvent d’un audit séparé. Il s’agit ici d’interpréter la perte qui subsiste même avec une implémentation correcte, et d’en tirer une lecture juste de la rentabilité des campagnes.
Scène tirée de la revue de septembre
Commandes en caisse contre transactions GA4
Le responsable d’une boutique de sport outdoor ouvre les résultats de septembre avant de préparer le plan du T4. Le back-office affiche 1 200 commandes payées pour 114 000 €, GA4 remonte 876 transactions pour 83 220 € et Google Ads 432 conversions d’achat. Trois chiffres pour le même mois de la même boutique, et entre la caisse et GA4, il manque 324 commandes et 30 780 €.
Septembre · boutique sport outdoor · 30 jours
Chaque case représente 12 commandes : 73 cases pleines = 876 transactions visibles dans GA4, 27 cases hachurées = 324 commandes enregistrées uniquement en caisse. Au total 1 200 / 876. Données illustratives.
La boutique, GA4 et la plateforme publicitaire comptent les mêmes ventes selon trois règles différentes, c’est pourquoi leurs résultats ne concordent jamais à l’unité près. Le guide sur l’analytique e-commerce automatisée explique comment réunir ces sources dans une vue unique et pourquoi on les compare sur des jours communs et des totaux cumulés. Cet article traite d’un seul de ces écarts : les commandes que GA4 n’a pas vues du tout.
GA4 ne voit une commande que si la balise dans le navigateur de l’acheteur a pu envoyer l’événement purchase. Causes les plus fréquentes de l’écart :
- Refus du consentement sur la bannière : l’acheteur clique sur « refuser » et, à partir de ce moment, les balises analytiques n’enregistrent ni sa visite ni son achat.
- Bloqueurs de publicités et de scripts : les extensions de navigateur arrêtent la balise GA4 avant qu’elle n’envoie quoi que ce soit.
- Safari et navigateurs limitant les cookies : la durée de vie réduite des cookies coupe l’identifiant de l’utilisateur et la source d’entrée, si bien qu’une partie des achats disparaît ou est attribuée au mauvais canal.
- Passage d’un appareil à l’autre : clic sur une annonce depuis le téléphone, achat sur l’ordinateur portable quelques jours plus tard. Le parcours se rompt, et la session d’achat est parfois celle où le consentement n’a pas été donné.
Le Consent Mode (mode de consentement des balises Google) détermine ce qui se passe après un refus. En mode basique, les balises sans consentement n’envoient rien : la commande disparaît de GA4 et des interfaces publicitaires. En mode avancé, des signaux sans cookies sont transmis et la modélisation de Google comble une partie de l’écart. Elle ne le fait toutefois que dans certains rapports et seulement une fois atteints des seuils de trafic et de consentements : dans les données brutes et dans de nombreux rapports, la perte demeure.
La configuration de la bannière et la base légale de la collecte des consentements relèvent du juridique et sortent du cadre de ce guide.
La caisse de la boutique sert de référence, car elle enregistre chaque commande, avec ou sans consentement. La commande est créée côté serveur de la boutique, avec son montant et son statut de paiement, que ni la bannière ni un bloqueur ne peuvent arrêter. Tout autre chiffre (GA4, interface Google Ads, interface Meta) se lit donc comme un pourcentage de la caisse.
L’interface Google Ads affiche plus que GA4, car elle ajoute des conversions modélisées et compte selon ses propres règles. 432 conversions dans l’interface contre 360 transactions que GA4 attribue aux campagnes Google Ads, soit 20 % de plus. Aucun de ces chiffres ne remplace les commandes de la boutique : la caisse reste la mesure des ventes totales, et GA4 comme l’interface montrent quelle part en atteint la mesure.
L’écart de 27 % subsiste même avec un événement purchase correctement implémenté. Il découle des choix des acheteurs et des réglages des navigateurs : aucune correction de balise ne le comblera. Plutôt que de le combattre, il faut le mesurer : jour par jour, sur les totaux de la boutique, et comme une norme stable à laquelle comparer les semaines suivantes.
Définitions et formules
Couverture GA4 et coefficient de correction : définitions
Pour corriger les rapports, deux chiffres calculés par rapport à la caisse de la boutique suffisent : la couverture GA4 et le coefficient de correction. Il faut d’abord fixer un vocabulaire commun, car le mot « conversion » n’a pas le même sens dans GA4, dans l’interface Google Ads et dans la boutique.
Définitions de travail
Consent Mode désigne le comportement des balises Google en l’absence de consentement aux cookies. En mode basique, elles n’envoient rien ; en mode avancé, elles envoient des signaux sans identifiants, à partir desquels Google modélise une partie des conversions.
La couverture GA4 est le rapport entre les transactions enregistrées dans GA4 et les commandes payées de la boutique (hors annulations) sur le même jour ou la même période. Elle se calcule sur le nombre de commandes et sur leur valeur.
Le ratio interface / GA4 correspond aux conversions d’achat déclarées par la plateforme publicitaire divisées par les transactions que GA4 attribue à cette même plateforme. Il montre ce que l’interface ajoute par rapport à GA4 (conversions modélisées, fenêtres d’attribution propres).
Le coefficient de correction est l’inverse de la couverture : les commandes de la boutique divisées par les transactions GA4. On multiplie les chiffres de GA4 par ce coefficient pour les ramener à l’échelle de la caisse.
La couverture en nombre et en valeur est identique dans l’exemple, car on a retenu un panier moyen unique de 95 € pour tous les canaux. Dans une vraie boutique, ces deux valeurs divergent lorsque les refus de consentement concernent plus souvent les clients aux paniers moins chers ou plus chers. On corrige alors le nombre de commandes avec la couverture en nombre, et le chiffre d’affaires et le ROAS avec la couverture en valeur.
Quatre règles de calcul déterminent si la couverture mesure le tracking ou une erreur dans le calcul lui-même :
- Même jour et même fuseau horaire. La boutique enregistre la commande selon l’horloge du serveur, GA4 selon le fuseau défini dans la propriété. Un décalage d’une heure fait basculer les commandes passées autour de minuit sur le jour voisin et fausse la couverture journalière.
- Côté boutique, uniquement les commandes payées, hors annulations. Inclure au dénominateur les commandes impayées et annulées gonfle la caisse de ventes qui n’ont pas eu lieu et sous-estime à tort la couverture.
- Comparaison sur des agrégats journaliers. L’écart lié aux consentements est de nature statistique : les totaux du jour suffisent pour le mesurer, à savoir le nombre et la valeur des commandes de la boutique face aux transactions purchase dans GA4. La répartition par canal est traitée comme une estimation d’après GA4 et les interfaces.
- Couverture d’une période calculée à partir des totaux de commandes et de transactions. Pour septembre, 876 / 1 200. La moyenne de trente pourcentages journaliers donnerait à un jour de 34 commandes le même poids qu’à un jour de 47.
L’interface est souvent nettement plus proche de la caisse que GA4. GA4 attribue 360 transactions aux campagnes Google Ads, alors que l’interface déclare 432 conversions (ratio 1,20), car elle ajoute des conversions modélisées et compte selon sa propre fenêtre d’attribution et la date du clic. Le chiffre plus élevé de l’interface contient davantage d’estimation : l’interface ne remplace donc pas la caisse comme point de référence.
Chaque boutique a sa propre norme de couverture, établie à partir de son historique : dans l’exemple, septembre reste dans une fourchette de 72–74 % jour après jour. Lorsque la couverture se situe sous sa norme dès le premier jour de l’implémentation, la cause est souvent l’implémentation elle-même, par exemple un événement purchase qui ne se déclenche pas pour certains moyens de paiement ou après le retour depuis le prestataire de paiement. Ce cas relève d’un audit des événements GA4 et de la couverture purchase ; ce guide traite de la perte qui subsiste après une implémentation correcte.
Deux chiffres suffisent pour corriger n’importe quel rapport. La couverture indique quelle part des ventes la mesure capte ; le coefficient indique par combien multiplier la valeur GA4 pour la ramener à l’échelle de la caisse. Les deux se calculent avec précision pour l’ensemble de la boutique, tandis que les valeurs par canal issues de GA4 et recalculées avec ce coefficient restent une estimation, à vérifier avec l’interface et le MER.
Canaux
Canaux GA4 et interfaces ramenés à l’échelle de la caisse
La couverture globale de 73 % n’est exacte qu’à l’échelle de toute la boutique, car la caisse ne connaît pas les canaux. Or le budget se déplace d’un canal à l’autre : les canaux se lisent donc via GA4 et les interfaces publicitaires. GA4 fournit les proportions, le coefficient global les ramène à l’échelle de la caisse, et le rapport entre interface et GA4 indique où l’écart tend à être plus grand.
Les chiffres par canal proviennent de GA4 et des interfaces publicitaires. Les transactions sont issues du rapport source/medium de GA4 regroupé par canaux, les conversions viennent des interfaces, et la colonne à l’échelle de la caisse correspond aux transactions GA4 multipliées par le coefficient global de 1,37, soit une estimation selon GA4. Voici septembre dans une boutique de sport outdoor (données indicatives) :
| Canal (selon GA4) | Transactions GA4 | Estimation à l’échelle de la caisse (GA4 × 1,37) | Conversions dans l’interface | Part des transactions GA4 | Rapport à GA4 (interface ou caisse) |
|---|---|---|---|---|---|
| Google Ads | 360 | 493 | 432 | 41 % | 1,20 |
| Meta | 130 | 178 | 182 | 15 % | 1,40 |
| Organique (moteur de recherche) | 238 | 326 | – | 27 % | – |
| Accès direct et sans UTM | 104 | 143 | – | 12 % | – |
| Autres sources | 44 | 60 | – | 5 % | – |
| Total | 876 | 1 200 | – | 100 % | 1,37 |
Le rapport entre interface et GA4 indique où l’écart est plus grand. Meta affiche 182 conversions dans son interface contre 130 transactions dans GA4 (1,40), Google Ads 432 contre 360 (1,20) : le trafic des publicités dans les applications arrive surtout sur mobile, où la bannière se solde plus souvent par un refus, et les navigateurs intégrés aux applications perdent cookies et paramètres d’entrée. L’interface compte toutefois selon ses propres fenêtres et ajoute de la modélisation : ce rapport indique une tendance, sans mesurer l’écart propre au canal.
Le coefficient global de 1,37 est une moyenne de toute la boutique. Pour les canaux où GA4 perd davantage (signal : rapport interface/GA4 élevé), la lecture corrigée reste souvent prudente ; pour le moteur de recherche, où l’achat se conclut plus souvent en une seule session dans un navigateur classique, elle peut légèrement surestimer. C’est pourquoi le ROAS corrigé d’un canal se lit avec la valeur de l’interface et le MER global.
L’accès direct dans GA4 récupère une partie des commandes qui ont perdu leur source. Quand la session perd ses cookies ou ses paramètres en route (refus du consentement à la première visite, changement d’appareil, lien depuis une application), GA4 attribue la transaction à l’accès direct au lieu de la campagne. La part de l’accès direct dans GA4 se lit donc avec prudence : ces 104 transactions mêlent de vraies saisies d’adresse et des achats dont GA4 a perdu l’origine.
Les petits canaux ont un petit échantillon. Les autres sources représentent 44 transactions GA4 par mois, soit 1–2 par jour : leur part peut varier fortement d’une semaine à l’autre. Ces chiffres se calculent sur plusieurs semaines complètes et restent indicatifs.
On n’additionne pas les revenus des interfaces publicitaires à la place de la caisse : un même achat peut être attribué à la fois par Google Ads et Meta, la somme des interfaces surestime donc les ventes, et la mesure des ventes totales reste les commandes de la boutique.
Note méthodologique : les chiffres sont indicatifs. Les transactions par canal proviennent de GA4 (source/medium regroupés par canaux), les conversions des interfaces publicitaires, et la colonne à l’échelle de la caisse correspond aux transactions GA4 multipliées par le coefficient global de 1,37 et arrondies au total de la caisse, soit une estimation selon GA4. Avec le modèle basé sur les données, GA4 répartit les achats autrement que les interfaces, qui comptent selon leurs propres fenêtres et règles : le rapport interface/GA4 reste donc une approximation.
Les canaux se lisent à l’échelle de la caisse via GA4 et le coefficient global. La somme des canaux multipliés par 1,37 retombe sur les 1 200 commandes de la caisse, et le rapport interface/GA4 (de 1,20 à 1,40) montre pour quels canaux cette estimation est plutôt prudente.
Décision budgétaire
ROAS corrigé avant toute décision de budget
L’écart de mesure coûte le plus cher au moment de décider du budget. Un ROAS calculé sur le revenu GA4 hérite directement de la perte de 27 % : la dépense au dénominateur est complète, car l’interface publicitaire connaît chaque euro, tandis que le revenu au numérateur est amputé des ventes sans consentement. Cette lecture sous-estime systématiquement la rentabilité de chaque campagne, et de façon inégale, car chaque canal perd une part différente de la mesure.
Définitions de travail
ROAS (retour sur dépenses publicitaires) = revenu attribué à la campagne / dépense de la campagne. Le résultat dépend de la source du revenu au numérateur : caisse de la boutique, GA4 ou interface publicitaire.
MER (ratio d’efficacité marketing) = revenu total de la boutique / dépense publicitaire totale, sans attribuer les ventes aux canaux. Seuil de rentabilité du ROAS = 100 / marge brute en % : en dessous, la publicité absorbe toute la marge.
Le seuil et l’objectif découlent de la marge de la boutique et restent fixes. La boutique outdoor a une marge brute de 40 %, le seuil est donc de 100 / 40 = 2,5 (calcul complet dans le guide quel ROAS est bon). Le propriétaire a fixé un objectif de 4,0 pour que la publicité dégage un bénéfice couvrant les coûts fixes ; seule change la lecture que vous comparez à ces deux chiffres.
Deux campagnes, trois lectures des mêmes ventes (septembre, données indicatives ; échelle 0–6) :
Google Ads · dépense de 9 120 €
Meta · dépenses 4 750 €
L’interface Google Ads affiche 4,5, soit une valeur intermédiaire. Elle ajoute les conversions modélisées (432 contre 360 transactions dans GA4) et sous-estime donc moins que GA4, mais elle compte selon ses propres fenêtres et règles d’attribution. C’est pourquoi la correction part de GA4, l’interface sert de point de contrôle et le MER vérifie l’ensemble.
Le MER du portefeuille, 8,22, est un contrôle insensible au consentement. Le chiffre d’affaires de 114 000 € provient de la caisse et les dépenses de 13 870 € des plateformes publicitaires : la bannière de consentement n’a aucun effet sur ce chiffre. Si le ROAS des campagnes dans GA4 baisse alors que le MER reste stable, la baisse vient de la mesure ; si le MER baisse aussi, le problème concerne les ventes ou les dépenses.
L’erreur la plus coûteuse après une baisse de couverture
Couper le budget sur la base du ROAS GA4 : avec une lecture de 2,6, Meta ressemble à une campagne « tout juste à l’équilibre », juste au-dessus du seuil de 2,5, et elle est la première sacrifiée. Après correction par le coefficient global, la même campagne atteint environ 3,56, l’interface Meta affiche 3,64 et le MER du portefeuille reste à 8,22. L’arrêter supprime des ventes que GA4 ne voit tout simplement pas.
Procédure avant toute décision sur le budget d’une campagne :
Calculer la couverture sur 4 semaines complètes
Comparez les commandes payées de la caisse avec les transactions GA4 des mêmes jours, sur les totaux de toute la boutique. Quatre semaines complètes lissent l’effet des jours de la semaine et diluent les écarts ponctuels.
Recalculer le ROAS GA4 avec le coefficient de correction
Coefficient = commandes de la boutique / transactions GA4 = 1,37. Le chiffre d’affaires GA4 de chaque canal est multiplié par ce coefficient : Google Ads 3,75 × 1,37 = 5,14, Meta 2,6 × 1,37 = 3,56 ; le résultat par canal reste une estimation selon GA4.
Comparer avec la plateforme publicitaire et le MER
Comparez le ROAS corrigé avec celui des plateformes (Google Ads 4,5, Meta 3,64) : deux lectures du même côté du seuil confirment la tendance, et un MER de 8,22 confirme que le portefeuille est rentable. Un écart net signale une erreur de mapping des canaux dans GA4 ou un coefficient obsolète.
Décider sur la valeur corrigée
Le seuil de 2,5 et l’objectif de 4,0 restent ceux issus de la marge ; vous les comparez à 5,14 et 3,56 au lieu de 3,75 et 2,6. Google Ads, au-dessus de l’objectif, est candidat à une hausse de budget ; Meta, au-dessus du seuil mais sous l’objectif, est à maintenir et à continuer d’optimiser.
Consigner le coefficient pour la revue mensuelle
Le coefficient global de la boutique, avec sa date de calcul, ainsi que le rapport plateforme/GA4 par canal sont reportés dans le tableau de revue. Après une modification de la bannière ou des paramètres de consentement, on les recalcule, car les anciennes valeurs fausseraient la correction à la hausse ou à la baisse.
Le coefficient de correction change la lecture ; l’objectif et le seuil restent ceux de la marge. Le même calcul transforme « Google Ads sous l’objectif » en Google Ads environ 28 % au-dessus de l’objectif (5,14 contre 4,0), et fait passer Meta du statut de candidate à l’arrêt à celui de campagne nettement au-dessus du seuil (3,56 contre 2,5). Le budget n’a pas bougé d’un euro ; seul a changé le chiffre sur lequel repose la décision.
Diagnostic de la baisse
Perte durable de mesure ou vraie baisse des ventes
Une baisse dans GA4 a trois origines possibles, et chacune appelle une réponse différente : un changement durable de la mesure, une panne de balise ou une baisse réelle des ventes. Un seul chiffre, calculé avant toute interprétation, permet de trancher : la couverture GA4 quotidienne comparée à sa propre norme. Si la couverture est stable, la baisse dans GA4 est une baisse en caisse ; si la couverture bouge, une partie de la « baisse » vient de la mesure.
La norme de couverture se calcule sur des semaines complètes postérieures au dernier changement de bannière. Dans une boutique d’articles outdoor, la semaine du 8 au 14 septembre compte 280 commandes en caisse et 204 transactions dans GA4, soit 72,9 %, et chaque jour reste dans une fourchette étroite de 72,2–73,7 %. Cette stabilité définit la norme : 72–74 %.
Semaine du 8 au 14/09 · caisse et GA4 jour par jour
Couverture quotidienne sur une échelle de 55–80 %
Bande grise : norme 72–74 %. Points pleins : jours du 8 au 14/09 (total 280/204 = 72,9 %). Point en pointillé : 18/09.
La hauteur des barres varie d’un jour à l’autre, la couverture presque pas. Le dimanche compte le plus de commandes (47), le samedi le moins (34), et la part visible dans GA4 reste dans la même bande. C’est pourquoi le 18/09, avec une couverture de 61 %, ressort immédiatement du graphique, alors que ses 41 commandes semblent tout à fait ordinaires.
Trois schémas suffisent pour identifier la cause de toute baisse visible dans GA4. La clé est toujours d’observer ensemble l’évolution de la caisse et celle de la couverture :
GA4 baisse, ventes stables, couverture en recul durable
Changement de consentements, de bannière ou de comportement des navigateurs. Août → septembre : boutique 1 215 → 1 200 (−1,2%), GA4 972 → 876 (−9,9%), couverture de 80% à 73%. Le nouveau niveau devient la nouvelle norme.
La couverture sort de la norme, le 2e jour le confirme
Tag d’achat, nouvelle version de la bannière, modification du modèle de tunnel de commande. 18/09 : 61% pour une norme du jeudi à 72,5%, le jour suivant également hors de la bande. À vérifier en urgence.
Ventes et GA4 baissent ensemble, couverture stable
La mesure fonctionne correctement, ce sont les ventes qui ont baissé. Diagnostic par décomposition : sessions × conversion × panier moyen, ventilé par canal selon GA4.
Le cas août–septembre montre à quel point une baisse dans GA4 peut induire en erreur. Si la couverture était restée à 80%, les 1 200 commandes de septembre auraient donné 960 transactions dans GA4 ; 876 ont été enregistrées. Sur les 96 transactions perdues dans GA4, 84 proviennent de la baisse de couverture et seulement 12 correspondent aux 15 commandes en moins côté boutique (15 × 0,8 = 12).
Une panne se repère le matin, sur les données complètes de la veille. Comparer la couverture d’hier à la norme du même jour de la semaine (un jeudi avec les jeudis) fait partie de la revue matinale décrite dans le guide sur le monitoring et les anomalies en e-commerce ; l’heure exacte de l’incident ne ressortira que de l’historique des publications du gestionnaire de balises ou des modifications de l’outil de consentement. Un écart modéré doit être confirmé par un deuxième jour : une seule mesure plus faible ne déclenche donc pas encore d’alerte.
Les seuils de réaction se calculent à partir de la norme du jour de la semaine concerné. Le signal est un écart de couverture de plus de 3 points (pour un jeudi dont la norme est de 72,5% : un résultat inférieur à 69,5% ou supérieur à 75,5%), et la réaction intervient après deux jours consécutifs de ce type :
| Mesure de couverture | Exemple d’une boutique outdoor | Statut | Action |
|---|---|---|---|
| Dans la norme du jour de la semaine (écart jusqu’à 3 points) | jeudi : 69,5–75,5% | dans la norme | lire une baisse dans GA4 comme une baisse des ventes ; diagnostic des ventes |
| Écart de plus de 3 points, un jour | 18/09 : 61% (41/25) | signal | note, test d’achat rapide sur le site, mesure du jour suivant |
| Écart de plus de 3 points, deux jours consécutifs | 18/09 et 19/09 hors de la bande | réaction | vérification du tag d’achat, de la version de la bannière et du modèle ; décisions budgétaires sur le MER calculé à partir des commandes de la boutique et sur les données des plateformes, sans ROAS GA4 jusqu’à la correction |
| Nouveau niveau stable après un changement de consentements | septembre 73% après 80% en août | nouvelle norme | norme à partir de la date du changement, recalcul du coefficient de correction et du rapport plateforme/GA4 |
| Couverture stable, ventes en baisse | boutique et GA4 en baisse d’un pourcentage similaire | baisse réelle | décomposition sessions × conversion × panier par canal selon GA4 |
Changement de bannière
Après chaque changement de bannière, de version de l’outil de consentement ou de texte du message, la norme de couverture se recalcule à partir de la date du changement. Cette date est ajoutée en annotation au calendrier des événements de la boutique, pour que dans un trimestre personne ne compare les 73% de septembre aux 80% d’août comme s’il s’agissait d’une même mesure. Tant que les semaines complètes après le changement ne sont pas réunies (idéalement quatre), la nouvelle norme reste provisoire.
D’abord la couverture, ensuite l’interprétation de la baisse. Une couverture stable signifie que GA4 reflète fidèlement les proportions des ventes et qu’une baisse dans le rapport est une baisse réelle des ventes. Une couverture décalée impose de recalculer le coefficient de correction avant toute conclusion sur les campagnes.
DataOrganizer
Comment DataOrganizer calcule la couverture GA4 par jour
Le calcul de la couverture nécessite trois sources dans un même tableau journalier : les ventes de la boutique, GA4 et la plateforme Google Ads. À la main, cela représente trois exports, l’alignement des dates et des fuseaux horaires et l’assemblage d’un tableur à chaque revue. Dans DataOrganizer, ces données alimentent un modèle de données unique et sont actualisées chaque matin avec les données complètes de la veille.
- Boutique (WooCommerce, Shopify, IdoSell, PrestaShop, Shoper et les autres systèmes connectés) : nombre et valeur des commandes ainsi que leur statut. C’est le dénominateur de tout calcul de couverture.
- GA4 : transactions et chiffre d’affaires par source/medium et par campagne : le total du jour constitue le numérateur de la couverture, et la ventilation par canal sert d’estimation des proportions.
- Google Ads : conversions et all_conversions avec leurs valeurs par campagne, nécessaires au rapport plateforme/GA4, ainsi que les dépenses pour le ROAS et le MER.
- Meta : dépenses et conversions des campagnes, qui servent à calculer le ROAS de la plateforme et le ROAS corrigé.
La comparaison est réalisée par l’assistant IA sur des agrégats. Il met en regard les totaux journaliers des commandes de la boutique, les transactions GA4 et les conversions des plateformes, et présente la ventilation par canal selon GA4 et les plateformes à titre d’estimation ; tout le calcul repose sur les totaux du jour. La connexion des sources se fait en autonomie, sans développeur, et la facturation se fait par source connectée.
Voici à quoi ressemble la revue mensuelle avant une décision budgétaire :
Septembre : GA4 voit 876 des 1 200 commandes payées, soit 73%. Le coefficient de correction pour l’ensemble de la boutique est de 1,37 ; je prends les canaux depuis GA4 et les plateformes, et l’échelle des ventes par canal est une estimation :
| Canal (GA4) | GA4 | Échelle ventes ×1,37 | Plateforme | Rapport à GA4 | ROAS GA4 | ROAS corrigé |
|---|---|---|---|---|---|---|
| Google Ads | 360 | 493 | 432 | 1,20 | 3,75 | 5,14 |
| Meta | 130 | 178 | 182 | 1,40 | 2,6 | 3,56 |
| Toute la boutique | 876 | 1 200 | – | 1,37 | – | MER 8,22 |
Jour par jour : la couverture reste dans la norme de 72–74%. Exception le 18/09 : 41 commandes, 25 transactions, 61% après la mise à jour de la version de la bannière ; le jour suivant a confirmé l’écart, ce jour est donc à vérifier comme une panne de tag, distincte de la perte durable.
D’août à septembre : boutique 1 215 → 1 200 (−1,2%), GA4 972 → 876 (−9,9%), couverture de 80% à 73%. La baisse dans GA4 est surtout une perte de mesure, alors que les ventes réelles sont quasi stables. La plateforme Google Ads affiche 432 conversions, soit 20% de plus que les 360 transactions GA4 de ce canal, car elle inclut les conversions modélisées.
Conclusion pour le budget : Meta, à 2,6 dans GA4, donne environ 3,56 après correction par le coefficient global, et 3,64 selon la plateforme : la campagne se situe nettement au-dessus du seuil de 2,5, bien qu’en dessous de l’objectif de 4,0, elle est donc à maintenir plutôt qu’à couper. Google Ads corrigé à 5,14 dépasse l’objectif, et le MER du portefeuille à 8,22 confirme que l’ensemble est rentable.
La réponse peut être reproduite chaque matin. Les mêmes tableaux, appliqués à la journée complète de la veille, montrent si la couverture est restée dans la norme du jour de la semaine et fournissent en fin de mois des coefficients à jour pour la revue du budget. Un changement d’échelle de la couverture apparaît dans les données quotidiennes avant d’influencer les décisions sur les campagnes.
Note méthodologique : les chiffres de l’exemple sont indicatifs. Pour simplifier, un panier moyen unique de 95 € a été retenu pour tous les canaux, si bien que la couverture en nombre et en valeur est identique ; dans une boutique réelle, il vaut mieux calculer les deux. Les chiffres par canal proviennent de GA4 et des interfaces publicitaires, et leur transposition à l’échelle des ventes réelles reste une estimation ; la façon dont Google modélise les conversions évolue dans le temps, c’est pourquoi le coefficient de correction se recalcule chaque mois.
À retenir
Le budget se fixe sur le MER calculé à partir des ventes de la boutique et sur le ROAS corrigé. GA4 reste la source des proportions entre canaux et des parcours clients ; le coefficient de correction global ramène ses chiffres à l’échelle des commandes, et la couverture quotidienne permet de vérifier que cette échelle n’a pas changé.
Note méthodologique : les chiffres des exemples sont indicatifs (boutique de sport et outdoor, septembre), et le panier moyen unique de 95 € pour tous les canaux est une simplification du calcul. Les chiffres par canal proviennent de GA4 et des interfaces publicitaires, et leur conversion à l’échelle des ventes réelles via le coefficient global reste une estimation. La couverture se calcule sur des agrégats quotidiens, et la modélisation des conversions côté Google évolue dans le temps : il est donc utile de mettre à jour la norme de couverture chaque mois.
À retenir
Prenez vos décisions budgétaires sur le MER calculé à partir des commandes de la boutique et sur le ROAS GA4 corrigé par le coefficient global ; GA4 reste la source des proportions et des parcours. La couverture GA4 mesurée par rapport à sa propre norme permet de distinguer la perte durable liée au consentement d’une panne de balise ou d’une vraie baisse des ventes, avant que quelqu’un ne coupe une campagne rentable.
FAQ
Questions fréquentes sur Consent Mode et les manques GA4
Combien de conversions GA4 perd-il à cause de Consent Mode ?
Il n’existe pas de chiffre universel : la perte dépend du taux de refus du consentement, de la répartition des appareils et navigateurs et de la structure des canaux. Dans l’exemple de la boutique outdoor, GA4 voit 876 des 1 200 commandes payées, soit 73 %. Votre propre écart se calcule en divisant les transactions GA4 par les commandes payées de la boutique du même jour.
Pourquoi GA4 affiche-t-il moins de transactions que la boutique ?
GA4 perd les commandes des clients qui ont refusé le consentement, utilisent un bloqueur ou un navigateur limitant les cookies, ou ont changé d’appareil en cours d’achat ; la caisse de la boutique enregistre chaque commande, consentement ou non. Pour la comparaison, on ne retient que les commandes payées et hors annulations, car les commandes non payées faussent la couverture à la baisse. Si la couverture est faible dès le premier jour de la mise en place, c’est l’objet d’un audit de l’événement purchase.
Google Ads modélise-t-il les conversions manquantes après un refus de consentement ?
En mode avancé de Consent Mode, les balises envoient des signaux sans cookies et Google comble une partie de l’écart par modélisation, à condition que les seuils de trafic soient atteints ; en mode basique, rien n’est transmis sans consentement. C’est pourquoi l’interface publicitaire est parfois plus proche des ventes réelles que GA4 : dans l’exemple, 432 conversions dans l’interface contre 360 transactions GA4 issues des campagnes Google Ads, soit 20 % de plus. Les conversions modélisées sont une estimation : la rentabilité globale se vérifie donc avec le MER calculé sur les commandes de la boutique.
Comment calculer le coefficient de correction des conversions GA4 ?
Le coefficient de correction correspond aux commandes payées de la boutique divisées par les transactions GA4 de la même période, calculé pour l’ensemble de la boutique sur les quatre dernières semaines complètes : dans l’exemple, 1 200 / 876 = 1,37. On multiplie par ce coefficient le chiffre d’affaires GA4 par canal : un ROAS Meta de 2,6 donne environ 2,6 × 1,37 = 3,56. L’écart se répartit de façon inégale, c’est pourquoi le résultat d’un canal se vérifie avec le chiffre de l’interface (Meta 3,64) et le MER global (8,22).
Comment distinguer une baisse des ventes d’une perte de mesure dans GA4 ?
Il faut d’abord vérifier la couverture : si la caisse est stable, que GA4 recule et que la couverture chute d’un coup puis reste à ce nouveau niveau (août 80 %, septembre 73 %, caisse −1,2 %, GA4 −9,9 %), la baisse est surtout liée à la mesure. Une couverture qui sort de la norme du jour de la semaine deux jours de suite signale une panne de balise ou de bannière, tandis qu’une baisse simultanée de la caisse et de GA4 avec une couverture stable traduit une vraie baisse des ventes. DataOrganizer réunit les commandes de la boutique, GA4 et Google Ads dans un même modèle actualisé chaque matin avec les données complètes de la veille : l’assistant IA calcule la couverture par jour en une seule question et présente la répartition par canal selon GA4 et les plateformes, à titre d’estimation.
L’essentiel du guide
L’écart Consent Mode en trois calculs
1. 1. Les ventes de la boutique comme référence. La couverture GA4 correspond aux transactions GA4 divisées par les commandes payées de la boutique du même jour ; sa propre norme (72–74 % dans l’exemple) montre la part des ventes qui échappe à la mesure, même avec une implémentation correcte.
2. 2. Corriger les chiffres GA4 avant de décider du budget. Le ROAS GA4 multiplié par le coefficient de l’ensemble de la boutique donne une estimation à l’échelle des ventes réelles, vérifiée avec le chiffre de l’interface, tandis que le seuil et l’objectif découlent de la marge (2,5 et 4,0 pour une marge de 40 %). Le MER calculé à partir des ventes sert de contrôle insensible au consentement.
3. 3. La couverture calculée chaque matin dans DataOrganizer. Les commandes de la boutique, GA4 et les campagnes Google Ads arrivent dans un même modèle de données avec la journée complète de la veille, et l’assistant IA calcule sur demande la couverture, les coefficients et le ROAS corrigé. Un écart par rapport à la norme du jour de la semaine confirmé le lendemain permet de distinguer une panne d’une perte durable.
DataOrganizer · écart de mesure lié au consentement
Connectez votre boutique, GA4 et vos plateformes publicitaires : la couverture GA4 par jour, le coefficient de correction des chiffres GA4 et le MER sur les commandes de la boutique se calculent à partir des données. Connexion en autonomie, sans développeur ; vous ne payez que les sources connectées.