Tout e-commerçant connaît cette impression : GA4 affiche des milliers de sessions et « une conversion de 3,3 % », alors que le compte bancaire indique simplement une semaine plus faible. Les statistiques et les ventes ne parlent pas la même langue. Ce guide montre où et comment relier le tunnel e-commerce amélioré aux commandes réelles de la boutique, pour chiffrer chaque étape en euros et corriger en commençant par la plus coûteuse.
Les bases
Tunnel e-commerce GA4 : les quatre événements qui le forment
Le tunnel n’est pas un rapport que GA4 fournit « clé en main ». Il se construit à partir des événements e-commerce amélioré que la boutique envoie pendant l’achat :
Définition
Le tunnel de vente dans GA4 est une séquence d’événements e-commerce amélioré (affichage de la fiche produit, ajout au panier, début du paiement, achat) que l’on peut mesurer à deux niveaux : session (combien de sessions passent à l’étape suivante, par canal et par campagne) et produit (comment chaque produit se comporte de l’affichage à l’achat). Le tunnel ne vaut que ce que vaut l’implémentation des événements qui le composent.
Deux conditions déterminent l’utilité du tunnel. D’abord, l’exhaustivité : chacun des quatre événements doit transmettre l’identifiant produit, la valeur et la devise, et purchase aussi un identifiant de transaction identique au numéro de commande. Ensuite, l’hygiène : des balises déclenchées deux fois ou un purchase envoyé à chaque rechargement de la page de remerciement peuvent fabriquer un tunnel qui n’existe pas. Avant de tirer des conclusions, consacrez une journée à l’audit des événements.
L’angle mort
Ce que le tunnel GA4 ne dit pas sans les données boutique
Les questions des dirigeants et des managers portent toujours sur l’argent, et le tunnel répond en pourcentages. Seul le rapprochement des deux mondes donne des réponses sur lesquelles agir :
| La question de la direction | Ce que voit GA4 seul | Ce que voit la boutique seule | Ce qui n’apparaît qu’ensemble |
|---|---|---|---|
| « Pourquoi la semaine a-t-elle été plus faible ? » | la conversion est passée de 3,6 % à 3,3 % | 118 commandes de moins | quelle étape du tunnel a décroché, depuis quel jour et pour combien d’euros |
| « Ce produit se vend-il ? » | affichages et paniers du produit | unités, chiffre d’affaires, marge, stock | où le produit perd ses clients et s’il vaut la peine de le sauver |
| « Quel canal rapporte ? » | sessions et événements par canal | chiffre d’affaires total et commandes payées, sans ventilation par canal | MER global à côté de la part des canaux dans les transactions selon GA4 (estimation) |
| « Combien nous coûte le checkout ? » | pourcentage d’abandons au paiement | valeur des commandes payées | valeur des paniers qui, chaque semaine, n’arrivent pas jusqu’à la caisse |
S’y ajoute l’écart entre les chiffres eux-mêmes : le purchase de GA4 dépend des consentements, des bloqueurs et des redirections interrompues, et ignore totalement les statuts de commande. GA4 voit généralement 60–85 % des commandes réelles, le tunnel se lit donc avec le taux de couverture. Les mécanismes de ces écarts sont décrits dans le guide de l’analytique e-commerce automatisée, et les limites du rapprochement entre données publicitaires et ventes dans le guide des conversions et de l’attribution.
Un pourcentage de conversion ne fait pas mal. Ce qui fait mal, ce sont dix mille euros de paniers qui, pendant deux jours, ne sont pas arrivés jusqu’à la caisse.
Rapprochements
Où croiser l’entonnoir et les ventes : trois niveaux de rapprochement
Le rapprochement entre GA4 et la boutique se fait sur trois niveaux, chacun avec ses propres agrégats et pour des questions différentes. La règle des autres guides s’applique ici aussi : l’axe, ce sont les commandes payées, et les données de l’entonnoir viennent s’y ajouter, jamais l’inverse.
| Niveau | Dimension commune | Ce que vous rapprochez | À quoi cela répond |
|---|---|---|---|
| 1 · Jour | date (canal et campagne uniquement côté GA4) | entonnoir par session de GA4 à côté du nombre et de la valeur quotidiens des commandes payées de la boutique | à partir de quel jour le problème a commencé et à quelle étape ; répartition par canal selon GA4 |
| 2 · Produit | identifiant produit (SKU) | entonnoir produit de GA4 à côté des unités vendues, de la marge et des stocks | quels produits suscitent de la demande sans se vendre, et pourquoi |
| 3 · Couverture | total sur le même jour ou la même semaine (sans rapprocher les commandes une à une) | nombre et valeur des purchase dans GA4 face aux commandes payées de la boutique | couverture de la mesure : sur quelle part des données vous travaillez réellement |
Le premier niveau est l’outil opérationnel du quotidien, le deuxième alimente les décisions sur l’offre et les campagnes produit, et le troisième relève de l’hygiène des données : on le vérifie chaque semaine pour pouvoir se fier aux deux premiers. Les trois exigent une seule chose : les événements GA4 et les commandes doivent se trouver dans le même modèle de données, avec les mêmes dates et les mêmes définitions.
À retenir
La dimension se choisit en fonction de la question. « Depuis quand la conversion baisse-t-elle ? » demande un rapprochement par jour (avec les canaux selon GA4). « Pourquoi le best-seller ne se vend-il plus ? » par SKU. « Puis-je me fier à l’entonnoir ? » par les totaux de purchase et de commandes sur la même période. Vouloir répondre à tout avec un seul rapport donne un rapport qui ne répond à rien.
Valorisation
Lire l’entonnoir en euros : valoriser chaque étape
Les statistiques commencent à servir les ventes au moment où les étapes de l’entonnoir reçoivent un prix. Voici la semaine d’une boutique de jouets fictive après la réunion des deux sources (données indicatives) :
Entonnoir de la semaine · GA4 + commandes boutiqueboutique de jouets · données indicatives
Chaque passage a désormais un prix. Améliorer de 1% le passage panier-paiement représente dans cette boutique 53 paniers par semaine, soit environ 2 450 € de valeur de commandes calculée sur l’AOV.
La valorisation des étapes se résume à quatre étapes :
Calculer l’AOV à partir des commandes payées
Le chiffre d’affaires divisé par le nombre de commandes payées, à partir des données de la boutique (pas de GA4). Dans l’exemple : 80 600 € / 1 742 ≈ 46 €.
Établir la norme de chaque passage
Pour chaque passage de l’entonnoir, calculez la médiane sur plusieurs semaines typiques : session-fiche, fiche-panier, panier-paiement, paiement-achat. C’est votre référence, plus fiable que n’importe quel benchmark sectoriel.
Valoriser l’écart par rapport à la norme
La baisse du passage sous la norme, multipliée par le nombre d’entrées dans l’étape et par l’AOV, donne une valeur indicative du problème. Valoriser l’anomalie en dit plus que valoriser toute la déperdition naturelle de l’entonnoir.
Fixer un seuil de réaction
Exemple de règle : un passage inférieur de plus de 5% à la norme pendant deux jours consécutifs exige un diagnostic. Grâce à la valorisation, on sait aussi dans quel ordre corriger.
Remarque méthodologique : valoriser les étapes par l’AOV est une estimation indicative pour prioriser, pas un chiffre d’affaires perdu au centime près. Certains clients abandonnent leur panier et reviennent le lendemain, d’autres n’ont jamais eu l’intention d’acheter. La force de cette méthode tient à sa comparabilité : la même formule, la même norme, chaque semaine.
Playbook
Cinq signaux de l’entonnoir qui sauvent les ventes
En pratique, ce sont toujours les mêmes situations qui reviennent. Mieux vaut les connaître à l’avance, avec la première action à mener :
1Signal
Le passage panier-paiement chute brutalement à partir d’un jour précis
2Signal
Un produit a beaucoup de vues de fiche et peu d’ajouts au panier
3Signal
Les paniers augmentent, les achats stagnent et le stock est bas
4Signal
Un canal apporte des sessions qui n’atteignent même pas la fiche produit
5Signal
Les achats dans GA4 augmentent plus vite que les commandes de la boutique
Risque réel
Sans validation de la couverture, un entonnoir peut envoyer l’équipe réparer une boutique en parfaite santé. Une baisse de purchase dans GA4 après une modification du bandeau de consentement ressemble trait pour trait à un effondrement des ventes. Avant que quiconque ne touche au checkout, un coup d’œil aux commandes payées suffit à trancher : le problème vient-il de la boutique ou de la mesure ?
DataOrganizer
Comment DataOrganizer relie l’entonnoir GA4 aux ventes de la boutique
Les trois tableaux de ce guide sont déjà prêts dans DataOrganizer. Chaque jour, les intégrations récupèrent les événements et les entonnoirs de GA4 (par session et par canal, par produit et par SKU) ainsi que les commandes, les lignes de commande, les marges et les stocks de la boutique, puis les organisent dans un modèle de données unique : mêmes dates, mêmes définitions. L’entonnoir par session est rapproché des commandes et du chiffre d’affaires quotidiens de la boutique, l’entonnoir produit des ventes, de la marge et de la disponibilité des produits, et la couverture GA4 (total des purchase rapporté au total des commandes payées) est recalculée à chaque actualisation matinale.
Pour obtenir le résultat, il suffit d’interroger l’assistant IA dans l’application ou via MCP dans votre propre chat. Un diagnostic qui demande manuellement trois rapports et un tableur se présente alors ainsi :
Le problème se situe au passage panier-paiement. Les autres étapes et le trafic sont normaux, la couverture GA4 aussi (92 %) : c’est donc la boutique, pas la mesure.
| Jour | Panier → paiement | Perte vs norme 46 % |
|---|---|---|
| lundi | 46 % | – |
| mardi | 31 % | 112 paniers · ~5 200 € |
| mercredi | 32 % | 104 paniers · ~4 800 € |
Au total, environ 10 000 € de valeur de paniers au-delà de la norme en deux jours (valorisation sur un panier moyen de 46 €, estimation indicative). La baisse commence précisément mardi et, d’après l’entonnoir par canal de GA4, touche tous les canaux de la même façon. Vérifiez les modifications déployées ce jour-là dans les étapes livraison et paiement.
À retenir
Les statistiques servent les ventes lorsque chaque étape a un prix et un point de référence. GA4 fournit les étapes, la boutique fournit les euros et la norme. Maintenir ce rapprochement à la main prend des heures chaque semaine ; dans un modèle connecté, c’est un sous-produit de l’actualisation quotidienne des données.
FAQ
Questions fréquentes sur l’entonnoir e-commerce et les ventes
Quels événements composent le tunnel e-commerce dans GA4 ?
Le socle, ce sont quatre événements de l’e-commerce amélioré : view_item, add_to_cart, begin_checkout et purchase ; ils sont complétés notamment par view_item_list, add_shipping_info et add_payment_info. Un entonnoir exploitable suppose une implémentation correcte : chaque événement avec l’identifiant du produit, la valeur et la devise, et purchase avec un identifiant de transaction correspondant au numéro de commande.
Pourquoi les purchase de GA4 ne correspondent-ils pas aux commandes de la boutique ?
GA4 n’enregistre un achat qu’en cas de consentement à la mesure, de balise déclenchée et de redirection ininterrompue après le paiement, et il ignore totalement les statuts de commande. En pratique, il voit généralement 60–85 % des commandes réelles. C’est pourquoi l’entonnoir se lit avec la couverture, et les commandes payées de la boutique restent la référence.
Comment calculer la valeur des paniers abandonnés ?
De façon indicative : les paniers qui ne sont pas passés au paiement, multipliés par le panier moyen des commandes payées. Il est plus juste de valoriser l’anomalie : l’écart entre le taux de passage panier-paiement du jour et votre norme, multiplié par le nombre de paniers, puis par le panier moyen. C’est une estimation pour prioriser, pas un chiffre d’affaires perdu au centime près, car une partie des clients revient plus tard.
Quel taux de conversion viser pour une boutique en ligne ?
Il n’existe pas de valeur correcte unique : tout dépend du secteur, des prix et de la structure du trafic, et les fourchettes de 1–3 % souvent citées ne sont qu’un repère. Il est plus utile de se comparer à sa propre tendance et de décomposer la conversion en taux de passage entre étapes. Au lieu de vous demander « 2 %, est-ce beaucoup ? », vous identifiez l’étape qui s’écarte de votre norme et combien elle coûte en euros.
Que faire quand un produit a du trafic mais ne se vend pas ?
Identifiez l’étape où se produit la perte. Beaucoup de view_item et peu de add_to_cart désignent la fiche produit (prix face au marché, photos, description, visibilité des frais de livraison). Beaucoup de paniers sans achat désignent le paiement ou la disponibilité (stocks, modes de livraison et de paiement). Le diagnostic exige un entonnoir produit rapproché des ventes et des stocks de la boutique ; le trafic seul ne dit pas où l’argent se perd.
L’essentiel du guide
Trois règles pour relier l’entonnoir aux ventes
1. Trois niveaux de tableaux. Le jour pour les diagnostics opérationnels (canaux selon GA4), le SKU pour les décisions produit, les totaux de purchase et de commandes payées sur la même période pour valider la couverture. L’axe reste toujours les commandes payées ; l’entonnoir GA4 vient s’y ajouter, avec les mêmes dates et les mêmes définitions.
2. Valorisez les étapes de l’entonnoir en euros. Le panier moyen issu des données de la boutique, la norme des taux de passage sur des semaines typiques et la valorisation des écarts à la norme transforment les pourcentages en une liste de corrections classée de la plus coûteuse à la moins coûteuse. Une estimation indicative suffit, car elle sert à prioriser, pas à tenir la comptabilité.
3. D’abord la couverture, ensuite les conclusions. Sans validation purchase contre commandes, un entonnoir peut faire confondre un problème de mesure avec un problème de ventes. DataOrganizer maintient automatiquement les trois tableaux : entonnoirs GA4, commandes, marges et stocks dans un modèle unique, avec des réponses dans le chat au lieu de trois rapports et d’un tableur.
DataOrganizer · entonnoir et ventes dans un modèle unique
Connectez votre boutique et GA4 : les entonnoirs par session et par produit sont rapprochés des commandes, de la marge et des stocks, et la couverture se calcule automatiquement. Compte démo immédiat, vous ne payez que les sources connectées.