E-commerce
Un tableau de bord e-commerce Data Studio qui montre la rentabilité, pas seulement le CA
Le tableau de bord e-commerce Data Studio que nous construisons réunit les commandes de la boutique, les ventes sur les marketplaces et les dépenses publicitaires dans un seul rapport qui montre la marge sur coûts variables par canal et par produit. Il s’adresse aux marchands Shopify, WooCommerce et Amazon lassés des chiffres d’affaires qui ignorent les remises, les remboursements, les frais et le coût d’acquisition du client.

Réponse rapide
Comment construire un tableau de bord e-commerce dans Data Studio ?
Un tableau de bord e-commerce dans Data Studio se construit en récupérant les commandes depuis Shopify, WooCommerce ou Amazon Seller Central, les dépenses publicitaires depuis Google Ads, Meta et les autres canaux, et les coûts produits depuis une feuille, puis en les modélisant dans une seule table. Le rapport affiche alors ensemble le chiffre d’affaires, la marge sur coûts variables, les cohortes et l’efficacité des dépenses.
- Les commandes viennent de la boutique, pas de GA4 : le chiffre d’affaires correspond à vos versements.
- La marge sur coûts variables déduit le coût des produits, les frais, la livraison, les remises, les remboursements et les dépenses publicitaires.
- Les vues par cohorte montrent si les nouveaux clients reviennent et ce qu’ils valent.
- Le chiffre d’affaires déclaré par les plateformes publicitaires est rapproché des commandes réelles avant d’arriver dans un graphique.
De quelles données un tableau de bord e-commerce Data Studio a-t-il besoin ?
Il a besoin des commandes, des coûts et des dépenses issus de leurs vraies sources. Les commandes viennent de Shopify, WooCommerce ou Amazon Seller Central via un connecteur partenaire ou un export. Les dépenses publicitaires viennent nativement de Google Ads, et de Meta, TikTok et d’autres via des connecteurs partenaires. Les coûts produits, les tarifs de livraison et les frais de paiement se trouvent généralement dans une feuille Google Sheets que l’équipe financière tient déjà.
GA4 apporte les sessions, le taux de conversion et les étapes du tunnel, mais nous ne l’utilisons pas comme source du chiffre d’affaires. Entre les bandeaux de consentement, les bloqueurs de publicité et les achats multi-appareils, le chiffre d’affaires des achats dans GA4 correspond rarement à celui de la boutique, et un rapport qui contredit le compte bancaire perd la confiance en une semaine.
Comment afficher la marge sur coûts variables dans Data Studio ?
La marge sur coûts variables correspond au chiffre d’affaires net moins le coût des produits, la logistique, les frais de paiement et de marketplace, et les dépenses publicitaires. Nous la calculons au niveau de la ligne de commande dans la couche de données, puis l’agrégeons par jour, canal, produit et marché.
La calculer dans un champ calculé à l’intérieur d’un graphique est l’erreur de la plupart des rapports e-commerce : les taux de marge sont moyennés au lieu d’être recalculés, et les remboursements tombent dans un autre mois que la vente. Nous construisons la table de marge dans Sheets pour les petites boutiques ou dans BigQuery pour les plus grandes, avec les remboursements rattachés à la commande d’origine, pour que chaque graphique fasse la somme des mêmes lignes.
- Ventes brutes, remises, remboursements et chiffre d’affaires net.
- Coût des marchandises, livraison et logistique, frais de paiement et frais Amazon.
- Dépenses publicitaires par canal et marge sur coûts variables après marketing.
Ce que vous obtenez
Ce que nous réalisons
Périmètre et prix forfaitaire définis après un audit gratuit.
Modèle de commandes
Une table propre des lignes de commande issues de Shopify, WooCommerce ou Amazon, avec les remboursements rattachés à la vente d’origine.

Table de marge
La marge sur coûts variables par jour, produit et canal, construite à partir de vos coûts et frais.
Page de direction
Chiffre d’affaires, commandes, panier moyen, ROAS global et marge sur coûts variables par rapport à la période précédente et à l’objectif.
Vue par cohorte
Fidélisation et chiffre d’affaires cumulé par mois de première commande.
Rapprochement des dépenses
Le chiffre d’affaires déclaré par les plateformes face aux commandes de la boutique, avec signalement des dépenses manquantes.
Page produits
Unités, marge et taux de remboursement par produit, collection et référence.
Data Studio peut-il afficher les cohortes de clients et le réachat ?
Oui, dès que chaque commande porte le mois de première commande du client. Nous ajoutons ce champ dans la couche de données ; un tableau croisé avec le mois de première commande en lignes et les mois écoulés depuis en colonnes montre alors la fidélisation et le chiffre d’affaires cumulé par cohorte.
C’est cette vue qui vous dit si une promotion a attiré des clients qui reviennent ou des acheteurs ponctuels venus pour la remise. Associée au coût d’acquisition par canal, elle montre quels canaux amènent des clients qui valent leur prix.
Nous ajoutons aussi un taux de réachat à 90 jours par canal d’acquisition et par premier produit acheté. Ces deux angles en disent généralement plus sur les investissements du trimestre suivant que n’importe quel ROAS isolé, et ils ne demandent rien de plus que l’historique de commandes que vous avez déjà.
Comment rapprocher les dépenses publicitaires des commandes réelles ?
Nous plaçons le chiffre d’affaires déclaré par les plateformes à côté du chiffre d’affaires de la boutique pour la même période, pour que l’écart soit visible au lieu d’être caché. Meta, Google Ads et TikTok revendiquent chacun des conversions selon leurs propres fenêtres d’attribution, et leur somme dépasse souvent ce que la boutique a réellement vendu.
La page de synthèse utilise les commandes de la boutique et les dépenses totales pour calculer un ROAS global et un ratio d’efficacité marketing. Les pages par canal conservent les chiffres des plateformes pour l’optimisation au quotidien, libellés comme déclarés par la plateforme. Une table de rapprochement quotidienne signale les jours où des dépenses manquent, ce qui indique généralement qu’un jeton de connecteur a expiré.
Cela fonctionne-t-il pour Amazon et les marchands multiboutiques ?
Oui. Les données Amazon Seller Central arrivent via un connecteur partenaire ou des exports de rapports planifiés, et nous les alignons sur le même schéma de commande que votre propre boutique. Les frais et les coûts FBA sont isolés pour que la marge sur marketplace soit comparable à celle des ventes directes.
Pour les marques qui exploitent plusieurs boutiques Shopify ou plusieurs régions, chaque boutique devient une valeur d’un champ « boutique », les devises sont converties à un taux documenté, et un filtre au niveau du rapport permet à chaque responsable régional de voir son propre marché.
Quand une marque e-commerce a-t-elle besoin de BigQuery ?
Quand le volume de commandes ou la profondeur d’historique rendent les connecteurs directs lents ou peu fiables. Les données de commande au niveau de la ligne grossissent vite, et les fusions de 5 sources au maximum réinterrogent les données en direct à chaque chargement de page.
Charger les commandes, les dépenses et les coûts dans des tables BigQuery partitionnées par date, avec des requêtes planifiées qui construisent la table de marge chaque matin, garde le tableau de bord rapide et la logique en un seul endroit. Les petites boutiques fonctionnent souvent longtemps très bien avec Sheets et des connecteurs partenaires, et nous vous le dirons lors de l’audit.
Que voit un fondateur en ouvrant le rapport chaque matin ?
La première page répond à une seule question : la journée d’hier a-t-elle été rentable ? Elle affiche le chiffre d’affaires net, les commandes, le panier moyen, les dépenses publicitaires, le ROAS global et la marge sur coûts variables pour hier, depuis le début du mois et pour la même période l’an dernier, chacun avec une petite courbe de tendance.
En dessous, un tableau par canal sépare le chiffre d’affaires des nouveaux clients et celui des clients récurrents, car un mois porté par les réachats paraît sain alors que l’acquisition cale discrètement. Un tableau produits classe les références par marge plutôt que par chiffre d’affaires, ce qui bouleverse souvent la liste : un best-seller avec beaucoup de retours et de fortes remises peut se retrouver tout en bas.
Suivent des pages consacrées aux opérations : taux de remboursement par produit, coût logistique par commande et couverture de stock lorsque les données d’inventaire sont disponibles. Toutes les pages partagent la même commande de dates : un responsable qui compare les semaines du Black Friday sur deux ans change un seul réglage, pas douze graphiques.
Fonctionnement
Déroulement d’un projet
- 01
Audit gratuit
Nous examinons votre boutique, vos marketplaces, vos comptes publicitaires et vos feuilles de coûts.
- 02
Données de coûts
Votre équipe confirme les coûts produits, les frais et les règles de livraison dans une feuille unique que nous mettons en place.
- 03
Modélisation et réalisation
Nous construisons les tables de commandes et de marge, puis les pages du tableau de bord par-dessus.
- 04
Rapprochement
Nous vérifions le chiffre d’affaires et les commandes par rapport aux versements de la boutique et aux totaux des plateformes sur un mois clôturé.
- 05
Lancement
Nous configurons les accès et un envoi planifié hebdomadaire, puis présentons le tableau de bord à votre équipe.
FAQ
Questions fréquentes
Data Studio peut-il se connecter à Shopify ?
Pas nativement. Les données Shopify arrivent dans Data Studio via un connecteur partenaire comme Supermetrics, Windsor.ai ou Power My Analytics, ou via un export vers Sheets ou BigQuery. Nous choisissons selon le volume de commandes et la profondeur d’historique nécessaire.
Pourquoi le chiffre d’affaires GA4 ne correspond-il pas à Shopify ?
GA4 manque les achats bloqués par les paramètres de consentement ou les bloqueurs de publicité, et peut les attribuer différemment. Shopify enregistre chaque commande. Nous utilisons les données de la boutique pour le chiffre d’affaires et GA4 pour le trafic et le comportement dans le tunnel.
Le tableau de bord peut-il afficher la rentabilité après dépenses publicitaires ?
Oui. Nous calculons la marge sur coûts variables par ligne de commande après coût des produits, frais, livraison, remboursements et dépenses publicitaires, puis l’agrégeons par canal et par produit.
Prenez-vous en charge WooCommerce et Amazon Seller Central ?
Oui. Les deux sont alignés sur le même schéma de commande que Shopify, pour que vous puissiez comparer côte à côte ventes directes et ventes sur marketplace.
À quelle fréquence un tableau de bord e-commerce s’actualise-t-il ?
Généralement chaque jour, ce qui convient à la plupart des décisions commerciales. Les lecteurs peuvent aussi actualiser les données manuellement en ouvrant le rapport, et une configuration BigQuery peut s’actualiser plus souvent si nécessaire.
Un seul tableau de bord peut-il couvrir plusieurs pays et devises ?
Oui. Chaque boutique ou région de marketplace devient une valeur d’un champ « boutique », et le chiffre d’affaires est converti dans une devise de reporting à un taux documenté. Les responsables régionaux peuvent alors filtrer sur leur propre marché.
Combien coûte la création d’un tableau de bord e-commerce ?
Nous proposons un prix fixe après l’audit gratuit. Les principaux facteurs sont le nombre de boutiques et de marketplaces, les canaux publicitaires et la nécessité ou non d’une couche BigQuery.
À lire aussi
Pages associées
Commencer
Dites-nous ce que votre reporting doit accomplir
Décrivez les tableaux de bord dont vous avez besoin, leurs lecteurs et l’emplacement de vos données. Nous répondons sous un jour ouvré avec une approche, les connecteurs nécessaires et un plan à prix fixe.
- Audit gratuit de 30 minutes de votre reporting
- Devis ferme avant tout démarrage
- Tout est créé dans votre compte Google et vous appartient
Vous préférez l’e-mail ? info@greenwolftechlabs.com
Demander une proposition gratuite
Deux lignes suffisent pour commencer.