GA4 和 Shopify Analytics 对不上，不一定说明谁错了。它们回答的问题不同：Shopify 更接近订单和交易后台，GA4 更适合分析用户行为和渠道路径，广告后台按自己的归因窗口给转化功劳。周复盘真正要解决的不是让所有数字完全相同，而是知道差异是否可解释、是否影响决策、谁负责修复。
如果团队每周都在争“到底哪个数是真的”，说明复盘口径还没有建立。正确做法是给每类决策指定主数据源：财务和履约看 Shopify，行为漏斗看 GA4，广告优化看平台但必须回到利润和订单质量校准。
先拿同一批订单 ID 做一次最小对账
先固定同一时区、同一截止时间和同一套订单资格，例如只看已付款且排除测试单的 Shopify 订单。导出这批订单的 order ID，再拿 GA4 purchase 的 transaction_id 做集合对照。第一步不是问“两个总数差多少百分比”，而是列出 Shopify 有但 GA4 没有、GA4 有但 Shopify 没有、以及原始发送日志里重复出现的 ID。
如果连订单 ID 都还没有逐条对过，就先不要把“差异一直很稳定”写成正常口径。下一步记录已知排除项，例如退款、取消、时区、consent、支付跳转和处理延迟，然后才决定 GA4 是否足够支持趋势分析。这样周会拿到的是可复核的 reconciliation contract，而不是一个看起来舒服的容忍百分比。
先区分订单事实和行为分析
订单事实包括订单号、支付状态、退款、商品、金额、税费、运费和履约状态，通常以 Shopify 后台和支付记录为准。行为分析包括来源、会话、页面、事件、漏斗和路径，通常用 GA4 看趋势。把两者混成一个真相源，会让复盘变成争论。
GA4 的 purchase 事件仍然必须 QA。transaction_id、value、currency 和 items 如果缺失或重复，GA4 就不能用于收入判断。Shopify 也不是所有营销判断的答案，因为它未必能完整解释用户从哪里来、看了什么页面、在哪一步流失。
为什么数字会不同
差异来自多处：归因窗口不同、时区不同、退款处理不同、支付跳转断 session、Cookie 和 consent 状态不同、广告平台去重逻辑不同、GA4 事件延迟、订单取消或测试订单没有排除。完全一致不是目标，可解释才是目标。
周复盘不要先设一个任意容忍百分比。先固定订单范围、时区和截止时间，再按 Shopify order ID 与 GA4 transaction_id 做身份级对账，并记录退款、取消、测试单、consent、支付跳转和处理延迟等已知排除项。只有这些边界能解释，GA4 才能进入趋势复盘；如果身份集合对不上，即使总数每周都很接近，也继续按测量问题处理。
相同总数也可能掩盖漏记和错记
看一个纯教学算例。Shopify 在同一范围内有 5 个合格订单：A、B、C、D、E。内部原始 purchase 发送日志却是 A、B、C、D、D、F：E 没发到，D 重复发送，F 又是不该进入这批范围的记录。原始发送一共 6 条，但唯一 transaction_id 是 A、B、C、D、F，共 5 个。
Google 对 Web stream 中相同 transaction_id 的重复 purchase 有去重逻辑，所以这里把“原始发送记录”“GA4 报表 purchase”和“唯一订单 ID”分开看。即便最终 GA4 报表也显示 5 个 purchase，和 Shopify 的 5 单完全相等，身份集合仍是 Shopify 的 A、B、C、D、E 对 GA4 的 A、B、C、D、F。总数相等没有证明测量正确；通过条件应该是命名范围内的订单 ID 能解释地对齐，重复、缺失和额外记录都有结论。
给每类问题指定主数据源
财务问题看 Shopify、支付和利润表；流量质量看 GA4 source/medium、campaign、landing page 和 funnel；广告账户学习看平台转化，但必须和 Shopify 订单质量、退款和毛利对齐；商品表现看 Shopify item、GA4 item-scoped metrics、客服和退款原因一起判断。
主数据源不是唯一数据源。它只是第一判断来源。比如广告 ROAS 高但 Shopify 利润没有改善，就不能说广告一定有效；GA4 显示某渠道转化低，也要检查 UTM 和 purchase 是否正常。
每周先做数据健康检查
复盘开始的前 10 分钟只看数据是否可信：订单数、GA4 purchase、revenue、refund、UTM、广告转化、测试订单、异常订单、时区和 consent 变化。数据健康没过，不要直接改预算或页面。
如果发现异常，记录异常开始时间、影响范围、可能原因、负责人和修复后验证方法。数据问题也要有 owner，不然每周都会重复争论同一个差异。
用差异推动动作，而不是追求统一数字
稳定差异只能说明模式稳定，不能证明测量正确。系统性漏记、重复发送，甚至一边漏一笔另一边多一笔，都可能长期留下相似总数。突然扩大或只集中在某渠道、设备、市场、支付方式当然是更强的排错信号，但稳定差异也要先完成命名范围、身份级对账和已知排除项记录，才能被归类为可解释的 reporting definition。
最终周报可以同时保留三列：Shopify 订单事实、GA4 行为漏斗、广告平台归因。每个动作都写清楚使用哪一列作为判断依据。
给周会指定三种数字的主人
为了避免每周重复争论，建议给三种数字指定负责人。订单事实由运营或财务负责人维护，包含 Shopify 订单、退款、取消和支付记录。行为漏斗由数据负责人维护，包含 GA4 事件、UTM、landing page 和设备/市场拆分。广告归因由投放负责人维护，但必须在会上说明它和 Shopify 订单质量、退款和利润的差异。
负责人不是为了互相甩锅，而是为了让差异有解释路径。只要某个数字异常，会议不需要全员猜原因，先由对应负责人给出证据、影响范围和下一步排查。
周复盘数据源分工表
| 问题 | 主数据源 | 辅助数据源 | 先查什么 |
|---|---|---|---|
| 收入和订单 | Shopify / 支付记录 | GA4 purchase | 测试订单、退款、取消订单 |
| 渠道表现 | GA4 | 广告后台、UTM 表 | source/medium、campaign、landing page |
| 广告优化 | 广告平台 | Shopify 利润、GA4 漏斗 | 归因窗口、转化价值、订单质量 |
| 商品问题 | Shopify 商品订单 | GA4 items、客服、退款 | 变体、库存、退货原因 |
周复盘不需要一个完美数字，需要一个可验证的判断系统。只有团队知道每个数字回答什么问题、订单 ID 是否能对齐、哪些排除项已经解释、什么时候应该停用这组数据，GA4 和 Shopify 的差异才会从争论变成诊断工具。
下一步是把 purchase QA、UTM 命名和退款复盘固定到周会开头。先确认数据能读，再决定预算、页面和商品动作。