Shopifyを使っているなら、8月17日を過ぎたある朝、GA4の探索レポートに見覚えのないイベントが並んでいることに気づくかもしれない。設定は何も変えていない。にもかかわらず、データは勝手に増える。
PPC Landの報道によると、2026年8月17日から、Shopifyの「Google & YouTube」アプリがGoogle Analyticsへ送信するイベントに view_item_list、view_cart、remove_from_cart、add_shipping_info の4つが追加される。7月に実装されたサーバー間のpurchase連携に続く、今年2度目の大きな計測仕様変更だ。
埋まるのは「真ん中」の穴
これまでのShopify標準連携で見えていたのは、商品詳細の閲覧（view_item）、カート投入（add_to_cart）、そして購入（purchase）だった。つまりファネルの入口と出口だけが見えていて、その間が空白だった。
カテゴリ一覧から何件の商品が見られたのか。カートを開いた人がどれだけいたのか。カートから何が削除されたのか。配送情報の入力で何人が脱落したのか——EC運用者が改善の当たりをつけたい箇所ほど、標準では計測できていなかった。今回追加される4イベントは、まさにこの空白を埋める。
加えて、既存の5イベントにも sku、variant_id、coupon、payment_type、market_id といったパラメータが付与される。バリエーション単位の分析やクーポン別の効果測定が、カスタム実装なしで可能になる。全イベントには shopify_event_name という新パラメータも付き、GA4側のイベントがShopify側のどのイベントに由来するかを追跡できるようになる。
これは素直に前進だ。GTMでdataLayerを自前実装していた運用者にとっては、工数の削減にもなる。
ただし、purchaseだけがサーバーサイドという非対称
問題はここからだ。今回追加される4イベントを含め、サーバーサイドで送られるのはpurchaseだけで、それ以外はすべてブラウザ経由のまま送られる。
この非対称は、実務上かなり厄介な歪みを生む。広告ブロッカー、ITP、同意管理バナーでの拒否——これらが効くのはブラウザ側のイベントだけだ。結果として、分母（閲覧・カート）は取りこぼされ、分子（購入）だけが漏れなく届くという状態が生まれる。
素直に割り算すれば、カート投入率も購入完了率も実態より高く出る。「add_to_cartに対するpurchaseの比率が異様に良い」というレポートを見て施策の成功と判断すると、判断そのものが歪む。筆者はこの点を、今回の変更で最も注意すべきリスクだと考えている。数字が増えることより、数字の欠け方が種類によって違うことのほうが分析を壊す。
自前実装がある店舗ほど、放置してはいけない
もう一つのリスクは二重計測だ。今回のアップデートは、管理画面での操作を必要としない。何もしなければ自動的に有効になる。
裏を返せば、すでにGTMやテーマファイルの改修でview_item_listやadd_shipping_infoを自前送信している店舗では、同じ行動に対して2本のイベントが飛ぶことになる。イベント数は倍、カート投入率のような指標は二重にカウントされる。GA4はイベント名が同じであれば区別せず積み上げるため、レポート上は「急に数字が伸びた」ようにしか見えない。
さらに厄介なのは、この歪みが探索レポートだけでなく、GA4をコンバージョン源にしているGoogle広告の入札にも波及しうる点だ。奇しくもGoogle広告は同じ8月17日から、予算制約下のTarget CPA／Target ROASキャンペーンの挙動を変更する（本誌のGoogle広告8月17日の入札変更に関する記事を参照）。計測側と入札側の変更が同じ日に重なる以上、8月17日以降にパフォーマンスが動いたとき、原因の切り分けは難しくなる。
8月17日までにやるべき3つのこと
- 現行のイベント送信状況を棚卸しする。 GA4の「リアルタイム」または過去28日のイベントレポートで、view_item_list、view_cart、remove_from_cart、add_shipping_infoが既に送られているかを確認する。送られているなら、その送信元（GTM／テーマ／アプリ）を特定しておく。
- 重複が予想される自前実装は、8月17日を境に停止する準備をしておく。 即時に消すのではなく、比較のために数日間の並行期間を設けてから切り替えるほうが安全だ。
- 17日をアノテーションとして記録する。 GA4にせよBIツールにせよ、この日を境にデータの性質が変わる。半年後に長期トレンドを見た誰かが、段差を「季節性」と誤読しないようにするための保険になる。
計測仕様の変更は、施策の成否よりも静かに、しかし深く数字を汚染する。「自動で良くなる」変更ほど、自動で任せてはいけない。