Shop Campaigns can now be analyzed in your own reports using ShopifyQL

Feature classification

As of August 10, 2026, the ShopifyQL schema shop_campaign_insights is available. It allows authorized applications to query performance data from Shop Campaigns.

The current schema documentation includes ad spend, revenue, ROAS, average order value, average customer acquisition cost, and the number of customers acquired through Shop Campaigns, among other metrics. Reports can be grouped by campaign, customer segment, and various time dimensions.

The practical difference is easy to explain.

Currently, a marketing team views the performance of a Shop Campaign in Shopify. At the same time, Meta Ads, Google Ads, CRM data, and internal margin calculations may be stored in other systems.

With ShopifyQL, a reporting application can retrieve shop campaign data and display it alongside other data.

What the feature is and what it isn't

A new data access option for Shop Campaigns

The update does not primarily expand campaign management capabilities. It expands access to performance data.

The new schema is called

shop_campaign_insights

It aggregates Shop Campaigns data at the campaign level and makes it available for ShopifyQL queries.

Shopify currently documents the following metrics, among others

• Advertising expenditure
• Revenue
• ROAS
• average order value
• average customer acquisition cost
• acquired customers

The data can be grouped by campaign name, target segment, time, and other criteria. According to the current documentation, time dimensions range from hours to years.

No new attribution model

ShopifyQL does not automatically change which campaign a purchase is attributed to.

The data continues to be based on the Shop Campaigns logic. For example, Shopify defines average customer acquisition costs based on customers whose last paid click was attributed to Shop Campaigns within a seven-day window.

This is important for cross-channel comparisons.

Meta Ads, Google Ads, and Shopify may use different attribution models. As a result, two dashboards may show different results for the same period without either one necessarily being technically faulty.

No automatic Power BI connector

Shopify explicitly cites Power BI, Tableau, and Looker Studio as examples of custom reports. However, this does not mean that the update automatically provides a ready-made, one-click connection to these platforms.

Shopify provides the data through ShopifyQL. An appropriate technical connection is still required for an external BI system, for example via a custom application, an existing analytics integration, or a data pipeline.

Not a substitute for all marketing data

The schema applies to Shop Campaigns.

It does not automatically replace

• Google Ads data
• Meta Ads Data
• Affiliate Data
• CRM costs
• Agency costs
• Production costs
• Contribution margins
• complete customer lifetime value calculations

The added value emerges precisely when Shop Campaigns are combined with this kind of data.

Requirements and data basis

The shop must be able to use Shop Campaigns

The new reporting feature is only relevant if Shop Campaigns are being used for the shop.

Shopify currently lists several requirements. These include a business address in a supported country, Shopify Payments with a supported currency, direct selling through Shop enabled, Shopify Network Intelligence, and compliance with the applicable Shop and advertising policies. Germany and Austria are currently among the supported business locations.

Shopify is gradually expanding Shop Campaigns to additional countries. Therefore, you should always check the current documentation and your own Shopify admin to confirm availability.

ShopifyQL requires the appropriate API permissions

Apps can execute ShopifyQL through the shopifyqlQuery field of the Admin GraphQL API.

For this, Shopify requires the read_reports permission. The current API reference also specifies requirements for accessing protected customer data. Teams should therefore take these permissions into account when planning their own reporting integration.

According to Shopify, if an existing application already uses ShopifyQL, no additional special scope is required for the new Shop Campaigns schema.

The data uses the shop's time zone

Shopify provides the data across various time dimensions, including hour, day, week, month, quarter, and year.

The Developer Changelog notes that these time values are evaluated in the shop's time zone.

This is relevant for international companies.

If a German reporting system is set to Central European Time while another data warehouse uses UTC, the time periods must be properly aligned. Otherwise, daily figures may differ at the boundaries of a reporting period.

The definition of the metrics must be understood

A metric like revenue may seem unambiguous at first. For the current schema, Shopify defines shop_campaign_sales as revenue from orders attributed to Shop Campaigns. Discounts are taken into account, and taxes and shipping are included. According to the current schema documentation, refunds are not deducted.

This is important for financial and profitability reports.

Therefore, Shopify campaign revenue is not automatically the same as net revenue, contribution margin, or the amount after returns.

ROAS is also defined accordingly.

Shop Campaigns revenue divided by Shop Campaigns ad spend.

A ROAS of 4 therefore does not mean that four euros in profit were generated for every euro spent.

Orders should be checked against the current schema documentation

The Shopify Changelog explicitly lists orders as an available campaign metric. However, in the currently published reference for shop_campaign_insights, no separate shop_campaign_orders field is listed among the documented metrics.

Therefore, for a production integration, the general announcement should not be used as the sole technical specification.

The current schema reference determines which fields can actually be queried.

How to use the data in practice

First, review Shop Campaigns in the admin panel

Before building an external integration, the marketing team should understand what data Shopify already provides directly.

Shop Campaigns metrics can be viewed in the Shop sales channel and in Shopify Analytics. Among other things, Shopify provides a report on the ROAS of Shop Campaigns.

For a company that only wants to review its monthly ROAS, this may already be sufficient.

Define the specific reporting question

An API should not be integrated simply because data is available.

A specific question should be established before development begins.

For example

How is the ROAS of Shop Campaigns trending compared to our other paid acquisition channels?

Or

How do acquisition costs differ between new and reactivated customers?

Or

Which shop campaigns increase revenue but fall short of our target contribution margin?

Only then should it be decided what data is needed.

Test ShopifyQL in the admin

ShopifyQL can initially be tested in the Shopify admin.

For example, a simple query for campaign revenue and advertising spend might look like this.

FROM shop_campaign_insights SHOW shop_campaign_sales, shop_campaign_ad_spend, shop_campaign_return_on_ad_spend GROUP BY shop_campaign_name SINCE -30d UNTIL today ORDER BY shop_campaign_sales DESC

This makes it possible to check whether the required fields and results are available in principle before building a custom application or data pipeline.

Only then integrate the API

An app can then run the same ShopifyQL query using shopifyqlQuery.

The API returns structured columns and rows. The presentation format is not fixed, so an application can use the results, for example, as a table, chart, or part of a larger BI dashboard.

Merge results with other sources

This is usually where the real enterprise value begins.

A reporting architecture could, for example, combine this data

Shop Campaigns
Google Ads
Meta Ads
Shopify Sales
CRM
ERP
Product Costs

This means a marketing team no longer sees only different ROAS figures across individual platforms, but can build a shared basis for decision-making.

Which practical logic determines the cost and quality of the analysis

ROAS alone is not enough

Suppose two campaigns each achieve a ROAS of 4.

Campaign A sells high-margin products.

Campaign B primarily sells discounted products with low margins and a high return rate.

In Shopify, both campaigns may initially look similar. Economically, they can be completely different.

If product costs and return costs are managed outside of Shop Campaigns, this data must also be included.

CAC must align with the customer segment

Shop Campaigns supports different audiences and segment-level acquisition cost overrides.

Shopify documents these segments in its reporting, among others

• New customers
• All other customers
• Lapsed - 3 months
• Lapsed - 12 months

The technical dimension for this is called shop_campaign_target_name.

A new customer can economically justify a higher CAC than an existing customer if repeat purchases can realistically be expected.

Comparing all segments using a single number can obscure these differences.

Refunds must be accounted for separately

The currently documented definition of shop_campaign_sales does not include refunds. At the same time, Shopify notes that acquisition costs are not refunded if an attributed order is later canceled or refunded.

For shops with significant return rates, a good Shop Campaigns ROAS may therefore look considerably less attractive later on.

For example, a fashion store should not only ask

What was our ROAS after seven days?

But additionally

What is the economic value of this campaign after returns?

This second question requires additional data.

Different platforms should not be compared blindly

A common reporting mistake is a table like this

Google ROAS
Meta ROAS
Shop Campaigns ROAS

and then the highest value is simply declared the winner.

However, the figures may be based on different attribution windows, revenue definitions, and target audiences.

Before comparing channels, at least the following points should be documented

• Attribution logic
• Revenue definition
• period under review
• Time zone
• Handling Returns
• Behandlung von Neukunden und Bestandskunden

Typische Praxisanwendungen

Zentrales Performance-Marketing-Dashboard

Ein internationaler D2C-Shop nutzt Meta Ads, Google Ads und Shop Campaigns.

Bisher müssen die Shop-Campaigns-Zahlen separat aus Shopify geprüft werden.

Mit ShopifyQL können die Daten in das bestehende Reporting übernommen werden. Das Team kann anschließend beispielsweise Werbeausgaben, Umsatz und CAC aller Kanäle nebeneinander betrachten.

Wichtig bleibt dabei die Kennzahlendefinition. Eine optisch einheitliche Tabelle bedeutet nicht automatisch, dass jede Spalte methodisch identisch berechnet wurde.

Internationales Reporting

Ein Unternehmen betreibt mehrere Shops oder Märkte und möchte die Leistung über längere Zeiträume beobachten.

Das Schema unterstützt unter anderem Shop-ID, Shop-Name und Zeitdimensionen. Dadurch können Apps Daten strukturiert für Reporting-Prozesse abfragen.

Für internationale Unternehmen sollte zusätzlich geprüft werden, wie Shop-Währung und Zeitzone mit dem zentralen Reporting harmonisiert werden.

Segmentanalyse für Neukunden und Reaktivierung

Shop Campaigns kann unterschiedliche Kundensegmente ansprechen.

Ein Unternehmen könnte deshalb getrennt untersuchen, wie hoch der CAC für Neukunden und für Kundinnen und Kunden ist, die seit drei oder zwölf Monaten nicht mehr bestellt haben.

Ein niedriger CAC bei reaktivierten Kunden ist nicht automatisch besser als ein höherer CAC bei Neukunden. Für die Bewertung sollte der erwartete zukünftige Kundenwert einbezogen werden.

Management-Reporting

Für ein Management-Dashboard reichen häufig wenige Kennzahlen.

Zum Beispiel

• Werbeausgaben
• Shop-Campaigns-Umsatz
• ROAS
• durchschnittlicher CAC
• durchschnittlicher Bestellwert
• Kunden nach Segment

ShopifyQL ermöglicht es, diese Daten automatisiert abzurufen, statt regelmäßig Werte manuell aus dem Admin zu übertragen.

Segment-Rezepte

Neukunden

Regel

Wenn das Ziel Neukundenakquisition ist, dann sollte das Segment New customers getrennt von allen anderen Kundengruppen ausgewertet werden.

Der CAC sollte anschließend mit dem erwarteten Kundenwert und nicht nur mit dem Wert der ersten Bestellung verglichen werden.

Bei wiederkehrenden Käufen kann ein höherer Akquisitionspreis für einen echten Neukunden wirtschaftlich sinnvoller sein als ein niedrigerer Preis für einen bestehenden Kunden.

Bestehende Kundschaft

Regel

Wenn eine Kampagne nicht primär auf Neukunden ausgerichtet ist, dann sollte All other customers separat betrachtet werden.

Damit lässt sich besser beurteilen, ob Shop Campaigns zusätzliche Nachfrage erzeugen oder überwiegend bereits aktive Kunden erneut erreichen.

Eine hohe Zahl wiederkehrender Kunden ist nicht automatisch negativ.

Sie muss lediglich anders bewertet werden als Neukundenakquisition.

Reaktivierung

Regel

Wenn das Ziel die Rückgewinnung inaktiver Kundinnen und Kunden ist, dann sollten die Segmente mit drei und zwölf Monaten Inaktivität getrennt betrachtet werden.

Shopify dokumentiert dafür die Werte Lapsed - 3 months und Lapsed - 12 months.

Ein Kunde, der seit drei Monaten nicht bestellt hat, könnte möglicherweise ohnehin bald erneut kaufen.

Bei zwölf Monaten Inaktivität kann eine erfolgreiche Reaktivierung dagegen einen anderen wirtschaftlichen Wert haben.

Die Segmente sollten deshalb nicht ungeprüft zusammengefasst werden.

Reporting-Rezepte für typische Fragestellungen

Kampagnen nach Umsatz und ROAS vergleichen

Vergleichen Sie Kampagnen anhand von Werbeausgaben, zugeordnetem Umsatz und ROAS über denselben Zeitraum.

Prüfen Sie anschließend, ob der Unterschied auch nach Retouren und Produktmarge bestehen bleibt.

Kundensegmente vergleichen

Vergleichen Sie Neukunden, bestehende Kunden und reaktivierte Kundengruppen getrennt.

Achten Sie darauf, dass ein niedriger CAC nicht automatisch den höchsten langfristigen Kundenwert bedeutet.

Entwicklung über mehrere Wochen beobachten

Betrachten Sie nicht nur einen Gesamtwert für drei Monate.

Eine wöchentliche Entwicklung kann zeigen, ob eine Kampagne konstant funktioniert oder ob einzelne besonders starke Wochen den Durchschnitt verzerren.

Wann ShopifyQL für Shop Campaigns sinnvoll ist und wann nicht

Sinnvoll bei mehreren Marketingkanälen

Wer Shop Campaigns gemeinsam mit Meta, Google, Affiliates oder weiteren Kanälen nutzt, profitiert stärker von einer zentralen Datenbasis.

Das Marketing-Team muss dadurch weniger zwischen Plattformen wechseln und kann Berichte stärker vereinheitlichen.

Sinnvoll für Enterprise-Reporting

Wenn Geschäftsführung, Marketing, Finance und E-Commerce unterschiedliche Reports benötigen, ist ein automatisierter Datenzugriff meist sinnvoller als manuelle Exporte.

Die Daten können regelmäßig abgefragt und in bestehende Reporting-Prozesse eingebunden werden.

Sinnvoll bei eigenen Analyseanwendungen

Apps, interne Admin-Tools und Analytics-Produkte können Shop-Campaigns-Kennzahlen in ihre eigene Oberfläche integrieren.

Shopify stellt dafür zusätzlich Analytics Web Components bereit, mit denen ShopifyQL-Ergebnisse innerhalb von Apps dargestellt werden können.

Weniger sinnvoll bei wenigen Kampagnen

Ein Shop mit wenigen Shop Campaigns und einem einfachen monatlichen Reporting benötigt nicht automatisch eine eigene Datenpipeline.

In diesem Fall können die vorhandenen Shopify-Berichte ausreichen.

Weniger sinnvoll ohne klare Entscheidungsfrage

Mehr Daten erzeugen nicht automatisch bessere Entscheidungen.

Wenn niemand festgelegt hat, wann eine Kampagne erhöht, reduziert oder beendet werden soll, entsteht lediglich ein weiteres Dashboard.

Fehler, die man vermeiden sollte

ROAS mit Profitabilität gleichsetzen

Ein ROAS berücksichtigt nicht automatisch Produktkosten, Fulfillment, Retouren, Zahlungsgebühren oder operative Kosten.

Ein hoher Wert kann deshalb trotzdem eine wirtschaftlich schwache Kampagne darstellen.

Unterschiedliche Attributionsmodelle direkt vergleichen

Shop Campaigns verwendet eigene Zuordnungsregeln.

Meta und Google können dieselbe Bestellung ebenfalls für sich beanspruchen.

Ein kanalübergreifendes Dashboard sollte deshalb dokumentieren, auf welcher Grundlage die Zahlen entstehen.

Retouren ignorieren

Der aktuell dokumentierte Shop-Campaigns-Umsatz zieht Erstattungen nicht automatisch ab.

Bei Shops mit hoher Retourenquote sollte deshalb zusätzlich eine nachgelagerte Profitabilitätsbetrachtung erfolgen.

Kampagnen und Segmente zusammenwerfen

Ein Gesamtdurchschnitt kann verdecken, dass Neukunden teuer und Reaktivierungen günstig sind oder umgekehrt.

Bei größeren Budgets sollten Kampagnen und Zielsegmente separat bewertet werden.

ShopifyQL und BI-Tool als fertige Verbindung betrachten

ShopifyQL liefert einen strukturierten Datenzugang.

Wie diese Daten in Power BI, Tableau oder einem Data Warehouse landen, hängt von der jeweiligen Architektur ab.

Nur den Changelog als technische Spezifikation verwenden

Die allgemeine Shopify-Ankündigung und die technische Schema-Dokumentation können sich in einzelnen Details unterscheiden.

Für eine Implementierung sollte deshalb immer die aktuell veröffentlichte ShopifyQL-Schema-Referenz geprüft werden.

Moving Primates Perspektive

Bei größeren Commerce-Setups entsteht das eigentliche Reporting-Problem selten beim Abruf einzelner Kennzahlen. Schwieriger ist es, unterschiedliche Definitionen so zusammenzuführen, dass Marketing und Finance dieselbe Zahl gleich interpretieren. Ein Shop-Campaigns-ROAS sollte deshalb nicht ungeprüft neben einen Meta- oder Google-ROAS gestellt werden. Unterschiede bei Attribution, Retouren, Umsatzdefinition und Zeitzone können das Ergebnis verändern. Bewährt hat sich eine zentrale Kennzahlendokumentation, bevor Daten in ein gemeinsames Dashboard fließen. Erst wenn feststeht, was Umsatz, CAC und ROAS im jeweiligen System genau bedeuten, lohnt sich die technische Automatisierung.

Technische Implikationen für größere Shops

ShopifyQL wird zur Schnittstelle zwischen Shopify Analytics und Apps

ShopifyQL ist Shopifys Abfragesprache für Commerce-Daten.

Eine Abfrage wählt zunächst einen Datenbereich aus. Anschließend werden Kennzahlen, Dimensionen, Filter und Zeiträume definiert.

Das neue shop_campaign_insights Schema reiht sich in weitere ShopifyQL-Datenbereiche für Sales, Orders, Marketing, Inventory und Payments ein.

Für Enterprise-Architekturen ist interessant, dass Analytics-Daten damit zunehmend über eine einheitliche Abfrageschicht verfügbar werden.

Die API liefert Daten statt fertiger Dashboards

Über die Admin GraphQL API kann eine Anwendung ShopifyQL-Ergebnisse strukturiert abrufen.

Was anschließend mit diesen Daten geschieht, entscheidet die jeweilige Architektur.

Eine Anwendung kann die Daten beispielsweise

• direkt in einer internen Oberfläche anzeigen
• an ein Data Warehouse übergeben
• für Power BI aufbereiten
• mit Werbeplattformen zusammenführen
• mit ERP- und Produktkostendaten verbinden

Nicht jedes Dashboard benötigt dauerhafte Datenspeicherung

Shopify weist darauf hin, dass Analytics Web Components ShopifyQL-Ergebnisse direkt in einer App-Oberfläche darstellen können.

Für interne Analysewerkzeuge kann das die Architektur vereinfachen.

Ein historisches Data Warehouse mit Daten aus mehreren Plattformen benötigt dagegen weiterhin eine eigene Speicherstrategie.

Berechtigungen gehören in die Architekturplanung

Für ShopifyQL-Abfragen über die Admin GraphQL API ist read_reports erforderlich.

Shopify dokumentiert zusätzlich Anforderungen an den Zugriff auf geschützte Kundendaten.

Eine interne Anwendung, eine öffentliche Shopify-App und ein Enterprise-Datenexport können daher unterschiedliche Sicherheits- und Berechtigungsanforderungen haben.

Zeit und Währung müssen normalisiert werden

Shop Campaigns liefert Geldwerte in der Shop-Währung.

Die Zeitdimensionen orientieren sich an der Zeitzone des jeweiligen Shops.

Bei einem einzelnen Shop ist das meist unkompliziert.

Bei mehreren internationalen Shops kann ein zentrales Reporting dagegen Währungen und Zeitstempel vereinheitlichen müssen, bevor Werte gemeinsam ausgewertet werden.

Datenaktualität sollte sichtbar sein

Das Schema stellt auch Informationen darüber bereit, wann die Shop-Campaigns-Daten zuletzt aktualisiert wurden.

Für automatisierte Dashboards ist das relevant.

Ein Bericht sollte nicht den Eindruck von Echtzeitdaten vermitteln, wenn die zugrunde liegenden Kampagneninformationen noch nicht aktualisiert wurden.

Tests sollten Kennzahlen und nicht nur die technische Verbindung prüfen

Eine erfolgreiche Verbindung bedeutet noch nicht, dass das Reporting fachlich richtig ist.

Vor dem produktiven Einsatz sollten mindestens diese Fälle geprüft werden

• Kampagne mit Umsatz und Werbeausgaben
• Kampagne ohne Conversion
• mehrere Kampagnen gleichzeitig
• Neukundensegment
• Reaktivierungssegment
• unterschiedliche Berichtszeiträume
• andere Shop-Zeitzone
• mehrere Shop-Währungen
• stornierte Bestellung
• erstattete Bestellung
• Vergleich zwischen Shopify-Admin und externem Report
• fehlende Berechtigung
• noch nicht aktualisierte Kampagnendaten

Prüfliste vor dem Go-live

• Ist klar definiert, welche geschäftliche Frage der Report beantworten soll
• Sind die verwendeten ShopifyQL-Kennzahlen dokumentiert
• Ist bekannt, wie Shopify Umsatz, CAC und ROAS für Shop Campaigns definiert
• Werden Kundensegmente getrennt ausgewertet, wenn dies für die Entscheidung relevant ist
• Sind Shop-Zeitzone und Shop-Währung im zentralen Reporting berücksichtigt
• Werden Retouren und Stornierungen berücksichtigt, wenn sie wirtschaftlich relevant sind
• Ist der benötigte API-Zugriff korrekt eingerichtet
• Wurden Ergebnisse gegen die Werte im Shopify-Admin geprüft
• Sind Attributionsunterschiede zwischen Marketingkanälen dokumentiert
• Ist festgelegt, wer den Report bei Änderungen der Datenstruktur überprüft

Zusammenfassung

• Shop-Campaigns-Leistungsdaten sind seit dem 10. August 2026 über ShopifyQL verfügbar.
• Das neue Schema heißt shop_campaign_insights.
• Die aktuelle Dokumentation enthält Umsatz, Werbeausgaben, ROAS, durchschnittlichen Bestellwert, durchschnittlichen CAC und gewonnene Kunden.
• Daten können nach Kampagne, Zielsegment und verschiedenen Zeitdimensionen ausgewertet werden.
• Shopify nennt Analytics-Apps sowie Power BI, Tableau und Looker Studio als mögliche Einsatzbereiche.
• ShopifyQL stellt Daten bereit, ersetzt aber keine technische Integration zum jeweiligen BI-System.
• Shop-Campaigns-ROAS ist nicht automatisch mit Gewinn oder Deckungsbeitrag gleichzusetzen.
• Rückerstattungen benötigen bei wirtschaftlichen Analysen besondere Aufmerksamkeit.
• Neukunden und reaktivierte Kundinnen und Kunden sollten getrennt bewertet werden.
• Die API-Abfrage benötigt den Zugriff read_reports.
• Bei mehreren Shops müssen Zeitzonen und Währungen sauber vereinheitlicht werden.
• Für eine technische Implementierung sollte immer die aktuelle ShopifyQL-Schema-Referenz geprüft werden.

Häufige Fragen

Was hat Shopify bei Shop Campaigns geändert

Shop Campaigns können jetzt über das ShopifyQL-Schema shop_campaign_insights ausgewertet werden. Dadurch können Analytics-Anwendungen und eigene Reporting-Systeme Leistungsdaten automatisiert abrufen.

Welche Shop-Campaigns-Daten sind über ShopifyQL verfügbar

Aktuell dokumentiert sind unter anderem Umsatz, Werbeausgaben, ROAS, durchschnittlicher Bestellwert, durchschnittlicher CAC und gewonnene Kundinnen und Kunden. Zusätzlich stehen Kampagnen-, Segment- und Zeitdimensionen zur Verfügung.

Kann ich Shop Campaigns direkt mit Power BI verbinden

Shopify nennt Power BI als möglichen Anwendungsfall, stellt mit diesem Update aber vor allem den Datenzugang über ShopifyQL bereit. Für Power BI oder ein anderes BI-System ist weiterhin eine passende technische Integration erforderlich.

Welche Berechtigung benötigt eine App

Für ShopifyQL-Abfragen über die Admin GraphQL API ist laut aktueller Dokumentation der Zugriff read_reports notwendig. Je nach Anwendung sind zusätzlich Anforderungen für geschützte Kundendaten zu beachten.

Kann ShopifyQL mein bestehendes Marketing-Reporting ersetzen

Bei einfachen Auswertungen kann ShopifyQL viele Daten direkt bereitstellen. Für kanalübergreifende Profitabilitätsanalysen werden häufig weiterhin Daten aus Werbeplattformen, CRM, ERP und Finance benötigt.

Wann lohnt sich die Integration nicht

Wenn nur wenige Shop Campaigns laufen und die vorhandenen Shopify-Berichte alle benötigten Fragen beantworten, ist eine eigene Datenpipeline häufig unnötig. Der Aufwand lohnt sich vor allem bei mehreren Kanälen, automatisiertem Management-Reporting oder einer bestehenden Enterprise-Datenarchitektur.

Linkliste

Shopify Changelog zu Shop Campaigns und Analytics

Die offizielle Ankündigung erklärt, welche Shop-Campaigns-Daten für Analytics- und Reporting-Anwendungen geöffnet wurden.

Shopify Developer Changelog zu Shop Campaigns und ShopifyQL

Die technische Ankündigung beschreibt das neue Schema und die Einbindung in bestehende Reporting-Lösungen.

ShopifyQL Schema für Shop Campaigns

Die technische Referenz enthält die aktuell verfügbaren Kennzahlen, Dimensionen und Definitionen.

ShopifyQL Dokumentation

Die Dokumentation erklärt die Abfragesprache und die verfügbaren Analytics-Daten.

Shopify Admin GraphQL API für ShopifyQL

Die Referenz dokumentiert den API-Zugriff und die erforderlichen Berechtigungen.

Shopify Help Center zu Shop Campaigns

Die Seite erklärt Zielgruppen, Akquisitionskosten, ROAS und die grundlegende Kampagnenlogik.

Shopify Help Center zu den Voraussetzungen für Shop Campaigns

Die Dokumentation enthält die aktuellen Voraussetzungen für Shops und unterstützte Standorte.

Shopify Help Center zur Abrechnung von Shop Campaigns

Die Seite erklärt die Zuordnung von Bestellungen sowie den Umgang mit Kampagnengebühren, Stornierungen und Erstattungen.