Comment créer des metafields Shopify et vérifier qu'ils sont corrects

Un metafield Shopify sert à stocker des informations qui n'existent pas dans les champs standards: composition, guide d'entretien, pays de fabrication, dimensions techniques, délai de livraison, etc.

Le problème, c'est que beaucoup de boutiques créent des metafields en vrac. Résultat: types incohérents, valeurs non exploitables, filtres qui cassent, et perte de temps côté équipe.

1. Créer un metafield propre dans Shopify

1. Dans l'admin Shopify, ouvrez Settings puis Custom data.
2. Choisissez la ressource (souvent Products).
3. Cliquez sur Add definition.
4. Définissez un nom clair (ex: Composition matière).
5. Choisissez un type adapté (texte, nombre, date, booléen, liste, etc.).
6. Ajoutez une description pour guider votre équipe.

2. La structure qui évite les erreurs

Respectez cette convention:

• Namespace stable: par domaine fonctionnel, ex: specs, shipping, care.
• Key explicite: ex: material, wash_temperature, country_of_origin.
• Type strict: ne mettez pas du texte libre si vous avez besoin d'un nombre ou d'une date.

Exemple robuste: care.wash_temperature en type number_integer.

3. Comment savoir si vos metafields sont corrects

Vérifiez ces 5 points sur un produit test:

1. Le champ apparaît bien dans la fiche produit admin.
2. La valeur est acceptée sans erreur de format.
3. Le type correspond à l'usage réel (tri, filtre, affichage).
4. Le thème affiche correctement la donnée (si vous l'utilisez en front).
5. La donnée reste cohérente après import CSV / app tierce / sync.

4. Erreurs fréquentes à éviter

• Mélanger plusieurs usages dans un même champ (ex: matière + conseil d'entretien).
• Utiliser des clés différentes pour la même info selon les produits.
• Choisir un type texte alors qu'un type liste ou nombre est nécessaire.
• Créer des metafields sans description interne pour l'équipe.

5. Mini checklist avant déploiement

• Naming validé: namespace + key stables.
• Type validé sur 3 produits différents.
• Affichage validé dans le thème.
• Aucune ambiguïté pour l'équipe qui saisit les données.