她决定用数据指导运营决策：

第一步：优化商品推荐

她让技术团队开发了简单的推荐算法，根据用户浏览记录和购买历史推荐商品。三天后，转化率提升到5%。

第二步：调整商品结构

数据分析显示，复旦、交大的学生更愿意为品质付费，而松江大学城的学生更看重性价比。她据此调整了各校区的商品配比。

第三步：精准营销

她发现下午三点是下单低谷期，于是推出了"下午茶时光"专题，推荐零食和饮料。这个时间段的订单量很快提升了40%。

最显着的改变来自搜索功能的优化。

原来平台搜索只能匹配商品标题，很多长尾需求无法满足。苏晚晴带领团队建立了标签系统，给每个商品打上多个属性标签。

"比如这个手机壳，"她演示给技术团队看，"不仅要标注'手机壳'，还要标注'星空'、'磨砂'、'iPhone12'等关键词。"

搜索功能改进后，效果立竿见影。一个用户搜索"送给男朋友的生日礼物"，系统推荐了几款游戏周边和男士护肤品，成功促成了一笔198元的订单。

数据驱动还帮助她发现了一个隐藏的金矿。

在分析复购数据时，她注意到一批特殊用户：他们每次只购买特定品牌的无糖饮料和全麦面包，客单价不高但购买频率稳定。

"这是健身人群。"她立即组织产品团队开发"健康生活"专区，上线蛋白粉、鸡胸肉等商品。专区上线一周，就带来了可观的销售额。

但数据驱动也带来了新的挑战。

一次，数据分析显示某款进口饼干销量很好，她决定大量备货。结果货到后销量却大幅下滑。后来才发现，之前的销量是某个班级集体采购导致的，并不具备普遍性。