在在线平台上，消费者面临着以位置排名的形式显示的丰富选择。 只有放在前几个位置的产品，消费者才容易获得，她需要努力获得更多的选择。 对于此类平台，我们开发了一个两阶段顺序搜索模型，在第一阶段，消费者顺序筛选位置以观察放置在其中的产品的偏好权重，并形成一个考虑集。 在第二阶段，她观察她可以从每个产品中获得的额外的特殊效用，并在她的考虑范围内选择效用最高的产品。 对于这个模型，我们首先描述福利最大化消费者的最优顺序搜索策略。 然后我们研究具有不同目标的平台应该如何对产品进行排名。 我们专注于两个目标：（i）最大化平台的市场份额和（ii）最大化消费者的福利。 有点令人惊讶的是，我们表明按偏好权重的降序对产品进行排名并不一定能使市场份额或消费者福利最大化。 由于高定位产品对低定位产品的外部效应，这样的排名可能会缩短消费者的考虑范围，导致筛选不足。 然后我们证明，最大化市场份额和最大化消费者福利这两个问题都是 NP 完全的。 我们为每个目标开发了新的接近最优的多项式时间排序算法。 此外，我们表明，即使按偏好权重的降序对产品进行排名是次优的，但这样的排名对这两个目标都具有强大的性能保证。 我们通过使用合成数据的数值研究来补充我们的理论发展，其中我们表明（1）不依赖模型原语的我们算法的启发式版本表现良好，以及（2）我们的模型可以使用最大似然估计器进行有效估计。
