受几个实际销售场景的启发，需要以前的购买来解锁未来的选择权，我们考虑了一个多阶段的分类优化问题，其中卖方承诺做出连续的分类决策，而客户做出连续的选择以最大化她的预期效用。 当有两个阶段时，我们研究问题的最优解。 我们表明，当客户完全近视或完全前瞻性时，这个问题是多项式时间可解的。 特别是，当客户完全具有前瞻性时，最优策略需要每个阶段的分类都是按收入排序的，收入越高的产品总是会带来更广泛的未来选择。 此外，我们发现第一阶段的最优组合必须小于没有第二阶段时的最优组合，而第二阶段的最优组合必须大于没有第一阶段时的最优组合。 当客户具有部分前瞻性时，我们表明该问题通常是 NP-hard 问题。 在这种情况下，我们提出了在各种场景下解决这个问题的有效算法。我们进一步将上述结果扩展到具有任意阶段数的多阶段问题，为此我们推导出广义结构特性和有效算法。 我们还研究了一类静态策略的性能并讨论了多阶段选择模型的估计问题。
