在线广告的核心问题是在给定的场景（Context）中的特定用户（User）匹配一个最佳的广告（Ads）。首字母的缩写在后续很多地方要用到，不再赘述。
那么第一个问题就是怎样衡量是"最佳的"广告，即怎么衡量一个广告的展现得到了最大的收益。这个对于参与广告的不同角色来说有不同的角度。在广告主端（Demand），希望得到最优的投放效果；在内容提供商端（Supply），希望得到最大的收益。后续的所有问题，都是围绕这个目标来的。其中一个问题是对于Demand端的效果，虽然说广告的最终目的是要得到更大的收益，但是并不是所有的收益衡量都可以直接简单的直接对应到成交上，比如品牌广告，直接的效果是提高品牌的认知度，可能衡量就不能直接从短期的成交来。
所以，在线广告的核心问题就可以分解为，如何来描述C,U,A,在解决了表示的基础上，问题就可以定义为有限制的优化问题。为了在Supply端或Demand端得到最大化的收益，从而催生了计算广告系统的不同形态和广告的不同形态。后续会沿着这两条主线交叉描述系统和广告形式的演进，重点描述其中的数据相关的部分。（当然，严格意义上讲，计算广告全是数据相关的部分。。。）
其实，广告无处不在。从用户的角度看，有文本广告（文字链、搜索结果）；图片广告（banner，橱窗）；交互广告（问答、互动）。不同的广告形式带来的用户关注度、行为和效果是不同的，广告主的付费也不同。
常见的计费方式有：CPM，千次展现付费；CPC，按点击付费；CPA/CPT，按交易或转化付费。不同的付费方式，supply端和demand端的风险点或者说要主要考虑的问题是不一样的。
CPM付费，demand端需要预估展示的CTR，并且预估点击的价值，这样才能为展现出价。CPC付费，supply端需要预估CTR，这样supply端才能获取到更多的利益，而demand端，预估点击的价值，为点击出价。CPA付费，所有的预估都要由supply端来做。做预估，是需要数据的支持。理解了不同付费方式背后的需要的不同的数据和不同角色的风险点，是有助于理解一些广告业态的付费方式，比如RTB一般为何是为展示竞价。