Тип	Название	Значение
stylesheet		dist/css/bootstrap.min.css
stylesheet		assets/css/ie10-viewport-bug-workaround.css
stylesheet		webpage.css
js		https://code.jquery.com/jquery-1.12.4.min.js
js		dist/js/bootstrap.min.js
js		assets/js/ie10-viewport-bug-workaround.js

Серверные заголовки

Кол-во: 18

HTTP-заголовки ответа сервера ?

Найдены серверные заголовки 18шт. Подробнее про серверные заголовки.

Показать полный список серверных заголовков

Ключ	Значение
Connection	keep-alive
Server	GitHub.com
Access-Control-Allow-Origin	*
ETag	"6a5510f1-dd23"
Cache-Control	max-age=600
x-proxy-cache	MISS
X-GitHub-Request-Id	2186:14C000:25E0D2:28D678:6A89C47E
x-github-edge-region	swedencentral
Accept-Ranges	bytes
Age	0
Date	Sat, 22 Aug 2026 15:47:11 GMT
Via	1.1 varnish
X-Served-By	cache-bma-essb1270061-BMA
X-Cache	MISS
X-Cache-Hits	0
X-Timer	S1787413631.016166,VS0,VE112
Vary	Accept-Encoding
X-Fastly-Request-ID	dd2a24496dbaa0d1ed51d89f811cca5af09f2dfa

CMS

Не определена

Система управления сайтом (движок) ?

CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.

Веб-сервер

GitHub.com

Программное обеспечение сервера ?

В заголовке Server указано: GitHub.com.

Мета-теги Готовность: 32%

Title

Bryan Hooi @ NUS

Заголовок страницы в браузере и поисковой выдаче ?

Необходимо увеличить число символов в title (текущее значение мало: 16, минимум: 25, оптимально: от 40 до 45)

Дублей словоформ в title не найдено.

Исправить

Description

Описание страницы в поисковой выдаче (сниппет) ?

Установите мета-тег description!

Исправить

Keywords

Список ключевых слов страницы (устаревший тег) ?

Установите мета-тег keywords!

Исправить

Канонический Url

Указывает поисковику основную версию страницы ?

Robots

Ошибок нет

Директивы для поисковых роботов на уровне страницы ?

Meta-тег robots не указан. Страница свободна для индексации.

Адаптивность

width=device-width, initial-scale=1

Настройка масштабирования на мобильных устройствах ?

Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.

Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».

Разметка OpenGraph

Не найдено

Мета-теги для красивых превью в соцсетях ?

Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.

Исправить

Все мета-теги

Кол-во: 3

Полный список мета-тегов страницы ?

Найдены мета-теги 3шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.

Показать полный список мета-тегов

Тип	Название	Значение
name	viewport	width=device-width, initial-scale=1
name	description
name	author

Оптимизация Готовность: 47%

Структура

Ошибок нет

Семантические HTML-элементы страницы ?

Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).

Контент

Есть ошибки

Объём и качество текстового содержимого ?

Абзацев с текстом 5 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!

Слова из title 3 встречаются в тексте достаточно.

Среднее число слов в абзаце 81 достаточно.

Кол-во знаков контента 32830 на странице оптимально.

Кол-во слов 4802 на странице оптимально.

Исправить

Заголовки

Ошибок нет

Иерархия заголовков H1–H6 ?

На странице присутствуют заголовки <h3> 12.

Тошнота

6,48

Насколько одно слово доминирует в тексте ?

Тошнота превышает норму 5. Измените текст страницы!

Исправить

Академич. тошнота

3,23%

Насколько текст перенасыщен ключевыми словами ?

Академическая тошнота не дотягивает до нормы 5-15%. Измените текст страницы!

Исправить

Семантическое ядро

Наиболее часто встречающиеся слова на странице ?

Контент страницы содержит осмысленный текст и слова.

Показать список слов

Слово	Кол-во	Частота
detection	42	0,87%
christos	38	0,79%
faloutsos	38	0,79%
models	29	0,60%
learning	26	0,54%
graphs	17	0,35%
neurips	16	0,33%
kijung	16	0,33%
anomaly	15	0,31%
networks	14	0,29%
language	13	0,27%
shenghua	13	0,27%
multimodal	12	0,25%
jiaying	12	0,25%
neural	12	0,25%
yuxuan	12	0,25%
ecml-pkdd	12	0,25%
bingsheng	11	0,23%
findings	11	0,23%
shumin	10	0,21%

Индексация Готовность: 0%

Индексирование

Есть ошибки

Разрешено ли индексирование страницы ?

Анкоров на странице 205 слишком много. Проведите ревизию и оптимизацию ссылок сайта.

Исправить

Robots.txt

Не найден

Файл управления сканированием сайта роботами ?

Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.

Исправить

Sitemap

Кол-во: 0

XML-карта сайта для поисковиков ?

Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.

Исправить

Внутренние ссылки

Кол-во: 58

Ссылки на другие страницы своего сайта ?

Внутренних ссылок на странице 58 оптимально.

Показать внутренние ссылки

Url	Анкор	Анализировать
/CV.pdf	CV
/	Yufei He	Анализировать url
/	Yulin Chen	Анализировать url
/	Shuo Ji	Анализировать url
/	Robust Multimodal Recommendation via Graph Retrieval-Enhanced Modality Completion	Анализировать url
/	GRAVER: Generative Graph Vocabularies for Robust Graph Foundation Models Fine-tuning	Анализировать url
/	How to Make Large Language Models Generate 100% Valid Molecules?	Анализировать url
/	Enhancing Multi-Agent Debate System Performance via Confidence Expression	Анализировать url
/	Backdoor-Powered Prompt Injection Attacks Nullify Defense Methods	Анализировать url
/	Defense Against Prompt Injection Attack by Leveraging Attack Techniques	Анализировать url
/	How Does Generation Length Affect Long-Form Factuality	Анализировать url
/	Monte Carlo Tree Search for Comprehensive Exploration in LLM-Based Automatic Heuristic Design	Анализировать url
/	Adapting Precomputed Features for Efficient Graph Condensation	Анализировать url
/	How Much Can Transfer? BRIDGE: Bounded Multi-Domain Graph Pre-training and Prompt Learning with Generalization Error	Анализировать url
/	Words or Vision: Do Vision-Language Models Have Blind Faith in Text?	Анализировать url
/	Exploring Visual Vulnerabilities via Multi-Loss Adversarial Search for Jailbreaking Vision-Language Models	Анализировать url
/	Tricking Retrievers with Influential Tokens: An Efficient Black-Box Corpus Poisoning Attack	Анализировать url
/	Multi-Label Node Classification with Label Influence Propagation	Анализировать url
/	CHiP: Cross-modal Hierarchical Direct Preference Optimization for Multimodal LLMs	Анализировать url
/	PhishIntel: Toward Practical Deployment of Reference-based Phishing Detection	Анализировать url
/	UniGraph2: Learning a Unified Embedding Space to Bind Multimodal Graphs	Анализировать url
/	Modality-Independent Graph Neural Networks with Global Transformers for Multimodal Recommendation	Анализировать url
/	NodeImport: Imbalanced Node Classification with Node Importance Assessment	Анализировать url
/	ID3: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition	Анализировать url
/	Interrelated Dense Pattern Detection in Multilayer Networks	Анализировать url
/	Scalable and Effective Implicit Graph Neural Networks on Large Graphs	Анализировать url
/	Partitioning Message Passing for Graph Fraud Detection	Анализировать url
/	Consistency Training with Learnable Data Augmentation for Graph Anomaly Detection with Limited Supervision	Анализировать url
/	Primacy Effect of ChatGPT	Анализировать url
/	How Fragile is Relation Extraction under Entity Replacements?	Анализировать url
/papers/decor_kdd23.pdf	DECOR: Degree-Corrected Social Graph Refinement for Fake News Detection
/papers/graphcleaner_icml23.pdf	GraphCleaner: Detecting Mislabelled Samples in Popular Graph Learning Benchmarks
/papers/genn_wsdm23.pdf	Graph Explicit Neural Networks: Explicitly Encoding Graphs for Efficient and Accurate Inference
/papers/ssprobing_eccv2022.pdf	Trust, but Verify: Using Self-Supervised Probing to Improve Trustworthiness
/papers/psa_ecml22.pdf	Probing Spurious Correlations in Popular Event-Based Rumor Detection Benchmarks
/papers/cadet_ijcai22.pdf	CADET: Calibrated Anomaly Detection for Mitigating Hardness Bias
/papers/hmt_sigir22.pdf	Hierarchical Multi-Task Graph Recurrent Network for Next POI Recommendation
/papers/mixup_web21.pdf	Mixup for Node and Graph Classification
/papers/curgraph_web21.pdf	CurGraph: Curriculum Learning for Graph Classification
/papers/gdn_aaai2021.pdf	Graph Neural Network-Based Anomaly Detection in Multivariate Time Series
/papers/stod_wsdm21.pdf	Origin-Aware Next Destination Recommendation with Personalized Preference Attention
/papers/lpgcn_icdm20.pdf	Provably Robust Node Classification via Low-Pass Message Passing
/papers/prosup_ecml20.pdf	Progressive Supervision for Node Classification
/papers/nodeaug_kdd20.pdf	NodeAug: Semi-Supervised Node Classification with Data Augmentation
/papers/telltail_aaai20.pdf	TellTail: Fast Scoring and Detection of Dense Subgraphs
/smf/paper.pdf	SMF: Drift Aware Matrix Factorization with Seasonal Patterns
/papers/bnb_sdm19.pdf	Branch and Border: Partition-Based Change Detection in Multivariate Time Series
/papers/eaglemine_pakdd19.pdf	Anomaly Detection in Large Graphs based on Vision-guided Summarization
/changedar/paper.pdf	ChangeDAR: Online Localized Change Detection for Sensor Data on a Graph.
/	A Contrast Metric for Fraud Detection in Rich Graphs	Анализировать url
/papers/gridwatch_pkdd18.pdf	GridWatch: Sensor Placement and Anomaly Detection in the Electrical Grid.
/papers/streamcast_sdm18.pdf	StreamCast: Fast and Online Mining of Power Grid Time Sequences.
/papers/eyequal_icmla17.pdf	EyeQual: Accurate, Explainable, Retinal Image Quality Assessment.
/	Linear Load Model for Robust Power System Analysis.	Анализировать url
/papers/graphfraud_tkdd2017.pdf	Graph-Based Fraud Detection in the Face of Camouflage.
/papers/autocyclone_www17.pdf	AutoCyclone: Automatic Mining of Cyclic Patterns and Anomalies by Robust Tensor Factorization.
/papers/fraudar_kdd16.pdf	FRAUDAR: Bounding Graph Fraud in the Face of Camouflage.
/papers/birdnest_sdm16.pdf	BIRDNEST: Bayesian Inference for Ratings-Fraud Detection.

Внешние ссылки

Кол-во: 139

Ссылки на сторонние сайты ?

Внешних ссылок на странице 139 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!

Показать первые 100 внешних ссылок

Url	Анкор	Анализировать
scholar.google.com	Google Scholar	Анализировать url
twitter.com	Twitter
zhiyuanhubj.github.io	Zhiyuan Hu	Анализировать url
linkedin.com	Sara Bakić	Анализировать url
linkedin.com	Ivona Martinović	Анализировать url
yuan-sui.com	Yuan Sui	Анализировать url
yueliu1999.github.io	Yue Liu	Анализировать url
imethanlee.github.io	Yuexin Li	Анализировать url
caothientri2001vn.github.io	Tri Cao	Анализировать url
liushiliushi.github.io	Yibo Li	Анализировать url
chchenhui.github.io	Hui Chen	Анализировать url
scholar.google.com	Jun Hu	Анализировать url
sg.linkedin.com	Qianyun Guo	Анализировать url
chchenhui.github.io	FABSCORE: Fine-Grained Evaluation of Fabrications in Automated AI Research	Анализировать url
arxiv.org	Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents	Анализировать url
arxiv.org	Just-In-Time Reinforcement Learning: Continual Learning in LLM Agents Without Gradient Updates	Анализировать url
arxiv.org	Turning Bias into Bugs: Bandit-Guided Style Manipulation Attacks on LLM Judges	Анализировать url
arxiv.org	AliMark: Enhancing Robustness of Sentence-Level Watermarking Against Text Paraphrasing	Анализировать url
arxiv.org	Conversation for Non-verifiable Learning: Self-Evolving Large Language Models through Meta-Evaluation	Анализировать url
arxiv.org	Robustness via Referencing: Defending against Prompt Injection Attacks by Referencing the Executed Instruction	Анализировать url
arxiv.org	Meta-Reasoner: Dynamic Guidance for Optimized Inference-time Reasoning in Large Language Models	Анализировать url
arxiv.org	Beyond 'Aha!': Toward Systematic Meta-Abilities Alignment in Large Reasoning Models	Анализировать url
arxiv.org	Rewarding the Rare: Uniqueness-Aware RL for Creative Problem Solving in LLMs	Анализировать url
arxiv.org	Seeing Through Deception: Uncovering Misleading Creator Intent in Multimodal News with Vision-Language Models	Анализировать url
arxiv.org	EvoTest: Evolutionary Test-Time Learning for Self-Improving Agentic Systems	Анализировать url
arxiv.org	VPI-Bench: Visual Prompt Injection Attacks for Computer-Use Agents	Анализировать url
arxiv.org	TrustGen: A Platform of Dynamic Benchmarking on the Trustworthiness of Generative Foundation Models	Анализировать url
arxiv.org	MLR-Bench: Evaluating AI Agents on Open-Ended Machine Learning Research	Анализировать url
arxiv.org	ConfTuner: Training Large Language Models to Express Their Confidence Verbally	Анализировать url
arxiv.org	GuardReasoner-VL: Safeguarding VLMs via Reinforced Reasoning	Анализировать url
arxiv.org	Enabling Self-Improving Agents to Learn at Test Time With Human-In-The-Loop Guidance	Анализировать url
arxiv.org	TopicAttack: An Indirect Prompt Injection Attack via Topic Transition	Анализировать url
arxiv.org	Automating Steering for Safe Multimodal Large Language Models	Анализировать url
arxiv.org	Making Every Step Effective: Jailbreaking Large Vision-Language Models Through Hierarchical KV Equalization	Анализировать url
arxiv.org	Safety in Large Reasoning Models: A Survey	Анализировать url
arxiv.org	Can Knowledge Graphs Make Large Language Models More Trustworthy? An Empirical Study Over Open-ended Question Answering	Анализировать url
arxiv.org	ReLearn: Unlearning via Learning for Large Language Models	Анализировать url
arxiv.org	LongRecipe: Recipe for Efficient Long Context Generalization in Large Language Models	Анализировать url
arxiv.org	Can Indirect Prompt Injection Attacks Be Detected and Removed?	Анализировать url
arxiv.org	Vulnerability of LLMs to Vertically Aligned Text Manipulations	Анализировать url
arxiv.org	DRS: Deep Question Reformulation With Structured Output	Анализировать url
aclanthology.org	FiDeLiS: Faithful Reasoning in Large Language Models for Knowledge Graph Question Answering	Анализировать url
arxiv.org	FlipAttack: Jailbreak LLMs via Flipping	Анализировать url
arxiv.org	PhishAgent: A Robust Multimodal Agent for Phishing Webpage Detection	Анализировать url
arxiv.org	Con-ReCall: Detecting Pre-training Data in LLMs via Contrastive Decoding	Анализировать url
arxiv.org	UniGraph: Learning a Cross-Domain Graph Foundation Model From Natural Language	Анализировать url
arxiv.org	G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering	Анализировать url
arxiv.org	Uncertainty of Thoughts: Uncertainty-Aware Planning Enhances Information Seeking in Large Language Models	Анализировать url
openreview.net	RNA-FrameFlow: Flow Matching for de novo 3D RNA Backbone Design	Анализировать url
arxiv.org	Efficient Heterogeneous Graph Learning via Random Projection	Анализировать url
arxiv.org	Learning the Unlearned: Mitigating Feature Suppression in Contrastive Learning	Анализировать url
arxiv.org	When Text and Images Don't Mix: Bias-Correcting Language-Image Similarity Scores for Anomaly Detection	Анализировать url
arxiv.org	KnowPhish: Large Language Models Meet Multimodal Knowledge Graphs for Enhancing Reference-Based Phishing Detection	Анализировать url
arxiv.org	Fake News in Sheep’s Clothing: Robust Fake News Detection Against LLM-Empowered Style Attacks	Анализировать url
arxiv.org	Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View	Анализировать url
arxiv.org	Truth Table Net: Scalable, Compact & Verifiable Neural Networks with a Dual Convolutional Small Boolean Circuit Networks Form	Анализировать url
arxiv.org	Seeing is Believing: Mitigating Hallucination in Large Vision-Language Models via CLIP-Guided Decoding	Анализировать url
arxiv.org	UniTime: A Language-Empowered Unified Model for Cross-Domain Time Series Forecasting	Анализировать url
arxiv.org	Can LLMs Express Their Uncertainty? An Empirical Evaluation of Confidence Elicitation in LLMs	Анализировать url
arxiv.org	Harnessing Explanations: LLM-to-LM Interpreter for Enhanced Text-Attributed Graph Representation Learning	Анализировать url
ojs.aaai.org	PoetryDiffusion: Towards Joint Semantic and Metrical Manipulation in Poetry Generation	Анализировать url
arxiv.org	MGDCF: Distance Learning via Markov Graph Diffusion for Neural Collaborative Filtering	Анализировать url
arxiv.org	HiPA: Enabling One-Step Text-to-Image Diffusion Models via High-Frequency-Promoting Adaptation	Анализировать url
arxiv.org	Towards A Unified View of Answer Calibration for Multi-Step Reasoning	Анализировать url
arxiv.org	Proximity-Informed Calibration for Deep Neural Networks	Анализировать url
arxiv.org	Expanding Small-Scale Datasets with Guided Imagination	Анализировать url
arxiv.org	LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting	Анализировать url
arxiv.org	TAP: A Comprehensive Data Repository for Traffic Accident Prediction in Road Networks	Анализировать url
browse.arxiv.org	Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News Detection	Анализировать url
browse.arxiv.org	Unlocking the Potential of User Feedback: Leveraging Large Language Model as User Simulators to Enhance Dialogue System	Анализировать url
browse.arxiv.org	Sketch-Based Anomaly Detection in Streaming Graphs	Анализировать url
arxiv.org	SPEECH: Structured Prediction with Energy-Based Event-Centric Hyperspheres	Анализировать url
arxiv.org	Great Models Think Alike: Improving Model Reliability via Inter-Model Latent Agreement	Анализировать url
arxiv.org	A Generalization of ViT/MLP-Mixer to Graphs	Анализировать url
arxiv.org	Reachability-Aware Laplacian Representation in Reinforcement Learning	Анализировать url
arxiv.org	Towards Better Graph Representation Learning with Parameterized Decomposition & Filtering	Анализировать url
arxiv.org	Deep Long-Tailed Learning: A Survey	Анализировать url
openaccess.thecvf.com	Probabilistic Knowledge Distillation for Face Ensembles	Анализировать url
arxiv.org	Construction and Applications of Billion-Scale Pre-trained Multimodal Business Knowledge Graph	Анализировать url
arxiv.org	Spade: A real-time fraud detection framework on evolving graphs	Анализировать url
arxiv.org	Flashlight: Scalable Link Prediction with Effective Decoders	Анализировать url
openreview.net	Jointly Modelling Uncertainty and Diversity for Active Molecular Property Prediction	Анализировать url
arxiv.org	Self-Supervised Aggregation of Diverse Experts for Test-Agnostic Long-Tailed Recognition	Анализировать url
arxiv.org	MGNNI: Multiscale Graph Neural Networks with Implicit Layers	Анализировать url
openreview.net	Birds of a Feather Trust Together: Knowing When to Trust a Classifier via Adaptive Neighborhood Aggregation	Анализировать url
arxiv.org	LPGNet: Link Private Graph Networks for Node Classification	Анализировать url
arxiv.org	When Do Contrastive Learning Signals Help Spatio-Temporal Graph Forecasting?	Анализировать url
arxiv.org	Time-Aware Neighbor Sampling on Temporal Graphs	Анализировать url
arxiv.org	LSCALE: Latent Space Clustering-Based Active Learning for Node Classification	Анализировать url
arxiv.org	ARES: Locally Adaptive Reconstruction-based Anomaly Scoring	Анализировать url
arxiv.org	The Geometry of Robust Value Functions	Анализировать url
ijcai.org	Neural PCA for Flow-Based Representation Learning	Анализировать url
arxiv.org	Should We Rely on Entity Mentions for Relation Extraction? Debiasing Relation Extraction with Counterfactual Analysis	Анализировать url
arxiv.org	MemStream: Memory-Based Streaming Anomaly Detection	Анализировать url
arxiv.org	LUNAR: Unifying Local Outlier Detection Methods via Graph Neural Networks	Анализировать url
shenghua-liu.github.io	Time Series Anomaly Detection with Adversarial Reconstruction Networks	Анализировать url
arxiv.org	Dynamic Graph-Based Anomaly Detection in the Electrical Grid	Анализировать url
arxiv.org	MonLAD: Money Laundering Agents Detection in Transaction Streams	Анализировать url
dl.acm.org	Real-Time Anomaly Detection in Edge Streams	Анализировать url
arxiv.org	Unleashing the Power of Contrastive Self-Supervised Visual Models via Contrast-Regularized Fine-Tuning	Анализировать url

Исправить

Конкуренты Готовность: 0%

Конкуренты в Яндексе

Кол-во: 0

Топ сайтов-конкурентов в Яндексе ?

Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.

Конкурентов в ТОП-10 Яндекса не нашлось.

Исправить

Конкуренты в Google

Кол-во: 0

Топ сайтов-конкурентов в Google ?

Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!

Конкурентов в ТОП-10 Google не нашлось.

Исправить

ЗоЗПП: права потребителей Готовность: 100%

Нарушения

Не выявлены

Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.

ФЗ-149: рекомендательные технологии Готовность: 100%

Нарушения

Не выявлены

Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.

ФЗ-38: реклама Готовность: 100%

Нарушения

Не выявлены

Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.

ФЗ-436: защита детей Готовность: 100%

Нарушения

Не выявлены

Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.

Поделитесь с друзьями:

Анализ сайта bhooi.github.io

Основное Готовность: 45%

Домен

Ответ сервера

Безопасность

Кодировка

Язык

Скорость загрузки

Объем документа

Ресурсы

Серверные заголовки

CMS

Веб-сервер

Мета-теги Готовность: 32%

Title

Description

Keywords

Канонический Url

Robots

Адаптивность

Разметка OpenGraph

Все мета-теги

Оптимизация Готовность: 47%

Структура

Контент

Заголовки

Тошнота

Академич. тошнота

Семантическое ядро

Индексация Готовность: 0%

Индексирование

Robots.txt

Sitemap

Внутренние ссылки

Внешние ссылки

Конкуренты Готовность: 0%

Конкуренты в Яндексе

Конкуренты в Google

ЗоЗПП: права потребителей Готовность: 100%

Нарушения

ФЗ-149: рекомендательные технологии Готовность: 100%

Нарушения

ФЗ-38: реклама Готовность: 100%

Нарушения

ФЗ-436: защита детей Готовность: 100%

Нарушения

Вердикт