Анализ сайта fl-icml2023.github.io
Основное Готовность: 75%
Домен
fl-icml2023.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Цепочка редиректов:
http://fl-icml2023.github.io
301 MovedPermanently
https://fl-icml2023.github.io/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 04.10.2026 22:45:22.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
HTTP автоматически перенаправляется на HTTPS.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,50сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,50сек оптимальна.
Объем документа
56Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 56Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 17
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 17 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://fonts.googleapis.com/css?family=Open+Sans:300,300i,400,400i,600,600i,700,700i, Raleway:300,300i,400,400i,500,500i,600,600i,700,700i, Poppins:300,300i,400,400i,500,500i,600,600i,700,700i | |
| stylesheet | assets/vendor/animate.css/animate.min.css | |
| stylesheet | assets/vendor/aos/aos.css | |
| stylesheet | assets/vendor/bootstrap/css/bootstrap.min.css | |
| stylesheet | assets/vendor/bootstrap-icons/bootstrap-icons.css | |
| stylesheet | assets/vendor/boxicons/css/boxicons.min.css | |
| stylesheet | assets/vendor/glightbox/css/glightbox.min.css | |
| stylesheet | assets/vendor/remixicon/remixicon.css | |
| stylesheet | assets/vendor/swiper/swiper-bundle.min.css | |
| stylesheet | assets/css/style.css | |
| js | assets/vendor/aos/aos.js | |
| js | assets/vendor/bootstrap/js/bootstrap.bundle.min.js | |
| js | assets/vendor/glightbox/js/glightbox.min.js | |
| js | assets/vendor/isotope-layout/isotope.pkgd.min.js | |
| js | assets/vendor/php-email-form/validate.js | |
| js | assets/vendor/swiper/swiper-bundle.min.js | |
| js | assets/js/main.js |
Серверные заголовки
Кол-во: 18
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "64c4cf33-e3b5" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | E0FE:9FC9E:18497DD:187B273:6A89634F |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 08:52:32 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230125-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787388752.026155,VS0,VE124 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 282b65e6908a42a8e493fc537b3d3bceccef8736 |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 32%
Title
FL-ICML2023, HOME
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 18, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Federated Learning and Analytics in Practice: Algorithms, Systems, Applications, and Opportunities @ ICML 2023.
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо увеличить число символов в description (текущее значение: 111, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1.0
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
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
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 3
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
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=1.0 |
| name | description | Federated Learning and Analytics in Practice: Algorithms, Systems, Applications, and Opportunities @ ICML 2023. |
| name | keywords |
Оптимизация Готовность: 50%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 1 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 35 достаточно.
Среднее число слов в абзаце 20 достаточно.
Кол-во знаков контента 22191 на странице оптимально.
Кол-во слов 2952 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h2> 13. Это хорошо.
Тошнота
8,89
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
9,62%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота страницы в пределах нормы.
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| university | 79 | 2,68% |
| federated | 65 | 2,20% |
| learning | 50 | 1,69% |
| privacy | 18 | 0,61% |
| 15 | 0,51% | |
| workshop | 12 | 0,41% |
| california | 12 | 0,41% |
| private | 10 | 0,34% |
| distributed | 10 | 0,34% |
| papers | 8 | 0,27% |
| analytics | 8 | 0,27% |
| settings | 8 | 0,27% |
| decentralized | 8 | 0,27% |
| richtárik | 8 | 0,27% |
| technology | 8 | 0,27% |
| algorithms | 7 | 0,24% |
| theoretical | 7 | 0,24% |
| registration | 7 | 0,24% |
| invited | 7 | 0,24% |
| program | 6 | 0,20% |
Индексация Готовность: 0%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 111 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Не найден
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Не найдено
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 0 оптимально.
Внешние ссылки
Кол-во: 92
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 92 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| time.is |
AoE
|
Анализировать url |
| time.is |
AoE
|
Анализировать url |
| time.is |
AoE
|
Анализировать url |
| time.is |
AoE
|
Анализировать url |
| icml.cc |
ICML'23 template
|
Анализировать url |
| openreview.net |
<strong>https://openreview.net/group?id=ICML.cc/2023/Workshop/FL</strong>
|
Анализировать url |
| github.com |
template
|
Анализировать url |
| icml.cc |
ICML poster printing service
|
Анализировать url |
| openreview.net |
Privacy Amplification via Compression: Achieving the Optimal Privacy-Accuracy-Communication Trade-off in Distributed Mean Estimation.
|
Анализировать url |
| openreview.net |
On the Still Unreasonable Effectiveness of Federated Averaging for Heterogeneous Distributed Learning.
|
Анализировать url |
| icml.cc |
ICML
|
Анализировать url |
| openreview.net |
Privacy Amplification via Compression: Achieving the Optimal Privacy-Accuracy-Communication Trade-off in Distributed Mean Estimation.
|
Анализировать url |
| openreview.net |
On the Still Unreasonable Effectiveness of Federated Averaging for Heterogeneous Distributed Learning.
|
Анализировать url |
| openreview.net |
Privacy Auditing with One (1) Training Run.
|
Анализировать url |
| openreview.net |
Federated Heavy Hitter Recovery under Linear Sketching.
|
Анализировать url |
| openreview.net |
Towards a Better Theoretical Understanding of Independent Subnetwork Training.
|
Анализировать url |
| openreview.net |
Privacy Auditing with One (1) Training Run
|
Анализировать url |
| openreview.net |
Federated Heavy Hitter Recovery under Linear Sketching
|
Анализировать url |
| openreview.net |
On the Still Unreasonable Effectiveness of Federated Averaging for Heterogeneous Distributed Learning
|
Анализировать url |
| openreview.net |
Towards a Better Theoretical Understanding of Independent Subnetwork Training
|
Анализировать url |
| openreview.net |
Privacy Amplification via Compression: Achieving the Optimal Privacy-Accuracy-Communication Trade-off in Distributed Mean Estimation
|
Анализировать url |
| openreview.net |
Guiding The Last Layer in Federated Learning with Pre-Trained Models
|
Анализировать url |
| openreview.net |
Distributed Mean Estimation for Multi-Message Shuffled Privacy
|
Анализировать url |
| openreview.net |
On Differentially Private Federated Linear Contextual Bandits
|
Анализировать url |
| openreview.net |
Improving Accelerated Federated Learning with Compression and Importance Sampling
|
Анализировать url |
| openreview.net |
Fed-CPrompt: Contrastive Prompt for Rehearsal-Free Federated Continual Learning
|
Анализировать url |
| openreview.net |
ELF: Federated Langevin Algorithms with Primal, Dual and Bidirectional Compression
|
Анализировать url |
| openreview.net |
Momentum Provably Improves Error Feedback!
|
Анализировать url |
| openreview.net |
Strategic Data Sharing between Competitors
|
Анализировать url |
| openreview.net |
Concept-aware clustering for decentralized deep learning under temporal shift
|
Анализировать url |
| openreview.net |
Re-Weighted Softmax Cross-Entropy to Control Forgetting in Federated Learning
|
Анализировать url |
| openreview.net |
Federated Conformal Predictors for Distributed Uncertainty Quantification
|
Анализировать url |
| openreview.net |
Green Federated Learning
|
Анализировать url |
| openreview.net |
FedFwd: Federated Learning without Backpropagation
|
Анализировать url |
| openreview.net |
Federated Ensemble-Directed Offline Reinforcement Learning
|
Анализировать url |
| openreview.net |
$\texttt{FED-CURE}$: A Robust Federated Learning Algorithm with Cubic Regularized Newton
|
Анализировать url |
| openreview.net |
Federated Experiment Design under Distributed Differential Privacy
|
Анализировать url |
| openreview.net |
Federated Optimization Algorithms with Random Reshuffling and Gradient Compression
|
Анализировать url |
| openreview.net |
A Joint Training-Calibration Framework for Test-Time Personalization with Label Distribution Shift in Federated Learning
|
Анализировать url |
| openreview.net |
Don’t Memorize; Mimic The Past: Federated Class Incremental Learning Without Episodic Memory
|
Анализировать url |
| openreview.net |
On the Performance of Gradient Tracking with Local Updates
|
Анализировать url |
| openreview.net |
Towards a Theoretical and Practical Understanding of One-Shot Federated Learning with Fisher Information
|
Анализировать url |
| openreview.net |
Machine Learning with Feature Differential Privacy
|
Анализировать url |
| openreview.net |
Adaptive Federated Learning with Auto-Tuned Clients via Local Smoothness
|
Анализировать url |
| openreview.net |
Federated, Fast, and Private Visualization of Decentralized Data
|
Анализировать url |
| openreview.net |
Tackling the Data Heterogeneity in Asynchronous Federated Learning with Cached Update Calibration
|
Анализировать url |
| openreview.net |
Hiding in Plain Sight: Disguising Data Stealing Attacks in Federated Learning
|
Анализировать url |
| openreview.net |
Clustering-Guided Federated Learning of Representations
|
Анализировать url |
| openreview.net |
Randomized Quantization is All You Need for Differential Privacy in Federated Learning
|
Анализировать url |
| openreview.net |
FedSelect: Customized Selection of Parameters for Fine-Tuning during Personalized Federated Learning
|
Анализировать url |
| openreview.net |
Exact Optimality in Communication-Privacy-Utility Tradeoffs
|
Анализировать url |
| openreview.net |
Fast and Communication Efficient Decentralized Learning with Local Updates
|
Анализировать url |
| openreview.net |
Beyond Secure Aggregation: Scalable Multi-Round Secure Collaborative Learning
|
Анализировать url |
| openreview.net |
SCAFF-PD: Communication Efficient Fair and Robust Federated Learning
|
Анализировать url |
| openreview.net |
A New Theoretical Perspective on Data Heterogeneity in Federated Optimization
|
Анализировать url |
| openreview.net |
Evaluating and Incentivizing Diverse Data Contributions in Collaborative Learning
|
Анализировать url |
| openreview.net |
Demystifying Local and Global Fairness Trade-offs in Federated Learning Using Information Theory
|
Анализировать url |
| openreview.net |
A Convergent Federated Clustering Algorithm without Initial Condition
|
Анализировать url |
| openreview.net |
Resource-Efficient Federated Learning
|
Анализировать url |
| openreview.net |
Private Federated Learning with Dynamic Power Control via Non-Coherent Over-the-Air Computation
|
Анализировать url |
| openreview.net |
Learning-augmented private algorithms for multiple quantile release
|
Анализировать url |
| openreview.net |
Asynchronous Federated Learning with Bidirectional Quantized Communications and Buffered Aggregation
|
Анализировать url |
| openreview.net |
Privacy-Preserving Federated Heavy Hitter Analytics for Non-IID Data
|
Анализировать url |
| openreview.net |
Differentially Private Heavy Hitters using Federated Analytics
|
Анализировать url |
| openreview.net |
Convergence of First-Order Algorithms for Meta-Learning with Moreau Envelopes
|
Анализировать url |
| openreview.net |
Sketch-and-Project Meets Newton Method: Global $\mathcal O \left( k^{-2} \right)$ Convergence with Low-Rank Updates
|
Анализировать url |
| openreview.net |
Unleashing the Power of Randomization in Auditing Differentially Private ML
|
Анализировать url |
| openreview.net |
Neighborhood Gradient Clustering: An Efficient Decentralized Learning Method for Non-IID Data
|
Анализировать url |
| openreview.net |
Population Expansion for Training Language Models with Private Federated Learning
|
Анализировать url |
| openreview.net |
Federated Learning with Regularized Client Participation
|
Анализировать url |
| openreview.net |
Leveraging Side Information for Communication-Efficient Federated Learning
|
Анализировать url |
| research.google |
Brendan McMahan
|
Анализировать url |
| linkedin.com |
Vojta Jina
|
Анализировать url |
| sites.google.com |
Chuan Guo
|
Анализировать url |
| zhangce.github.io |
Ce Zhang
|
Анализировать url |
| cs.emory.edu |
Li Xiong
|
Анализировать url |
| gfanti.github.io |
Giulia Fanti
|
Анализировать url |
| avestimehr.com |
Salman Avestimehr
|
Анализировать url |
| cseweb.ucsd.edu |
Kamalika Chaudhuri
|
Анализировать url |
| floriantramer.com |
Florian Tramèr
|
Анализировать url |
| songhan.mit.edu |
Song Han
|
Анализировать url |
| research.google |
Peter Kairouz
|
Анализировать url |
| boli.cs.illinois.edu |
Bo Li
|
Анализировать url |
| cs.cmu.edu |
Tian Li
|
Анализировать url |
| johnlnguyen.github.io |
John Nguyen
|
Анализировать url |
| scholar.google.com |
Jianyu Wang
|
Анализировать url |
| shiqiang.wang |
Shiqiang Wang
|
Анализировать url |
| web.stanford.edu |
Ayfer Ozgur
|
Анализировать url |
| research.google |
Zheng Xu
|
Анализировать url |
| alphapav.github.io |
Chulin Xie
|
Анализировать url |
| bootstrapmade.com |
BootstrapMade
|
Анализировать url |
| doc2dial.github.io |
DialDoc@ACL2022
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
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.
Вердикт
Таким сайт fl-icml2023.github.io видят поисковые системы. Процент оптимизации невысокий - 39%. Чтобы улучшить сайт и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: