Анализ сайта frermann.de
Основное Готовность: 65%
Домен
frermann.de
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
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.
Безопасность
Сайт небезопасен
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 не найден защищенный протокол ssl и сайт не открывается по https!
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
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
~0,28сек
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 0,28сек оптимальна.
Объем документа
51Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 51Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 1
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 1 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | leas_stylesheet.css |
Серверные заголовки
Кол-во: 4
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 4шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Date | Sat, 22 Aug 2026 09:02:28 GMT |
| Server | Apache/2.4.68 |
| ETag | "ccf5-65824641047f0" |
| Accept-Ranges | bytes |
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
Apache
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.
Сайт работает на веб-сервере Apache.
Мета-теги Готовность: 17%
Title
Lea's Homepage
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: 14, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
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.
Установите мета-тег description!
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
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 не указан. Страница не адаптивная.
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: 0
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Мета-теги не найдены. Без них роботы и устройства действуют по умолчанию (не всегда это хорошо).
Оптимизация Готовность: 57%
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 8 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 47 достаточно.
Кол-во знаков контента 24546 на странице оптимально.
Кол-во слов 3538 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 <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 6. Это хорошо.
На странице присутствуют заголовки <h3> 4.
Тошнота
9,11
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
19,22%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
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 |
|---|---|---|
| frermann | 83 | 2,35% |
| university | 44 | 1,24% |
| language | 30 | 0,85% |
| bibtex | 30 | 0,85% |
| learning | 27 | 0,76% |
| proceedings | 19 | 0,54% |
| trevor | 18 | 0,51% |
| melbourne | 16 | 0,45% |
| research | 15 | 0,42% |
| machine | 15 | 0,42% |
| natural | 15 | 0,42% |
| student | 15 | 0,42% |
| baldwin | 14 | 0,40% |
| computational | 13 | 0,37% |
| mirella | 13 | 0,37% |
| lapata | 13 | 0,37% |
| models | 13 | 0,37% |
| seminar | 13 | 0,37% |
| understanding | 12 | 0,34% |
| meaning | 12 | 0,34% |
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 174 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
Кол-во: 21
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 21 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /./pics/lab-202603.jpg |
[Full size]
|
|
Анализировать url |
| /./pics/lab-202410.jpg |
[Full size]
|
|
Анализировать url |
| /aclanthology.org/2026.acl-long.802.pdf |
Controlling Distributional Bias in Multi-Round LLM Generation via KL-Optimized Fine-Tuning.
|
|
|
| /./multiling_categories/index.html |
Data
|
|
Анализировать url |
| /./dataFiles/mrqa19.pdf |
Poster
|
|
|
| /./dataFiles/acl2019_poster.pdf |
Poster
|
|
|
| /./dataFiles/bibtex/tacl2018.bib |
BibTeX  
|
|
Анализировать url |
| /./dataFiles/acl2018_slides.pdf |
Slides
|
|
|
| /./dataFiles/emnlp2017.pdf |
Poster
|
|
|
| /./dataFiles/phd_thesis_leafrermann.pdf |
Bayesian Models of Category Acquisition and Meaning Development
|
|
|
| /./dataFiles/tacl2016.pdf |
Slides
|
|
|
| /./dataFiles/bibtex/cognition-2016.bib |
BibTeX
|
|
Анализировать url |
| /./dataFiles/wiml2016_abstract.pdf |
A Bayesian Model of Joint Category and Feature Learning
|
|
|
| /./dataFiles/wiml2016_poster.pdf |
Poster
|
|
|
| /./dataFiles/naacl2015_slides.pdf |
Slides
|
|
|
| /./dataFiles/wiml2015_abstract.pdf |
A Bayesian Model of the Temporal Dynamics of Word Meaning
|
|
|
| /./dataFiles/wiml2015_poster.pdf |
Poster
|
|
|
| /./data/ |
Data
|
|
Анализировать url |
| /./dataFiles/eacl2014_poster.pdf |
Poster
|
|
|
| /./dataFiles/eacl2014_scripttalk.pdf |
Slides
|
|
|
| /./dataFiles/msc_thesis_leafrermann.pdf |
A Hierarchical Bayesian Model for Unsupervised Learning of Script Knowledge
|
|
Внешние ссылки
Кол-во: 148
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 148 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| edinburghnlp.inf.ed.ac.uk |
Edinburgh NLP group
|
Анализировать url |
| homepages.inf.ed.ac.uk |
Mirella Lapata
|
Анализировать url |
| homepages.inf.ed.ac.uk |
Shay Cohen
|
Анализировать url |
| homepages.inf.ed.ac.uk |
Mirella Lapata
|
Анализировать url |
| homepages.inf.ed.ac.uk |
Shay Cohen
|
Анализировать url |
| web.stanford.edu |
Michael Frank
|
Анализировать url |
| homepages.inf.ed.ac.uk |
Mirella Lapata
|
Анализировать url |
| homepages.inf.ed.ac.uk |
Charles Sutton
|
Анализировать url |
| coli.uni-saarland.de |
Language Science and Technology
|
Анализировать url |
| ivan-titov.org |
Ivan Titov
|
Анализировать url |
| coli.uni-saarland.de |
Manfred Pinkal
|
Анализировать url |
| www3.ntu.edu.sg |
Francis Bond
|
Анализировать url |
| chunhualiu596.github.io |
Chunhua Liu
|
Анализировать url |
| cis.unimelb.edu.au |
Louis Copland
|
Анализировать url |
| cis.unimelb.edu.au |
Ne Luo
|
Анализировать url |
| damiancurran.com |
Damian Curran
|
Анализировать url |
| mattguida.github.io |
Matteo Guida
|
Анализировать url |
| cis.unimelb.edu.au |
Ming-Bin (Bryan) Chen
|
Анализировать url |
| cis.unimelb.edu.au |
Yilin Geng
|
Анализировать url |
| uriberger.github.io |
Uri Berger
|
Анализировать url |
| katiewarburton.com |
Katie Warburton
|
Анализировать url |
| charleskemp.com |
Charles Kemp
|
Анализировать url |
| cs.toronto.edu |
Yang Xu
|
Анализировать url |
| gvallejo.co |
Gisela Vallejo
|
Анализировать url |
| cs.toronto.edu |
John Xu
|
Анализировать url |
| chunhualiu596.github.io |
Chunhua Liu
|
Анализировать url |
| kkurniawan.com |
Kemal Kurniawan
|
Анализировать url |
| arxiv.org |
Preprint.
|
Анализировать url |
| arxiv.org |
Preprint
|
Анализировать url |
| aclanthology.org |
CIG: Measuring Conversational Information Gain in Deliberative Dialogues with Semantic Memory Dynamics.
|
Анализировать url |
| aclanthology.org |
Not all ANIMALs are equal: metaphorical framing through source domains and semantic frames.
|
Анализировать url |
| aclanthology.org |
Article and Comment Frames Shape the Quality of Online Comments.
|
Анализировать url |
| repositories.cdlib.org |
An Experimental Study of the Evolution of Hierarchical Category Systems.
|
Анализировать url |
| direct.mit.edu |
Retain or Reframe? A Computational Framework for the Analysis of Framing in News Articles and Reader Comments.
|
Анализировать url |
| ojs.aaai.org |
Control Illusion: The Failure of Instruction Hierarchies in Large Language Models.
|
Анализировать url |
| aclanthology.org |
Robustness of Neurosymbolic Reasoners on First-Order Logic Problems
|
Анализировать url |
| arxiv.org |
Preprint
|
Анализировать url |
| doi.org |
Surveying the Landscape of Image Captioning Evaluation: A Comprehensive Taxonomy, Trends and Metrics Analysis.
|
Анализировать url |
| aclanthology.org |
Comparing Moral Values in Western English-speaking societies and LLMs with Word Associations
|
Анализировать url |
| aclanthology.org |
Narrative Media Framing in Political Discourse
|
Анализировать url |
| aclanthology.org |
Moderation Matters: Measuring Conversational Moderation Impact in English as a Second Language Group Discussion
|
Анализировать url |
| escholarship.org |
Scientists and Women Scientists: Exploring Gender Biases in Institutional Category Systems.
|
Анализировать url |
| escholarship.org |
Modeling compounding across languages with analogy and composition.
|
Анализировать url |
| aclanthology.org |
WHoW: A Cross-domain Approach for Analysing Conversation Moderation
|
Анализировать url |
| aclanthology.org |
Human Interest Framing across Cultures: A Case Study on Climate Change
|
Анализировать url |
| onlinelibrary.wiley.com |
Bias and Discrimination Against Women and Parents in Semi-Automated Hiring Systems
|
Анализировать url |
| pnas.org |
Word reuse and combination support efficient communication of emerging concepts
|
Анализировать url |
| arxiv.org |
Preprint
|
Анализировать url |
| aclanthology.org |
Media Framing: A Typology and Survey of Computational Approaches
Across Disciplines
|
Анализировать url |
| github.com |
[Github]
|
Анализировать url |
| aclanthology.org |
Generative Debunking of Climate Misinformation
|
Анализировать url |
| aclanthology.org |
Connecting the Dots in News Analysis: Bridging the Cross-Disciplinary Disparities in Media Bias and Framing
|
Анализировать url |
| aclanthology.org |
Can GPT-4 Recover Latent Semantic Relational Information from Word Associations? A Detailed Analysis of Agreement with Human-annotated Semantic Ontologies.
|
Анализировать url |
| direct.mit.edu |
Quantifying Bias in Hierarchical Category
Systems
|
Анализировать url |
| sciencedirect.com |
Mechanisation, wages, and royalties: unpacking coal lock-in through 120 years of parliamentary debates in the world’s largest exporter
|
Анализировать url |
| ieeexplore.ieee.org |
ML-NLPEmot: Machine Learning-Natural Language Processing (NLP) Event-based Emotion Detection Proactive Framework Addressing Mental Health
|
Анализировать url |
| aclanthology.org |
More than Votes? Voting and Language based Partisanship in the US Supreme Court
|
Анализировать url |
| github.com |
Code & Data
|
Анализировать url |
| aclanthology.org |
Conflicts, Villains, Resolutions: Towards models of Narrative Media Framing
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
Code & Data
|
Анализировать url |
| aclanthology.org |
Seeking Clozure: Robust Hypernym Extraction from BERT with Anchored Prompts,
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| escholarship.org |
Predicting strategy choice in word formation: A case study of reuse and compounding
|
Анализировать url |
| escholarship.org |
Quantifying Bias in Library Classification Systems
|
Анализировать url |
| aclanthology.org |
Probing Power by Prompting: Harnessing Pre-trained Language Models for Power Connotation Framing
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
A Large-Scale Multilingual Study of Visual Constraints on Linguistic Selection of Descriptions>
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
Evaluating the Examiner: The Perils of Pearson Correlation for Automatic Summarisation Evaluation
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| arxiv.org |
Professional Presentation and Projected Power: A Case Study of Implicit Gender Information in English CVs
|
Анализировать url |
| aclanthology.org |
WAX: A New Dataset for Word Association eXplanations
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
Systematic Evaluation of Predictive Fairness
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
Does Representational Fairness Imply Empirical Fairness?
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| arxiv.org |
FairLib: A Unified Framework for Assessing and Improving Fairness
|
Анализировать url |
| github.com |
GitHub
|
Анализировать url |
| charleskemp.com |
Word formation supports efficient communication: The case of compounds
|
Анализировать url |
| aclanthology.org |
Optimising Equal Opportunity Fairness in Model Training
|
Анализировать url |
| aclanthology.org |
A Computational Acquisition Model for Multimodal Word Categorization
|
Анализировать url |
| aclanthology.org |
Unsupervised Cross-Lingual Transfer of Structured Predictors without Source Data
|
Анализировать url |
| aclanthology.org |
Principled Analysis of Energy Discourse across Domains with Thesaurus-based Automatic Topic Labeling
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
Multi-modal Intent Classification for Assistive Robots with Large-scale Naturalistic Datasets
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
Commonsense Knowledge in Word Associations and ConceptNet
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
Fairness-aware Class Imbalanced Learning
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| aclanthology.org |
Evaluating Debiasing Techniques for Intersectional Biases
|
Анализировать url |
| aclanthology.org |
BibTeX
|
Анализировать url |
| escholarship.org |
Categorization in the Wild: Generalizing Cognitive Models to Naturalistic Data across Languages
|
Анализировать url |
| aclanthology.org |
Framing Unpacked: A Semi-Supervised Interpretable Multi-View Model of Media Frames
|
Анализировать url |
| aclanthology.org |
BibTex
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| aclanthology.org |
PTST-UoM at SemEval-2021 Task 10: Parsimonious Transfer for Sequence Tagging
|
Анализировать url |
| aclanthology.org |
BibTeX
|
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 frermann.de видят поисковые системы. Процент оптимизации невысокий - 35%. Чтобы улучшить сайт и попасть в ТОП необходимо:
Постарайтесь исправить общие ошибки.
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: