Анализ страницы https://841.io/publications.html
Основное Готовность: 100%
Домен
841.io
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 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 30.10.2026 3:46:20.
Сервер поддерживает HTTP/3 (QUIC) — новейший протокол.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
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
~0,34сек
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 0,34сек оптимальна.
Объем документа
52Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 52Кб 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 | https://841.io/styles/bare-bones.css |
Серверные заголовки
Кол-во: 11
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 11шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Cache-Control | max-age=3600 |
| ETag | "dff666307dc433db3ac9229494c2b47339b5c0aacd3fba60b29ea0414d2892ca" |
| Strict-Transport-Security | max-age=31556926 |
| Accept-Ranges | bytes |
| Date | Sat, 22 Aug 2026 17:18:07 GMT |
| X-Served-By | cache-fra-eddf8230084-FRA |
| X-Cache | HIT |
| x-cache-hits | 0 |
| x-timer | S1787419087.141508,VS0,VE2 |
| Vary | x-fh-requested-host |
| Alt-Svc | h3=":443" |
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
Не определён
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.
Веб-сервер не определён — заголовок Server скрыт. Это не ошибка: часто так настраивают из соображений безопасности.
Мета-теги Готовность: 32%
Title
Publications
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: 12, 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
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: 1
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 1шт. 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 |
Оптимизация Готовность: 60%
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 0 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 0 слишком мало. Сделайте контент более читаемым!
Кол-во знаков контента 18007 на странице оптимально.
Кол-во слов 2790 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> 7. Это хорошо.
Тошнота
4
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 страницы в пределах нормы 4.
Академич. тошнота
3,51%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота не дотягивает до нормы 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 |
|---|---|---|
| evaluation | 16 | 0,57% |
| retrieval | 16 | 0,57% |
| information | 16 | 0,57% |
| search | 15 | 0,54% |
| arguello | 15 | 0,54% |
| systems | 15 | 0,54% |
| learning | 13 | 0,47% |
| ekstrand | 11 | 0,39% |
| overview | 11 | 0,39% |
| ranking | 11 | 0,39% |
| recommendation | 10 | 0,36% |
| social | 10 | 0,36% |
| relevance | 8 | 0,29% |
| transactions | 8 | 0,29% |
| cultural | 7 | 0,25% |
| zamani | 7 | 0,25% |
| models | 7 | 0,25% |
| fairness | 7 | 0,25% |
| summarization | 7 | 0,25% |
| workshop | 7 | 0,25% |
Индексация Готовность: 50%
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 143 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: 143
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 143 оптимально.
Показать первые 100 внутренних ссылок
| Url | Анкор | Состояние |
|---|---|---|
| /doc/kim-matm.html |
Multi-Agent Transactive Memory
|
|
| /doc/trajectory-evaluation.html |
Offline Preference-Based Trajectory Evaluation
|
|
| /doc/bhatt-localization.html |
Characterizing Cultural Localization in AI-Generated Stories
|
|
| /doc/salemi-grepseek.html |
GrepSeek: Training Search Agents for Direct Corpus Interaction
|
|
| /doc/tuna.html |
Taxonomy of User Needs and Actions
|
|
| /doc/kim-marketplace-evaluation.html |
Evaluation of Agents under Simulated AI Marketplace Dynamics
|
|
| /doc/kim-ltrr-sigir.html |
LTRR: Learning To Rank Retrievers for LLMs
|
|
| /doc/he-multilingual-tot-synth.html |
Multilingual and Domain-Agnostic Tip-of-the-Tongue Query Generation for Simulated Evaluation
|
|
| /doc/vrisker.html |
Diversification as Risk Minimization
|
|
| /doc/naini-ranklist.html |
RankList -- A Listwise Preference Learning Framework for Predicting Subjective Preferences
|
|
| /doc/olteanu-rigor.html |
Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor
|
|
| /doc/trec-tot-2025.html |
Overview of the TREC 2025 Tip-of-the-Tongue track
|
|
| /doc/mor.html |
MoR: Better Handling Diverse Queries with a Mixture of Sparse, Dense, and Human Retrievers
|
|
| /doc/fairrag.html |
Towards Fair RAG: On the Impact of Fair Ranking in Retrieval-Augmented Generation
|
|
| /doc/tot-synth.html |
Tip of the Tongue Query Elicitation for Simulated Evaluation
|
|
| /doc/contextual-metaevaluation.html |
Contextual Metric Meta-Evaluation by Measuring Local Metric Accuracy
|
|
| /doc/tti-eval.html |
Offline Evaluation of Set-Based Text-to-Image Generation
|
|
| /doc/pessimistic-eval.html |
Pessimistic Evaluation
|
|
| /doc/GPR4DUR.html |
Density-based User Representation using Gaussian Process Regression for Multi-interest Personalized Retrieval
|
|
| /doc/trec-tot-2024.html |
Overview of the TREC 2024 Tip-of-the-Tongue track
|
|
| /doc/extrinsic-eval-culture.html |
Extrinsic Evaluation of Cultural Competence in Large Language Models
|
|
| /doc/scaling-doesnt-scale.html |
Scaling Laws Do Not Scale
|
|
| /doc/group-membership-bias.html |
The Impact of Group Membership Bias on the Quality and Fairness of Exposure in Ranking
|
|
| /doc/fairness-domain-awareness.html |
Fairness Through Domain Awareness: Mitigating Popularity Bias For Music Discovery
|
|
| /doc/trec-tot-2023.html |
Overview of the TREC 2023 Tip-of-the-Tongue track
|
|
| /doc/consent-futures.html |
AI Consent Futures: A Case Study on Voice Data Collection with Clinicians
|
|
| /doc/commonality.html |
Measuring Commonality in Recommendation of Cultural Content: Recommender Systems to Enhance Cultural Citizenship
|
|
| /doc/scrutable-recs.html |
On Natural Language User Profiles for Transparent and Scrutable Recommendation
|
|
| /doc/jmef.html |
Joint Multisided Exposure Fairness for Recommendation
|
|
| /doc/reml.html |
Retrieval-Enhanced Machine Learning
|
|
| /doc/rpp.html |
Offline Retrieval Evaluation Without Evaluation Metrics
|
|
| /doc/fido.html |
Learning to Limit Data Collection via Scaling Laws: A Computational Interpretation for the Legal Principle of Data Minimization
|
|
| /doc/www22.html |
Exposing Query Identification for Search Transparency
|
|
| /doc/artsheets.html |
Artsheets for Art Datasets
|
|
| /doc/email-reply-suggestions.html |
"I Can’t Reply with That": Characterizing Problematic Email Reply Suggestions
|
|
| /doc/estimation-of-fairness-metrics.html |
Estimation of Fair Ranking Metrics with Incomplete Judgments
|
|
| /doc/tot.html |
Tip of the Tongue Known-Item Retrieval: A Case Study in Movie Identification
|
|
| /doc/trec-fairness-2020.html |
Overview of the TREC 2020 Fair Ranking track
|
|
| /doc/expexp.html |
Evaluating Stochastic Rankings with Expected Exposure
|
|
| /doc/autosuggest.html |
When Are Search Completion Suggestions Problematic?
|
|
| /doc/datamin.html |
Operationalizing the Legal Principle of Data Minimization for Personalization
|
|
| /doc/clarification.html |
Analyzing and Learning from User Interactions for Search Clarification
|
|
| /doc/trec-fairness-2019.html |
Overview of the TREC 2019 Fair Ranking track
|
|
| /doc/fair-marketplace.html |
Towards a Fair Marketplace: Counterfactual Evaluation of the trade-off between Relevance, Fairness & Satisfaction in Recommendation Systems
|
|
| /doc/disceval.html |
Understanding and Evaluating User Satisfaction with Music Discovery
|
|
| /doc/reducing-spoken-queries.html |
Using Query Performance Predictors to Reduce Spoken Queries
|
|
| /doc/duet.html |
Learning to Match Using Local and Distributed Representations of Text for Web Search
|
|
| /doc/web-audit.html |
Auditing Search Engines for Differential Performance Across Demographics
|
|
| /doc/trec-rts-2016.html |
Overview of the TREC 2016 Real-Time Summarization track
|
|
| /doc/ts-eval.html |
A Study of Realtime Summarization Metrics
|
|
| /doc/twitter-language-change.html |
The Social Dynamics of Language Change in Online Networks
|
|
| /doc/altr.html |
Learning to Rank with Labeled Features
|
|
| /doc/local-w2v.html |
Query Expansion with Locally-Trained Word Embeddings
|
|
| /doc/mouse-prefetch.html |
Search Result Prefetching Using Cursor Movement
|
|
| /doc/tempsum-rl.html |
Real-Time Web Scale Event Summarization Using Sequential Decision Making
|
|
| /doc/pqr.html |
Pseudo-Query Reformulation
|
|
| /doc/improving-spoken-queries.html |
Using Query Performance Predictors to Improve Spoken Queries
|
|
| /doc/trec-ts-2015.html |
Overview of the TREC 2015 Temporal Summarization track
|
|
| /doc/clrm.html |
Condensed List Relevance Models
|
|
| /doc/temporal-summarization-acl-2015.html |
Predicting Salient Updates for Disaster Summarization
|
|
| /doc/trec-ts-2014.html |
Overview of the TREC 2014 Temporal Summarization track
|
|
| /doc/trec-web-2014.html |
Overview of the TREC 2014 Web track
|
|
| /doc/mobile-query-reformulations.html |
Mobile Query Reformulations
|
|
| /doc/image-ads.html |
Whole Page Optimization: How Page Elements Interact with the Position Auction
|
|
| /doc/crisislex.html |
CrisisLex: A Lexicon for Collecting and Filtering Microblogged Communications in Crises
|
|
| /doc/multidimensional-relevance.html |
Contextual and Dimensional Relevance Judgments for Reusable SERP-level Evaluation
|
|
| /doc/trec-ts-2013.html |
Overview of the TREC 2013 Temporal Summarization track
|
|
| /doc/trec-web-2013.html |
Overview of the TREC 2013 Web track
|
|
| /doc/robust-mouse-tracking-models.html |
Robust Models of Mouse Movement on Dynamic Web Search Results Pages
|
|
| /doc/crisis-nuggets.html |
Extracting information nuggets from disaster-related messages in social media
|
|
| /doc/temporal-summarization.html |
Updating users about time critical events
|
|
| /doc/fedltr.html |
Learning to Aggregate Vertical Results into Web Search Results
|
|
| /doc/yomtov-location.html |
Location and timeliness of information sources during news events
|
|
| /doc/detachment.html |
Out of Sight, Not Out of Mind: On the Effect of Social and Physical Detachment on Information Need
|
|
| /doc/quicklinks.html |
Generalized Link Suggestions via Web Site Clustering
|
|
| /doc/fedeval.html |
A Methodology for Evaluating Aggregated Search Results
|
|
| /doc/mlr-xfer.html |
Cross-Market Model Adaptation with Pairwise Preference Data for Web Search Ranking
|
|
| /doc/vertical-xfer.html |
Vertical Selection in the Presence of Unlabeled Verticals
|
|
| /doc/dating.html |
Relevance and Ranking in Online Dating Systems
|
|
| /doc/twitter-mlr.html |
Time is of the Essence: Improving Recency Ranking Using Twitter Data
|
|
| /doc/recency.html |
Towards recency ranking in web search
|
|
| /doc/classification-dir.html |
Classification-based Resource Selection
|
|
| /doc/vertical-selection.html |
Sources of Evidence for Vertical Selection
|
|
| /doc/online-vertical-selection.html |
Adaptation of Offline Vertical Selection Predictions in the Presence of User Feedback
|
|
| /doc/online-news-vertical.html |
Integration of News Content Into Web Results
|
|
| /doc/xling-regularization.html |
A Method for Transferring Retrieval Scores Between Collections with Non-Overlapping Vocabularies
|
|
| /doc/rf-regularization.html |
Improving Relevance Feedback in Language Modeling Retrieval with Score Regularization
|
|
| /doc/lsr-bounds.html |
Theoretical Bounds On and Empirical Robustness of Score Regularization to Different Similarity Measures
|
|
| /doc/score-autocorrelation.html |
Performance prediction using spatial autocorrelation
|
|
| /doc/pseudo-alignment.html |
Pseudo-aligned multilingual corpora
|
|
| /doc/ee.html |
Improving the estimation of relevance models using large external corpora
|
|
| /doc/lsr.html |
Regularizing ad hoc retrieval scores
|
|
| /doc/temporal-query-profiles.html |
Using temporal profiles of queries for precision prediction
|
|
| /doc/user-centered-topic-model-evaluation.html |
A user-centered approach to evaluating topic models
|
|
| /doc/wearable-semantics.html |
Using wearable computers to construct semantic representations of physical spaces
|
|
| /doc/dagstuhl-ai-culture.html |
Towards a Multidisciplinary Vision for Culturally Inclusive Generative AI
|
|
| /doc/lexirecall.html |
Recall, Robustness, and Lexicographic Evaluation
|
|
| /doc/psm-knight.html |
A Public Service Media Perspective on the Algorithmic Amplification of Cultural Content
|
|
| /doc/commonality-tors.html |
Measuring Commonality in Recommendation of Cultural Content to Strengthen Cultural Citizenship
|
|
| /doc/disteval.html |
Distributionally-Informed Recommender System Evaluation
|
|
Внешние ссылки
Не найдено
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 не найдено.
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
Страница https://841.io/publications.html готова к продвижению на 60%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: