Анализ страницы https://afaji.github.io/cv/
Основное Готовность: 100%
Домен
afaji.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
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.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 11.11.2026 2:54:15.
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
~0,31сек
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 0,31сек оптимальна.
Объем документа
72Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 72Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 4
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 4 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://afaji.github.io/assets/css/main.css | |
| stylesheet | https://afaji.github.io/assets/css/academicons.css | |
| js | https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.4/latest.js?config=TeX-MML-AM_CHTML | |
| js | https://afaji.github.io/assets/js/main.min.js |
Серверные заголовки
Кол-во: 17
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 17шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| ETag | "6a43b45e-1204e" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | A6D0:13DD89:28F9E88:294F843:6A89F0F3 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 18:56:53 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230083-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787425013.982478,VS0,VE115 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 4fb2d4f5bdd3f1f660024f341d5a4e5428aa28ee |
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: 48%
Title
Curriculum Vitae - Alham Fikri Aji
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: 34, 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
https://afaji.github.io/cv/
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.
Канонический Url прописан корректно.
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
Кол-во: 4
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 задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:locale | en-US |
| og:site_name | Alham Fikri Aji |
| og:title | Curriculum Vitae |
| og:url | https://afaji.github.io/cv/ |
Все мета-теги
Кол-во: 16
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 16шт. 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 | twitter:site | @alhamfikri |
| name | twitter:title | Curriculum Vitae |
| name | twitter:description | NLP scientist - Assistant Professor at MBZUAI & Monash Indonesia |
| name | twitter:url | https://afaji.github.io/cv/ |
| name | twitter:card | summary |
| name | HandheldFriendly | True |
| name | MobileOptimized | 320 |
| name | viewport | width=device-width, initial-scale=1.0 |
| name | msapplication-TileColor | #000000 |
| name | msapplication-TileImage | https://afaji.github.io/images/mstile-144x144.png?v=M44lzPylqQ |
| name | msapplication-config | https://afaji.github.io/images/browserconfig.xml?v=M44lzPylqQ |
| name | theme-color | #ffffff |
| property | og:locale | en-US |
| property | og:site_name | Alham Fikri Aji |
| property | og:title | Curriculum Vitae |
| property | og:url | https://afaji.github.io/cv/ |
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.
Абзацев с текстом 3 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Слова из title 5 встречаются в тексте достаточно.
Среднее число слов в абзаце 31 достаточно.
Кол-во знаков контента 34983 на странице оптимально.
Кол-во слов 5119 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> 10. Это хорошо.
На странице присутствуют заголовки <h3> 9.
Тошнота
5,66
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
3,81%
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 |
|---|---|---|
| language | 32 | 0,63% |
| muhammad | 28 | 0,55% |
| multilingual | 25 | 0,49% |
| research | 24 | 0,47% |
| mbzuai | 20 | 0,39% |
| winata | 20 | 0,39% |
| samuel | 20 | 0,39% |
| present | 18 | 0,35% |
| models | 17 | 0,33% |
| languages | 16 | 0,31% |
| purwarianti | 16 | 0,31% |
| cahyawijaya | 15 | 0,29% |
| translation | 14 | 0,27% |
| co-advised | 14 | 0,27% |
| machine | 13 | 0,25% |
| indonesian | 13 | 0,25% |
| committee | 12 | 0,23% |
| kenneth | 11 | 0,21% |
| heafield | 11 | 0,21% |
| indonesia | 11 | 0,21% |
Индексация Готовность: 60%
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 136 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
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.
Robots.txt настроен корректно. Размер файла: 45 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
Sitemap: https://afaji.github.io/sitemap.xml
Sitemap
Кол-во: 1
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 содержит карту сайта. Это прекрасно!
Robots.txt не содержит ошибок в карте сайта.
Показать карту сайта
| Url | Статус |
|---|---|
| https://afaji.github.io/sitemap.xml |
|
Внутренние ссылки
Кол-во: 15
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 15 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / |
Alham Fikri Aji
|
|
| /group/ |
Team
|
|
| /cv/ |
CV
|
|
| / |
<strong>Qinrong Cui</strong>
|
|
| /rayendito.github.io |
<strong>Ryandito Diandaru</strong>
|
|
| / |
<strong>Badrinath Chandana</strong>
|
|
| / |
<strong>Erland Fuadi</strong>
|
|
| / |
<strong>Ahmed Attia</strong>
|
|
| / |
<strong>Sama Hadhoud</strong>
|
|
| / |
<strong>Alaa Elsetohy</strong>
|
|
| / |
<strong>Inaya Rahmanisa</strong>
|
|
| / |
<strong>Hanif Muhammad Zhafran</strong>
|
|
| / |
<strong>M Rifqi Farhansyah</strong>
|
|
| / |
<strong>Lyzander Andrylie</strong>
|
|
| / |
Multilingual Iterative Model Pruning: What Matters?
|
|
Внешние ссылки
Кол-во: 120
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 120 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| scholar.google.ca |
Publications
|
| huggingface.co |
SEACrowd
|
| aclanthology.org |
NusaCrowd
|
| huggingface.co |
NusaX
|
| huggingface.co |
NusaWrites
|
| huggingface.co |
CVQA
|
| aclanthology.org |
BRIGHTER
|
| huggingface.co |
Macaron
|
| aclanthology.org |
Copal-ID
|
| huggingface.co |
M4
|
| huggingface.co |
BLOOMZ
|
| huggingface.co |
mT0
|
| github.com |
Lamini-LM
|
| huggingface.co |
Cendol
|
| github.com |
TOP
|
| github.com |
Softpick
|
| github.com |
SENSIA
|
| seacrowd.org |
SEACrowd
|
| sigsea.org |
SIGSEA
|
| sealp-workshop.github.io |
SEALP
|
| haryoa.github.io |
<strong>Haryo Akbarianto Wibowo</strong>
|
| blaisecruz.com |
<strong>Jan Christian Blaise Cruz</strong>
|
| linkedin.com |
<strong>Jonibek Mansurov</strong>
|
| linkedin.com |
<strong>Ahmed Elshabrawy</strong>
|
| patrickamadeus.github.io |
<strong>Patrick Amadeus Irawan</strong>
|
| linkedin.com |
<strong>Zayd Muhammad Kawakibi Zuhri</strong>
|
| faridlazuarda.github.io |
<strong>Muhammad Farid Adilauzarda</strong>
|
| lk.linkedin.com |
<strong>Mohamed Fazli Mohamed Imam</strong>
|
| linkedin.com |
<strong>Rendi Chevi</strong>
|
| lyuchenyang.github.io |
<strong>Chenyang Lyu</strong>
|
| minghao-wu.github.io |
<strong>Minghao Wu</strong>
|
| chenxwh.github.io |
<strong>Chenxi Whitehouse</strong>
|
| linkedin.com |
<strong>Muhammad Razif Rizqullah</strong>
|
| linkedin.com |
<strong>Jalaluddin Al-Mursyidy Fadhlurrahman</strong>
|
| linkedin.com |
<strong>Ni Putu Intan Maharani</strong>
|
| linkedin.com |
<strong>Moses Ananta</strong>
|
| linkedin.com |
<strong>Zayd Muhammad Kawakibi Zuhri</strong>
|
| muhammadravi251001.github.io |
<strong>Muhammad Ravi Sulthan Habibi</strong>
|
| scholar.google.ca |
Google Scholar
|
| arxiv.org |
Predicting the Order of Upcoming Tokens Improves Language Modeling
|
| arxiv.org |
Is Human-Like Text Liked by Humans? Multilingual Human Detection and Preference Against AI
|
| arxiv.org |
Afri-MCQA: Multimodal Cultural Question Answering for African Languages
|
| arxiv.org |
Macaron: Controlled, Human-Written Benchmark for Multilingual and Multicultural Reasoning via Template-Filling
|
| arxiv.org |
SEA-Guard: Culturally Grounded Multilingual Safeguard for Southeast Asia
|
| arxiv.org |
SEA-SafeguardBench: A Culturally Grounded Safety Benchmark for Southeast Asian Languages
|
| arxiv.org |
Softpick: No Attention Sink, No Massive Activations with Rectified Softmax
|
| arxiv.org |
Idea First, Code Later: Disentangling Problem Solving from Code Generation in Evaluating LLMs for Competitive Programming
|
| arxiv.org |
Unveiling the Influence of Amplifying Language-Specific Neurons
|
| aclanthology.org |
ThaiInstruct: An instruction-following Dataset for Culturally-Aware, Multitask, and Multi-domain Evaluation in Thai
|
| aclanthology.org |
LORAXBENCH: A Multitask, Multilingual Benchmark Suite for 20 Indonesian Languages
|
| aclanthology.org |
From Surveys to Narratives: Rethinking Cultural Value Adaptation in LLMs
|
| aclanthology.org |
Balanced Multi-Factor In-Context Learning for Multilingual Large Language Models
|
| aclanthology.org |
CaMMT: Benchmarking Culturally Aware Multimodal Machine Translation
|
| aclanthology.org |
MoMentS: A Comprehensive Multimodal Benchmark for Theory of Mind
|
| aclanthology.org |
Data Laundering: Artificially Boosting Benchmark Results through Knowledge Distillation
|
| aclanthology.org |
BRIGHTER: BRIdging the Gap in Human-Annotated Textual Emotion Recognition Datasets for 28 Languages
|
| aclanthology.org |
Do Language Models Understand Honorific Systems in Javanese?
|
| aclanthology.org |
NusaAksara: A Multimodal and Multilingual Benchmark for Preserving Indonesian Indigenous Scripts
|
| aclanthology.org |
KazMMLU: Evaluating Language Models on Kazakh, Russian, and Regional Knowledge of Kazakhstan
|
| aclanthology.org |
Crowdsource, Crawl, or Generate? Creating SEA-VL, a Multicultural Vision-Language Dataset for Southeast Asia
|
| aclanthology.org |
Statement-Tuning Enables Efficient Cross-lingual Generalization in Encoder-only Models
|
| aclanthology.org |
A Multi-Labeled Dataset for Indonesian Discourse: Examining Toxicity, Polarization, and Demographics Information
|
| aclanthology.org |
Thank You, Stingray: Multilingual Large Language Models Can Not (Yet) Disambiguate Cross-Lingual Word Senses
|
| aclanthology.org |
MLKV: Multi-Layer Key-Value Heads for Memory Efficient Transformer Decoding
|
| aclanthology.org |
Enabling Natural Zero-Shot Prompting on Encoder Models via Statement-Tuning
|
| aclanthology.org |
WorldCuisines: A Massive-Scale Benchmark for Multilingual and Multicultural Visual Question Answering on Global Cuisines
|
| aclanthology.org |
Style Over Substance: Evaluation Biases for Large Language Models
|
| aclanthology.org |
From Multiple-Choice to Extractive QA: A Case Study for English and Arabic
|
| arxiv.org |
CVQA: Culturally-diverse Multilingual Visual Question Answering Benchmark
|
| aclanthology.org |
LinguAlchemy: Fusing Typological and Geographical Elements for Unseen Language Generalization
|
| aclanthology.org |
Cultural Conditioning or Placebo? On the Effectiveness of Socio-Demographic Prompting
|
| aclanthology.org |
Re-Evaluating Evaluation for Multilingual Summarization
|
| aclanthology.org |
LLM-DetectAIve: a Tool for Fine-Grained Machine-Generated Text Detection
|
| aclanthology.org |
Efficient and Interpretable Grammatical Error Correction with Mixture of Experts
|
| aclanthology.org |
Towards Measuring and Modeling “Culture” in LLMs: A Survey
|
| aclanthology.org |
SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages
|
| aclanthology.org |
Cendol: Open Instruction-tuned Generative Large Language Models for Indonesian Languages
|
| aclanthology.org |
M4GT-Bench: Evaluation Benchmark for Black-Box Machine-Generated Text Detection
|
| aclanthology.org |
SemRel2024: A Collection of Semantic Textual Relatedness Datasets for 14 Languages
|
| aclanthology.org |
Copal-ID: Indonesian Language Reasoning with Local Culture and Nuances
|
| aclanthology.org |
M4: Multi-generator, Multi-domain, and Multi-lingual Black-box Machine-generated Text Detection
|
| aclanthology.org |
A Paradigm Shift: The Future of Machine Translation Lies with Large Language Models
|
| aclanthology.org |
Lamini-LM: A Diverse Herd of Distilled Models from Large-scale Instructions
|
| aclanthology.org |
LLM-powered Data Augmentation for Enhanced Crosslingual Performance
|
| aclanthology.org |
Multilingual Large Language Models Are Not (Yet) Code-Switchers
|
| aclanthology.org |
GlobalBench: A benchmark for global progress in natural language processing
|
| aclanthology.org |
Nusawrites: Constructing high-quality corpora for underrepresented and extremely low-resource languages
|
| aclanthology.org |
Crosslingual Generalization through Multitask Finetuning
|
| aclanthology.org |
On “Scientific Debt” in NLP: A Case for More Rigour in Language Model Pre-Training Research
|
| aclanthology.org |
WebIE: Faithful and Robust Information Extraction on the Web
|
| aclanthology.org |
BLOOM+1: Adding Language Support to BLOOM for Zero-Shot Prompting
|
| aclanthology.org |
The Decades Progress on Code-Switching Research in NLP: A Systematic Survey on Trends and Challenges
|
| aclanthology.org |
NusaCrowd: Open Source Initiative for Indonesian NLP Resources
|
| aclanthology.org |
Direct Fact Retrieval from Knowledge Graphs without Entity Linking
|
| aclanthology.org |
Multi-lingual and Multi-cultural Figurative Language Understanding
|
| aclanthology.org |
NusaX: Multilingual Parallel Sentiment Dataset for 10 Indonesian Local Languages
|
| aclanthology.org |
Mintaka: A Complex, Natural, and Multilingual Dataset for End-to-End Question Answering
|
| aclanthology.org |
REDTab: A Relation Extraction Dataset for Knowledge Extraction from Web Tables
|
| aclanthology.org |
One Country, 700+ Languages: NLP Challenges for Underrepresented Languages and Dialects in Indonesia
|
| aclanthology.org |
IndoNLI: A Natural Language Inference Dataset for Indonesian
|
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://afaji.github.io/cv/ готова к продвижению на 66%. 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: