Анализ страницы https://douyang.github.io/publications.html
Основное Готовность: 100%
Домен
douyang.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.
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 14.10.2026 11:36:52.
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
~0,42сек
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 0,42сек оптимальна.
Объем документа
53Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 53Кб 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://fonts.googleapis.com/css2?family=Source+Serif+4:opsz,wght@8..60,400;8..60,600;8..60,700&family=Source+Sans+3:wght@400;600&display=swap |
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 |
| x-origin-cache | HIT |
| Access-Control-Allow-Origin | * |
| ETag | "6a876975-d713" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | B202:15CB:809888:81B035:6A8A0F14 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 21:05:26 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230127-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787432726.021000,VS0,VE117 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 73040679551439b7108edbaa01a7afb692d441ad |
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
Publications — David Ouyang
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: 27, 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
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 |
Оптимизация Готовность: 65%
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 2 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Слова из title 3 встречаются в тексте достаточно.
Среднее число слов в абзаце 30 достаточно.
Кол-во знаков контента 31935 на странице оптимально.
Кол-во слов 5038 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.
Тошнота
11,83
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
31,58%
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 |
|---|---|---|
| ouyang | 140 | 2,78% |
| learning | 42 | 0,83% |
| cardiac | 23 | 0,46% |
| ebinger | 20 | 0,40% |
| intelligence | 19 | 0,38% |
| vukadinovic | 17 | 0,34% |
| cardiol | 17 | 0,34% |
| cardiovasc | 16 | 0,32% |
| ashley | 15 | 0,30% |
| cardiovascular | 15 | 0,30% |
| sahashi | 13 | 0,26% |
| artificial | 13 | 0,26% |
| hughes | 12 | 0,24% |
| health | 12 | 0,24% |
| editorial | 12 | 0,24% |
| disease | 11 | 0,22% |
| medicine | 11 | 0,22% |
| imaging | 11 | 0,22% |
| ventricular | 11 | 0,22% |
| echocardiography | 10 | 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 142 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: 3
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 3 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| /index.html |
← David Ouyang
|
|
| /index.html |
home page
|
|
| /NeuroIPS_2019_ML4H%20Workshop_Paper.pdf |
"EchoNet- Dynamic: a Large New Cardiac Motion Video Data Resource for Medical Machine Learning."
|
|
Внешние ссылки
Кол-во: 139
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 139 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| scholar.google.com |
Google Scholar
|
| pubmed.ncbi.nlm.nih.gov |
"Deep Learning-Enabled Screening of Chronic Kidney Disease from Echocardiography."
|
| medrxiv.org |
"Artificial Intelligence Detects Cardiac Amyloidosis Before Clinical Diagnosis."
|
| doi.org |
"Categorization of echocardiograms by humans and pigeons."
|
| doi.org |
"Foundation models for electrocardiogram interpretation: clinical implications."
|
| doi.org |
"Deep Learning-Based Continuous QT Monitoring to Identify High-Risk Prolongation Events After Class III Antiarrhythmic Initiation."
|
| doi.org |
"Comprehensive echocardiogram evaluation with view primed vision language AI."
|
| doi.org |
"Worsening heart failure events in adults with mild-to-moderate chronic kidney disease."
|
| doi.org |
"PRIME 2.0: Proposed Requirements for Cardiovascular Imaging-Related Multimodal-AI Evaluation: An Updated Checklist."
|
| doi.org |
"Evaluating Translational AI: A Two-Way Moving Target Problem."
|
| doi.org |
"Factors associated with physician modifications to automated ECG interpretations."
|
| doi.org |
"Long-term, ambulatory 12-lead ECG from a single non-standard lead using perceptual reconstruction."
|
| doi.org |
"Current State of Artificial Intelligence in Assessing Cardiac Function."
|
| doi.org |
"Comprehensive aortic stenosis characterization using multi-view deep learning."
|
| doi.org |
"Artificial intelligence prediction of age from echocardiography as a marker for cardiovascular disease."
|
| doi.org |
"Clinical Characteristics, Early GDMT Initiation, and Likelihood of Heart Failure With Improved Ejection Fraction."
|
| doi.org |
"AI, Health, and Health Care Today and Tomorrow: The JAMA Summit Report on Artificial Intelligence."
|
| doi.org |
"Opportunistic Screening of Chronic Liver Disease with Deep-Learning-Enhanced Echocardiography."
|
| doi.org |
"International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm."
|
| doi.org |
"Incident Heart Failure in Adults With Mild to Moderate Chronic Kidney Disease."
|
| doi.org |
"Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis."
|
| doi.org |
"Detecting structural heart disease from electrocardiograms using AI."
|
| doi.org |
"DeepECG-SSL: A foundational artificial intelligence multi-task ECG model leveraging self-supervised learning for enhanced cardiovascular disease prediction."
|
| doi.org |
"Aortic Strain and Diameter After Endovascular and Open Thoracic Aortic Repair."
|
| doi.org |
"Automated Deep Learning Phenotyping of Tricuspid Regurgitation in Echocardiography."
|
| doi.org |
"Using Deep Learning to Predict Cardiovascular Magnetic Resonance Findings From Echocardiographic Videos."
|
| doi.org |
"Understanding Transient Left Ventricular Ejection Fraction Reduction During Atrial Fibrillation With Artificial Intelligence."
|
| doi.org |
"Ratio of interventricular septal thickness to global longitudinal strain accurately identifies cardiac amyloidosis."
|
| doi.org |
"A deep learning phenome wide association study of the electrocardiogram."
|
| doi.org |
"Deep learning on electrocardiogram waveforms to stratify risk of obstructive stable coronary artery disease."
|
| doi.org |
"Automated Deep Learning Pipeline for Characterizing Left Ventricular Diastolic Function."
|
| doi.org |
"EchoNet-Quality: Denoising Echocardiograms via Deep Generative Modeling of Ultrasound Noise."
|
| doi.org |
"How Well Can General Vision-Language Models Learn Medicine By Watching Public Educational Videos? arXiv [Preprint]."
|
| doi.org |
"Value of Artificial Intelligence for Enhancing Suspicion of Cardiac Amyloidosis Using Electrocardiography and Echocardiography: A Narrative Review."
|
| doi.org |
"Artificial Intelligence Automation of Echocardiographic Measurements."
|
| doi.org |
"Automated Aortic Regurgitation Detection and Quantification: A Deep Learning Approach Using Multi-View Echocardiography."
|
| doi.org |
"Acute myocardial infarction diagnosis: impact of artificial intelligence-powered ECG interpretation."
|
| doi.org |
"Holistic AI analysis of hybrid cardiac perfusion images for mortality prediction."
|
| doi.org |
"Detection of Left Ventricular Outflow Obstruction from Standard B-Mode Echocardiogram Videos using Deep Learning."
|
| doi.org |
"Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot."
|
| doi.org |
"AI-echocardiography: Current status and future direction."
|
| doi.org |
"Sex-Divergent Blood Pressure Associations With Multiorgan System Metabolic Stress."
|
| doi.org |
"The ImageGuideEcho Registry: Using Data Science to Understand and Improve Echocardiography."
|
| doi.org |
"Keeping Up With the Times: The Use of a Vision Transformer for Identifying Cardiac Amyloidosis."
|
| doi.org |
"Scoping Out Clinical Trial Emulation."
|
| doi.org |
"Detection of cardiac amyloidosis using machine learning on routine echocardiographic measurements."
|
| doi.org |
"PACT-3D, a deep learning algorithm for pneumoperitoneum detection in abdominal CT scans."
|
| doi.org |
"Automated Evaluation for Pericardial Effusion and Cardiac Tamponade with Echocardiographic Artificial Intelligence."
|
| doi.org |
"Prospective clinical evaluation of deep learning for ultrasonographic screening of abdominal aortic aneurysms."
|
| doi.org |
"High-Throughput Deep Learning Detection of Mitral Regurgitation."
|
| doi.org |
"Serum Potassium Monitoring Using AI-Enabled Smartwatch Electrocardiograms."
|
| doi.org |
"Deep Learning-Derived Myocardial Strain."
|
| doi.org |
"Multi-Organ System Metabolic Stress and Sex-Divergent Vascular Associations."
|
| doi.org |
"Simple models vs."
|
| doi.org |
"Vision-language foundation model for echocardiogram interpretation."
|
| doi.org |
"Deep learning evaluation of echocardiograms to identify occult atrial fibrillation."
|
| doi.org |
"Artificial Intelligence in Cardiovascular Care-Part 2: Applications: JACC Review Topic of the Week."
|
| doi.org |
"Artificial Intelligence for Cardiovascular Care - Part 1: Advances: JACC Review Topic of the Week."
|
| doi.org |
"A Multimodal Video-Based AI Biomarker for Aortic Stenosis Development and Progression."
|
| doi.org |
"Deep learning to detect left ventricular structural abnormalities in chest X-rays."
|
| doi.org |
"An ECG-based artificial intelligence model for assessment of sudden cardiac death risk."
|
| doi.org |
"Sex Differences in Association of Physical Activity With All-Cause and Cardiovascular Mortality."
|
| doi.org |
"Machine Learning and Bias in Medical Imaging: Opportunities and Challenges."
|
| doi.org |
"AI-ENABLED ASSESSMENT OF CARDIAC FUNCTION AND VIDEO QUALITY IN EMERGENCY DEPARTMENT POINT-OF-CARE ECHOCARDIOGRAMS."
|
| doi.org |
"Blood pressure variability supersedes heart rate variability as a real-world measure of dementia risk."
|
| doi.org |
"Deep learning for transesophageal echocardiography view classification."
|
| pubmed.ncbi.nlm.nih.gov |
"Impact of Measurement Noise on Genetic Association Studies of Cardiac Function."
|
| pubmed.ncbi.nlm.nih.gov |
"Leveraging 3D Echocardiograms to Evaluate AI Model Performance in Predicting Cardiac Function on Out-of-Distribution Data."
|
| doi.org |
"Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study."
|
| doi.org |
"Navigating the Gray Zone: AI Decision Support to Identify Aortic Stenosis Severity."
|
| doi.org |
"Precision of Echocardiographic Measurements."
|
| doi.org |
"Machine Learning in Imaging: What is JASE Looking For? J Am Soc Echocardiogr."
|
| pubmed.ncbi.nlm.nih.gov |
"GANcMRI: Cardiac magnetic resonance video generation and physiologic guidance using latent space prompting."
|
| doi.org |
"Reconsidering Conclusions of Bias Assessment in Medical Imaging Foundation Models."
|
| doi.org |
"Deep Learning of Electrocardiograms in Sinus Rhythm From US Veterans to Predict Atrial Fibrillation."
|
| doi.org |
"Deep Learning for Cardiovascular Imaging: A Review."
|
| doi.org |
"A deep learning-based electrocardiogram risk score for long term cardiovascular death and disease."
|
| doi.org |
"Severe aortic stenosis detection by deep learning applied to echocardiography."
|
| doi.org |
"Detection of Left Ventricular Systolic Dysfunction From Electrocardiographic Images."
|
| doi.org |
"Artificial Intelligence in Ventricular Arrhythmias and Sudden Death."
|
| doi.org |
"A Vision for the Future of Quality in Echocardiographic Reporting: The American Society of Echocardiography ImageGuideEcho Registry, Current and Future States."
|
| doi.org |
"Deep learning-based electrocardiographic screening for chronic kidney disease."
|
| doi.org |
"Blinded, randomized trial of sonographer versus AI cardiac function assessment."
|
| doi.org |
"Deep learning-enabled analysis of medical images identifies cardiac sphericity as an early marker of cardiomyopathy and related outcomes."
|
| doi.org |
"Current and Future Applications of Artificial Intelligence in Cardiac CT."
|
| doi.org |
"Video-Based Deep Learning for Automated Assessment of Left Ventricular Ejection Fraction in Pediatric Patients."
|
| doi.org |
"Sex differences in contributors to coronary microvascular dysfunction."
|
| doi.org |
"High-Throughput Assessment of Real-World Medication Effects on QT Interval Prolongation: Observational Study."
|
| doi.org |
"Prediction of Coronary Artery Calcium Using Deep Learning of Echocardiograms."
|
| doi.org |
"Deep Learning Preoperative Risk Stratification."
|
| doi.org |
"Apparent Risks of Postural Orthostatic Tachycardia Syndrome Diagnoses After COVID-19 Vaccination and SARS-Cov-2 Infection."
|
| doi.org |
"Confounders mediate AI prediction of demographics in medical imaging."
|
| doi.org |
"Cardiac microstructural alterations measured by echocardiography identify sex-specific risk for heart failure."
|
| doi.org |
"Cardiovascular and hepatic disease associations by magnetic resonance imaging: A retrospective cohort study."
|
| doi.org |
"Artificial intelligence applications in cardio-oncology: Leveraging high dimensional cardiovascular data."
|
| doi.org |
"Influence of the COVID-19 Pandemic on Author Gender and Manuscript Acceptance Rates among Pulmonary and Critical Care Journals."
|
| doi.org |
"Variability independent of mean blood pressure as a real-world measure of cardiovascular risk."
|
| doi.org |
"Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart."
|
| doi.org |
"Cardiac microstructural alterations in immune-inflammatory myocardial disease: a retrospective case-control study."
|
| doi.org |
"High-Throughput Precision Phenotyping of Left Ventricular Hypertrophy With Cardiovascular Deep Learning."
|
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://douyang.github.io/publications.html готова к продвижению на 49%. 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: