Анализ страницы https://ethemalpaydin.github.io/articles/
Основное Готовность: 100%
Домен
ethemalpaydin.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.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 28.10.2026 23:42:05.
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
~0,36сек
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 0,36сек оптимальна.
Объем документа
17Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 17Кб 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 | ../style.css |
Серверные заголовки
Кол-во: 19
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 19шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| x-origin-cache | HIT |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "6a64eb5d-4587" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 1C04:15CB:50300D:50DCA4:6A89F4C1 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 19:13:05 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230137-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787425986.548850,VS0,VE124 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 594dca2c0b5d39bfa65966135f8663a21f8cc29e |
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: 17%
Title
Articles
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: 8, 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: 40%
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 3 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 1 слишком мало. Сделайте контент более читаемым!
Кол-во знаков контента 11536 на странице оптимально.
Кол-во слов 1742 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
9,17
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 3. Измените текст страницы!
Академич. тошнота
0,69%
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 |
|---|---|---|
| alpaydın | 84 | 4,82% |
| recognition | 26 | 1,49% |
| neural | 23 | 1,32% |
| networks | 19 | 1,09% |
| learning | 19 | 1,09% |
| pattern | 18 | 1,03% |
| yıldız | 17 | 0,98% |
| multiple | 14 | 0,80% |
| transactions | 10 | 0,57% |
| classification | 10 | 0,57% |
| decision | 8 | 0,46% |
| algorithms | 8 | 0,46% |
| kernel | 8 | 0,46% |
| classifiers | 7 | 0,40% |
| journal | 7 | 0,40% |
| intelligence | 7 | 0,40% |
| machine | 6 | 0,34% |
| handwritten | 6 | 0,34% |
| systems | 5 | 0,29% |
| comparison | 5 | 0,29% |
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 93 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: 74
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 74 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| /../ |
Home
|
|
| /../biography/ |
Biography
|
|
| /../books/ |
Books
|
|
| /../files/2023/06/ozan_sspr2022.pdf |
Distributed Decision Trees
|
|
| /../files/2021/01/Ozan_dropout_NeuroComp.pdf |
Dropout Regularization in Hierarchical Mixture of Experts
|
|
| /../files/2021/01/Alper_HMoG_ICPR.pdf |
Hierarchical Mixtures of Generators for Adversarial Networks
|
|
| /../files/2021/01/Ozan_const_TNNLS.pdf |
Continuously Constructive Deep Neural Networks
|
|
| /../files/2021/01/Uras_bigan_PatRec.pdf |
Training Bidirectional Generative Adversarial Networks with Hints
|
|
| /../cmpe_papers/Alper-icann18.pdf |
Convolutional Soft Decision Trees,
|
|
| /../files/2019/07/Erdem_CGW18-1.pdf |
What's In A Game? The Effect of Game Complexity on Deep Reinforcement Learning,
|
|
| /../cmpe_papers/Ozan_Neurocomp.pdf |
Unsupervised Feature Extraction with Autoencoder Trees,
|
|
| /../cmpe_papers/BaggingSDT_ML4HIbook.pdf |
Bagging Soft Decision Trees,
|
|
| /../cmpe_papers/beamECOC2.pdf |
Beam ECOC: A Local Search for the Optimization of the ECOC Matrix,
|
|
| /../cmpe_papers/AiP25_Paper36.pdf |
Autoencoder Trees,
|
|
| /../cmpe_papers/mil-pr15.pdf |
Single- vs. Multiple-Instance Classification,
|
|
| /../cmpe_papers/ozan-budding-icpr2014.pdf |
Budding Trees,
|
|
| /../cmpe_papers/iscis2013_regsofttree.pdf |
Regularizing Soft Decision Trees,
|
|
| /../cmpe_papers/murat_ecml13.pdf |
Mixtures of Large Margin Nearest Neighbor Classifiers,
|
|
| /../cmpe_papers/mehmet_lmkl_pr13.pdf |
Localized Algorithms for Multiple Kernel Learning,
|
|
| /../cmpe_papers/erinc_asl13.pdf |
Classification and Ranking Approaches to Discriminative Language Modeling for ASR,
|
|
| /../cmpe_papers/tcbb_ozan2012.pdf |
Design and Analysis of Classifier Learning Experiments in Bioinformatics: Survey and Case Studies,
|
|
| /../cmpe_papers/icpr2012_softtree.pdf |
Soft Decision Trees,
|
|
| /../cmpe_papers/hinge_iscis2012.pdf |
Statistical Tests using Hinge/Epsilon-Sensitive Loss,
|
|
| /../cmpe_papers/aydin_infosci_eigen.pdf |
Eigenclassifiers for Combining Correlated Classifiers
|
|
| /../cmpe_papers/aydin_pr_m2test.pdf |
Cost-Conscious Comparison of Supervised Learning Algorithms over Multiple Data Sets,
|
|
| /../cmpe_papers/multivariate_test_springer.pdf |
Multivariate Statistical Tests for Comparing Classification Algorithms,
|
|
| /../cmpe_papers/olcay_cca_prl.pdf |
Canonical Correlation Analysis using Within-Class Coupling,
|
|
| /../cmpe_papers/mehmet_patrec11.pdf |
Regularizing Multiple Kernel Learning using Response Surface Methodology,
|
|
| /../cmpe_papers/62-Zor.pdf |
FLIP-ECOC: a greedy optimization of the ECOC matrix,
|
|
| /../cmpe_papers/gonen_icpr10.pdf |
Localized Multiple Kernel Regression,
|
|
| /../cmpe_papers/ICAISC2010_Kursun_Alpaydın.pdf |
Canonical Correlation Analysis for Multiview Semisupervised Feature Extraction,
|
|
| /../cmpe_papers/mehmet_neurocomp.pdf |
Supervised Learning of Local Projection Kernels,
|
|
| /../cmpe_papers/mehmet_prl.pdf |
Cost-Conscious Multiple Kernel Learning,
|
|
| /../cmpe_papers/aydin_infosci_icon.pdf |
Incremental Construction of Classifier and Discriminant Ensembles,
|
|
| /../cmpe_papers/gonen_prib09.pdf |
Multiple Kernel Machines Using Localized Kernels,
|
|
| /../cmpe_papers/oya_ijprai.pdf |
An Incremental Framework Based on Cross-Validation for Estimating the Architecture of a Multilayer Perceptron,
|
|
| /../cmpe_papers/gonen_icml08.pdf |
Localized Multiple Kernel Learning,
|
|
| /../cmpe_papers/mehmet_tnn.pdf |
Multiclass Posterior Probability Support Vector Machines,
|
|
| /../cmpe_papers/berk_patrec.pdf |
Learning the Best Subset of Local Features for Face Recognition,
|
|
| /../cmpe_papers/olcay-pami.pdf |
Ordering and Finding the Best of <i>K</i>>2 Supervised Learning Algorithms,
|
|
| /../cmpe_papers/cigdem-prl.pdf |
Cost-Conscious Classifier Ensembles,
|
|
| /../cmpe_papers/yildiz_ecml05.pdf |
Model Selection in Omnivariate Decision Trees,
|
|
| /../cmpe_papers/olcay-ijprai.pdf |
Linear Discriminant Trees,
|
|
| /../cmpe_papers/salah_icpr04.ps |
Incremental Mixtures of Factor Analyzers,
|
|
| /../cmpe_papers/biometrics_berk_gokberk.pdf |
Selection of Location, Frequency, and Orientation Parameters of 2D Gabor Wavelets for Face Recognition,
|
|
| /../cmpe_papers/aran03incremental.pdf |
An Incremental Neural Network Construction Algorithm for Training Multilayer Perceptrons,
|
|
| /../cmpe_papers/27140076.pdf |
A Comparison of Model Aggregation Methods for Regression,
|
|
| /../cmpe_papers/baraldi1.pdf |
Constructive Feedforward ART Clustering Network – Part I,
|
|
| /../cmpe_papers/baraldi2.pdf |
Constructive Feedforward ART Clustering Network – Part II,
|
|
| /../cmpe_papers/pami0420-fig1.eps |
A Selective Attention-Based Method for Visual Pattern Recognition with Application to Handwritten Digit Recognition and Face Recognition,
|
|
| /../cmpe_papers/pami0420-fig1.eps |
Correct Fig 1
|
|
| /../cmpe_papers/omni.pdf |
Omnivariate Decision Trees,
|
|
| /../cmpe_papers/elektrik.pdf |
Combining Multiple Representations for Pen-based Handwritten Digit Recognition,
|
|
| /../cmpe_papers/fatih_icann01.pdf |
Weight Quantization for Multilayer Perceptrons using Soft Weight Sharing,
|
|
| /../cmpe_papers/cogsci2001.pdf |
A Selective Attention Based Method for Visual Pattern Recognition,
|
|
| /../cmpe_papers/isas.ps |
Assessing and Comparing Classification Algorithms,
|
|
| /../cmpe_papers/iwfhr.pdf |
Cascading Multiple Classifiers and Representations for Optical and Pen-Based Handwritten Digit Recognition,
|
|
| /../cmpe_papers/kaynak-Alpaydın-icml2k.ps.gz |
MultiStage Cascading of Multiple Classifiers: One Man’s Noise is Another Man’s Data,
|
|
| /../cmpe_papers/yildiz-Alpaydın-icml2k.ps.gz |
Linear Discriminant Trees,
|
|
| /../cmpe_papers/NC110804.PDF |
Combined 5x2cv F Test for Comparing Supervised Classification Learning Algorithms,
|
|
| /../cmpe_papers/annsys.pdf |
ANNSyS: An Analog Neural Network Synthesis System,
|
|
| /../cmpe_papers/aie-editorial.pdf |
Guest Editorial,
|
|
| /../cmpe_papers/icann99.ps.gz |
Learning Error-Correcting Output Codes from Data,
|
|
| /../cmpe_papers/iwann99.pdf |
Support Vector Machines for Multi-Class Classification,
|
|
| /../cmpe_papers/kyb.ps |
Cascading Classifiers,
|
|
| /../cmpe_papers/1147.pdf |
Soft Vector Quantization and the EM Algorithm,
|
|
| /../cmpe_papers/eis98.ps |
Techniques for Combining Multiple Learners,
|
|
| /../cmpe_papers/aca.ps |
Comparison of Statistical and Neural Classifiers and Their Applications to Optical Character Recognition and Speech Classification,
|
|
| /../cmpe_papers/air-lazy.pdf |
Voting over Multiple Condensed Nearest Neighbors,
|
|
| /../cmpe_papers/icdar97.ps.gz |
Combining Multiple Representations and Classifiers for Pen-based Handwritten Digit Recognition,
|
|
| /../cmpe_papers/ejor.pdf |
Parametric Distance Functions vs Nonparametric Neural Networks for Estimating Road Travel Distances,
|
|
| /../cmpe_papers/llp.pdf |
Local Linear Perceptrons for Classification,
|
|
| /../cmpe_papers/sa.ps |
Selective Attention for Handwritten Digit Recognition,
|
|
| /../cmpe_papers/nca.ps.gz |
Comparison of Kernel Estimators, Perceptrons, and Radial-Basis Functions for OCR and Speech Classification,
|
|
Внешние ссылки
Кол-во: 19
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 19 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор |
|---|---|
| arxiv.org |
HalfNet: Randomized Neural Networks with Learned Subspace Geometry
|
| arxiv.org |
Half-Layered Neural Networks
|
| wtimesx.com |
O. İrsoy
|
| arxiv.org |
PathFinder: Discovering Decision Pathways in Deep Neural Networks
|
| wtimesx.com |
O. İrsoy
|
| wtimesx.com |
O. İrsoy
|
| alpera.xyz |
A. Ahmetoğlu
|
| alpera.xyz |
A. Ahmetoğlu
|
| wtimesx.com |
O. İrsoy
|
| dl.acm.org |
Classifying Multimodal Data
|
| wtimesx.com |
O. İrsoy
|
| cs.cornell.edu |
O. İrsoy
|
| cs.cornell.edu |
O. İrsoy
|
| arxiv.org |
Multivariate Comparison of Classification Algorithms,
|
| cs.cornell.edu |
O. Irsoy
|
| jmlr.csail.mit.edu |
Multiple Kernel Learning Algorithms,
|
| onlinelibrary.wiley.com |
Machine Learning,
|
| intelligent-optimization.org |
LION5
|
| biomedcentral.com |
Machine Learning Integration for Predicting the Effect of Single Amino Acid Substitutions on Protein Stability,
|
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://ethemalpaydin.github.io/articles/ готова к продвижению на 39%. 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: