Анализ страницы https://ewrl-org.github.io/EWRL16/
Основное Готовность: 100%
Домен
ewrl-org.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 09.01.2027 2:59:59.
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-US
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-US.
Скорость загрузки
~0,33сек
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 0,33сек оптимальна.
Объем документа
37Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 37Кб 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 | /assets/css/just-the-docs-default.css | |
| stylesheet | /assets/css/just-the-docs-head-nav.css | |
| js | /assets/js/vendor/lunr.min.js | |
| js | /assets/js/just-the-docs.js |
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 |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "6a7ade43-9860" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 9928:93A43:1477839:14A1511:6A894490 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 06:41:20 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230090-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787380880.325357,VS0,VE107 |
| Vary | Accept-Encoding |
| x-fastly-request-id | ddf51ad3ed37e7e8a13a6f6d8709cb0328af569e |
CMS
WordPress
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.
Сайт работает на CMS WordPress.
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: 33%
Title
EWRL16 (2023) | EWRL
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: 20, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
On this site you will find all information about the European Workshop on Reinforcement Learning (EWRL) series!
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.
Необходимо увеличить число символов в description (текущее значение: 111, оптимально: от 120 до 130)
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://github.com/ewrl-org/ewrl/EWRL16/
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.
Домен в каноническом Url не совпадает!
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
Кол-во: 6
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:title | EWRL16 (2023) |
| og:locale | en_US |
| og:description | On this site you will find all information about the European Workshop on Reinforcement Learning (EWRL) series! |
| og:url | https://github.com/ewrl-org/ewrl/EWRL16/ |
| og:site_name | EWRL |
| og:type | website |
Все мета-теги
Кол-во: 11
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 11шт. 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 |
| name | generator | Jekyll v4.4.1 |
| name | description | On this site you will find all information about the European Workshop on Reinforcement Learning (EWRL) series! |
| name | twitter:card | summary |
| property | og:title | EWRL16 (2023) |
| property | og:locale | en_US |
| property | og:description | On this site you will find all information about the European Workshop on Reinforcement Learning (EWRL) series! |
| property | og:url | https://github.com/ewrl-org/ewrl/EWRL16/ |
| property | og:site_name | EWRL |
| property | og:type | website |
| property | twitter:title | EWRL16 (2023) |
Оптимизация Готовность: 92%
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
Ошибок нет
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 4 встречаются в тексте достаточно.
Абзацев с текстом 41 достаточно.
Среднее число слов в абзаце 18 достаточно.
Кол-во знаков контента 13916 на странице оптимально.
Кол-во слов 1894 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> 9. Это хорошо.
На странице присутствуют заголовки <h3> 7.
Тошнота
7,62
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
12,25%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота страницы в пределах нормы.
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 |
|---|---|---|
| learning | 58 | 3,06% |
| reinforcement | 44 | 2,32% |
| brussels | 18 | 0,95% |
| policy | 11 | 0,58% |
| decision | 9 | 0,48% |
| exploration | 9 | 0,48% |
| bandits | 9 | 0,48% |
| campus | 8 | 0,42% |
| coffee | 7 | 0,37% |
| invited | 7 | 0,37% |
| posters | 7 | 0,37% |
| efficient | 7 | 0,37% |
| offline | 7 | 0,37% |
| robust | 6 | 0,32% |
| online | 6 | 0,32% |
| linear | 6 | 0,32% |
| identification | 6 | 0,32% |
| airport | 6 | 0,32% |
| workshop | 5 | 0,26% |
| belgium | 5 | 0,26% |
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 194 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 |
|---|---|---|
| / |
EWRL
|
|
| / |
Home
|
|
| /EWRL19/ |
EWRL19 (2026)
|
|
| /EWRL18/ |
EWRL18 (2025)
|
|
| /EWRL17/ |
EWRL17 (2024)
|
|
| /EWRL16/ |
EWRL16 (2023)
|
|
| /EWRL15/ |
EWRL15 (2022)
|
|
| /EWRL14/ |
EWRL14 (2018)
|
|
| /EWRL13/ |
EWRL13 (2016)
|
|
| /EWRL12/ |
EWRL12 (2015)
|
|
| /EWRL11/ |
EWRL11 (2013)
|
|
| /EWRL10/ |
EWRL10 (2012)
|
|
| /EWRL9/ |
EWRL9 (2011)
|
|
| /EWRL8/ |
EWRL8 (2008)
|
|
| /EWRL7/ |
EWRL7 (2005)
|
|
| /EWRL6/ |
EWRL6 (2003)
|
|
| /EWRL5/ |
EWRL5 (2001)
|
|
| /EWRL4/ |
EWRL4 (1999)
|
|
| /EWRL3/ |
EWRL3 (1997)
|
|
| /EWRL2/ |
EWRL2 (1995)
|
|
| /EWRL1/ |
EWRL1 (1994)
|
|
Внешние ссылки
Кол-во: 146
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 146 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| github.com |
Just the Docs
|
| github.com |
Github Repository
|
| calendar.google.com |
Add to calendar
|
| maps.app.goo.gl |
here
|
| calendar.google.com |
here
|
| ewrl.wordpress.com |
Emilie Kaufmann: An instance-dependent view on PAC Reinforcement Learning
|
| docs.google.com |
Michal Valko: Curious world models
|
| ewrl.wordpress.com |
Shie Mannor: Robust sequential decision making
|
| ewrl.wordpress.com |
Martha White: A New Policy Update in Actor-Critic Algorithms
|
| ewrl.wordpress.com |
Olivier Pietquin: RL and Language: long story short
|
| ewrl.wordpress.com |
Georg Martius: Intrinsic Motivation in Reinforcement Learning
|
| nextcloud.tuebingen.mpg.de |
here
|
| emiliekaufmann.github.io |
Emilie Kaufmann
|
| davidsilver.uk |
David Silver
|
| webdocs.cs.ualberta.ca |
Martha White
|
| scholar.google.com |
Julien Perolat
|
| dds.technion.ac.il |
Shie Mannor
|
| is.mpg.de |
Georg Martius
|
| misovalko.github.io |
Michal Valko
|
| research.google |
Olivier Pietquin
|
| openreview.net |
Optimal Hierarchical Average-Reward Linearly-solvable Markov Decision Processes
|
| openreview.net |
Cooperative Foraging Behaviour Through Multi-Agent Reinforcement Learning with Graph-Based Communication
|
| openreview.net |
Value-Distributional Model-Based Reinforcement Learning
|
| openreview.net |
Stateless Mean-Field Games: A Framework for Independent Learning with Large Populations
|
| openreview.net |
Online Learning under Adversarial Nonlinear Constraints
|
| openreview.net |
Train Hard, Fight Easy: Robust Meta Reinforcement Learning
|
| openreview.net |
Reinforcement Learning in near-continuous time for continuous state-action spaces
|
| openreview.net |
E-MCTS: Deep Exploration in Model-Based Reinforcement Learning by Planning with Epistemic Uncertainty
|
| openreview.net |
Combinatorial Stochastic-Greedy Bandit
|
| openreview.net |
Sample Complexity of Goal-Conditioned Hierarchical Reinforcement Learning
|
| openreview.net |
Cancellation-Free Regret Bounds for Lagrangian Approaches in Constrained Markov Decision Processes
|
| openreview.net |
Delayed Feedback in Generalised Linear Bandits
|
| openreview.net |
Online Learning in Autoregressive Dynamics
|
| openreview.net |
Interpretable (Un)Controllable Features in MDP’s
|
| openreview.net |
Prioritizing States with Action Sensitive Return in Experience Replay
|
| openreview.net |
Adversarial Distributional Reinforcement Learning against Extrapolated Generalization (Extended Abstract)
|
| openreview.net |
Interaction of doctors with explainable RL decision support via behavioural readouts of eye-tracking
|
| openreview.net |
Laser Learning Environment: Insights on the challenges of coordination-critical multi-agent tasks
|
| openreview.net |
Beyond Markovian RL: Efficient Offline RL in Regular Decision Processes
|
| openreview.net |
Least Squares Inverse Q-Learning
|
| openreview.net |
Overcoming Policy Collapse in Deep Reinforcement Learning
|
| openreview.net |
Constant or logarithmic regret in asynchronous multiplayer bandits
|
| openreview.net |
On the Statistical Efficiency of Mean Field RL with General Function Approximation
|
| openreview.net |
Online Decision Tree Construction with Deep Reinforcement Learning
|
| openreview.net |
Beyond Average Reward in Markov Decision Processes
|
| openreview.net |
A Gradient Critic for Policy Gradient Estimation
|
| openreview.net |
Learning State Reachability as a Graph in Translation Invariant Goal-based Reinforcement Learning Tasks
|
| openreview.net |
Optimistic Planning by Regularized Dynamic Programming
|
| openreview.net |
Towards Faster Global Convergence of Robust Policy Gradient Methods
|
| openreview.net |
The Role of Diverse Replay for Generalisation in Reinforcement Learning
|
| openreview.net |
Kernelized Reinforcement Learning with Order Optimal Regret Bounds
|
| openreview.net |
Integrating Distributed Architectures in Highly Modular RL Libraries
|
| openreview.net |
Optimism & Adaptation in Policy Optimization
|
| openreview.net |
On Imitation in Mean-field Games
|
| openreview.net |
The Wasserstein Believer: Learning Belief Updates for Partially Observable Environments through Reliable Latent Space Models
|
| openreview.net |
Bayesian Deep Q-Learning via Sequential Monte Carlo
|
| openreview.net |
Wasserstein Auto-encoded MDPs: Formal Verification of Efficiently Distilled RL Policies with Many-sided Guarantees
|
| openreview.net |
Proximal Point Imitation Learning
|
| openreview.net |
Informed POMDP: Leveraging Additional Information in Model-Based RL
|
| openreview.net |
APART: Diverse Skill Discovery using All Pairs with Ascending Reward and DropouT
|
| openreview.net |
Fast Treatment Personalization with Latent Bandits in Fixed-Confidence Pure Exploration
|
| openreview.net |
Understanding Deep Neural Function Approximation in Reinforcement Learning via $\epsilon$-Greedy Exploration
|
| openreview.net |
Delayed Bandits: When Do Intermediate Observations Help?
|
| openreview.net |
Interactive and Concentrated Differential Privacy for Bandits
|
| openreview.net |
Delphic Offline Reinforcement Learning under Nonidentifiable Hidden Confounding
|
| openreview.net |
Coherent Soft Imitation Learning
|
| openreview.net |
AdaStop: sequential testing for efficient and reliable comparisons of Deep RL Agents
|
| openreview.net |
Hyperparameters in Reinforcement Learning and How To Tune Them
|
| openreview.net |
Efficient Dynamics Modeling in Interactive Environments with Koopman Theory
|
| openreview.net |
Optimal Convergence Rate for Exact Policy Mirror Descent in Discounted Markov Decision Processes
|
| openreview.net |
A Provably Efficient Option-Based Algorithm for both High-Level and Low-Level Learning
|
| openreview.net |
Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach
|
| openreview.net |
Online Adversarial MDPs with Off-Policy Feedback and Known Transitions
|
| openreview.net |
Diverse Offline Imitation via Fenchel Duality
|
| openreview.net |
Revisiting Continuous-Time Reinforcement Learning. A Study of HJB Solvers Based on PINNs and FEMs
|
| openreview.net |
Mind the Uncertainty: Risk-Aware and Actively Exploring Model-Based Reinforcement Learning
|
| openreview.net |
Multi-Armed Bandits with Generalized Temporally-Partitioned Rewards
|
| openreview.net |
Continuous Episodic Control
|
| openreview.net |
Stochastic Rising Bandits: A Best Arm Identification Approach
|
| openreview.net |
Pure Exploration in Bandits with Linear Constraints
|
| openreview.net |
Zero-shot stitching in Reinforcement Learning using Relative Representations
|
| openreview.net |
Goal-conditioned Offline Planning from Curious Exploration
|
| openreview.net |
On Preemption and Learning in Stochastic Scheduling
|
| openreview.net |
Online Configuration in Continuous Decision Space
|
| openreview.net |
Dual RL: Unification and New Methods for Reinforcement and Imitation Learning
|
| openreview.net |
Two-Memory Reinforcement Learning
|
| openreview.net |
Switching Latent Bandits
|
| openreview.net |
Long-Distance Electric Vehicle Navigation using a Combinatorial Semi-Bandit Approach
|
| openreview.net |
Representation-Driven Reinforcement Learning
|
| openreview.net |
Colored Noise in PPO: Improved Exploration and Performance Through Correlated Action Sampling
|
| openreview.net |
Provably Learning Nash Policies in Constrained Markov Potential Games
|
| openreview.net |
Exploiting Causal Graph Priors with Posterior Sampling for Reinforcement Learning
|
| openreview.net |
Online Regret Bounds for Satisficing in MDPs
|
| openreview.net |
AutoRL Hyperparameter Landscapes
|
| openreview.net |
Bad Habits: Policy Confounding and Out-of-Trajectory Generalization in RL
|
| openreview.net |
Evolutionary Preference-Based Reinforcement Learning for Partially Observable Environments
|
| openreview.net |
Automated Design of Affine Maximizer Mechanisms In Dynamic Settings
|
| openreview.net |
On the importance of data collection for training general goal-reaching policies
|
| openreview.net |
Offline Primal-Dual Reinforcement Learning for Linear MDPs
|
| openreview.net |
A Unified Perspective on Value Backup and Exploration in Monte-Carlo Tree Search
|
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://ewrl-org.github.io/EWRL16/ готова к продвижению на 56%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: