Анализ страницы https://huan-december.github.io/index.html
Основное Готовность: 100%
Домен
huan-december.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 04.10.2026 17:47:00.
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
~0,28сек
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 0,28сек оптимальна.
Объем документа
95Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 95Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 3
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 3 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | css/modern-style.css | |
| stylesheet | https://fonts.googleapis.com/css2?family=Inter:wght@300;400;500;600;700&display=swap | |
| stylesheet | https://cdnjs.cloudflare.com/ajax/libs/font-awesome/6.0.0/css/all.min.css |
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 | "6a1f95fc-18040" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | CF46:0A05:1CB022:1F0D3E:6A8A65B0 |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 03:14:56 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270035-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787454897.731175,VS0,VE121 |
| Vary | Accept-Encoding |
| x-fastly-request-id | f0baa474c787803815060c5d3a731dbfe8dc69cc |
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: 23%
Title
Huan Wang - Computer Science Ph.D | Salesforce Research Director
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 уменьшить число символов в title (текущее значение: 64, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Dr. Huan Wang is a Director at Salesforce Research and Computer Science Ph.D from Yale University. Leading AI research in Large Language Models, Large Action Models, and Reinforcement Learning. Explore publications, research, and musical compositions.
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 уменьшить число символов в description (текущее значение: 251, оптимально: от 120 до 130)
Keywords
Huan Wang, computer science PhD, Salesforce Research, Director, Yale University, Large Language Model, LLM, Large Action Model, LAM, AI Agent, Reinforcement Learning, Machine Learning, Computer Vision, Daniel Spielman, John Wright, Xiaoou Tang, Shuicheng Yan, Jianzhuang Liu, AI Research, Publications, Music
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.
Keywords установлены.
Канонический Url
https://huan-december.github.io/
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.
Пропишите корректный канонический Url!
Robots
index, follow
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 со значениями index, follow не накладывает ограничений на индексирование и показ контента.
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: 7
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:type | website |
| og:url | https://huan-december.github.io/ |
| og:title | Huan Wang - Computer Science Ph.D | Salesforce Research Director |
| og:description | Dr. Huan Wang is a Director at Salesforce Research and Computer Science Ph.D from Yale University. Leading AI research in Large Language Models and Large Action Models. |
| og:image | https://huan-december.github.io/images/banner1.png |
| og:site_name | Huan Wang - Research & Music |
| og:locale | en_US |
Все мета-теги
Кол-во: 26
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 26шт. 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 |
| name | title | Huan Wang - Computer Science Ph.D | Salesforce Research Director |
| name | description | Dr. Huan Wang is a Director at Salesforce Research and Computer Science Ph.D from Yale University. Leading AI research in Large Language Models, Large Action Models, and Reinforcement Learning. Explore publications, research, and musical compositions. |
| name | keywords | Huan Wang, computer science PhD, Salesforce Research, Director, Yale University, Large Language Model, LLM, Large Action Model, LAM, AI Agent, Reinforcement Learning, Machine Learning, Computer Vision, Daniel Spielman, John Wright, Xiaoou Tang, Shuicheng Yan, Jianzhuang Liu, AI Research, Publications, Music |
| name | author | Huan Wang |
| name | robots | index, follow |
| name | language | English |
| name | revisit-after | 7 days |
| name | theme-color | #2563eb |
| name | msapplication-TileColor | #2563eb |
| name | apple-mobile-web-app-capable | yes |
| name | apple-mobile-web-app-status-bar-style | default |
| name | apple-mobile-web-app-title | Huan Wang |
| name | google-site-verification | jhLCqSMOWtG_g6EnG-iNYdGNhUEwFrDe19PYovmLr2o |
| property | og:type | website |
| property | og:url | https://huan-december.github.io/ |
| property | og:title | Huan Wang - Computer Science Ph.D | Salesforce Research Director |
| property | og:description | Dr. Huan Wang is a Director at Salesforce Research and Computer Science Ph.D from Yale University. Leading AI research in Large Language Models and Large Action Models. |
| property | og:image | https://huan-december.github.io/images/banner1.png |
| property | og:site_name | Huan Wang - Research & Music |
| property | og:locale | en_US |
| property | twitter:card | summary_large_image |
| property | twitter:url | https://huan-december.github.io/ |
| property | twitter:title | Huan Wang - Computer Science Ph.D | Salesforce Research Director |
| property | twitter:description | Dr. Huan Wang is a Director at Salesforce Research and Computer Science Ph.D from Yale University. Leading AI research in Large Language Models and Large Action Models. |
| property | twitter:image | https://huan-december.github.io/images/banner1.png |
Оптимизация Готовность: 82%
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 8 встречаются в тексте достаточно.
Абзацев с текстом 77 достаточно.
Среднее число слов в абзаце 28 достаточно.
Кол-во знаков контента 14785 на странице оптимально.
Кол-во слов 2141 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> 4. Это хорошо.
На странице присутствуют заголовки <h3> 32.
Тошнота
5,92
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
26,81%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота 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 |
|---|---|---|
| caiming | 35 | 1,63% |
| silvio | 23 | 1,07% |
| shelby | 19 | 0,89% |
| heinecke | 19 | 0,89% |
| agents | 18 | 0,84% |
| learning | 18 | 0,84% |
| savarese | 18 | 0,84% |
| zhiwei | 17 | 0,79% |
| jianguo | 16 | 0,75% |
| weiran | 16 | 0,75% |
| models | 14 | 0,65% |
| [github | 14 | 0,65% |
| rithesh | 12 | 0,56% |
| murthy | 12 | 0,56% |
| original | 12 | 0,56% |
| carlos | 11 | 0,51% |
| niebles | 11 | 0,51% |
| neurips | 10 | 0,47% |
| juntao | 10 | 0,47% |
| language | 9 | 0,42% |
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 124 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: 77 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
User-agent: *
Allow: /
Sitemap: https://huan-december.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://huan-december.github.io/sitemap.xml |
|
Внутренние ссылки
Кол-во: 5
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 5 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| /index.html |
Huan Wang
|
|
| /WebContent/CV_Huan.pdf |
<i class="fas fa-file-pdf" aria-hidden="true"></i>
|
|
| /WebContent/ARippleofLoveInstruments.mp3 |
Instrumental
|
|
| /musicplay.html |
Listen
|
|
| /sitemap.xml |
Sitemap
|
|
Внешние ссылки
Кол-во: 111
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 111 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| scholar.google.com |
<i class="fas fa-graduation-cap" aria-hidden="true"></i>
|
| cs-www.cs.yale.edu |
Daniel Spielman
|
| columbia.edu |
John Wright
|
| ie.cuhk.edu.hk |
Xiaoou Tang
|
| comp.nus.edu.sg |
Shuicheng Yan
|
| scholar.google.com |
Jianzhuang Liu
|
| scholar.google.com |
<i class="fas fa-graduation-cap" aria-hidden="true"></i> Google Scholar
|
| linkedin.com |
<i class="fab fa-linkedin" aria-hidden="true"></i> LinkedIn
|
| x.com |
<i class="fab fa-twitter" aria-hidden="true"></i> Twitter
|
| arxiv.org |
Paper
|
| youtube.com |
<em>下雪的纽约</em>
|
| youtube.com |
<em>再见容易再见难</em>
|
| github.com |
UserBench
|
| github.com |
UserRL
|
| github.com |
GitHub
|
| huggingface.co |
Dataset
|
| apigen-pipeline.github.io |
<i class="fas fa-external-link-alt"></i>
|
| apigen-mt.github.io |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| latte-web.github.io |
<i class="fas fa-external-link-alt"></i>
|
| salesforceairesearch.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| salesforce-research-dei-agents.github.io |
<i class="fas fa-external-link-alt"></i>
|
| shugerdou.github.io |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| github.com |
<i class="fas fa-external-link-alt"></i>
|
| scholar.google.com |
<i class="fas fa-graduation-cap" aria-hidden="true"></i>
|
| arxiv.org |
APIGen-MT: Agentic Pipeline for Multi-Turn Data Generation via Simulated Agent-Human Interplay
|
| huggingface.co |
[Data]
|
| huggingface.co |
[Model]
|
| proceedings.neurips.cc |
APIGen: Automated Pipeline for Generating Verifiable and Diverse Function-Calling Datasets
|
| huggingface.co |
[Data]
|
| huggingface.co |
[Model]
|
| arxiv.org |
xLAM: A Family of Large Action Models to Empower AI Agent Systems
|
| github.com |
[Github Repo]
|
| arxiv.org |
Retroformer: Retrospective Large Language Agents with Policy Gradient Optimization
|
| github.com |
[Github Repo]
|
| arxiv.org |
CodeGen: An Open Large Language Model for Code with Multi-Turn Program Synthesis
|
| github.com |
[Github Repo]
|
| jmlr.csail.mit.edu |
Exact Recovery of Sparsely-Used Dictionaries
|
| arxiv.org |
BOLAA: Benchmarking and Orchestrating LLM-augmented Autonomous Agents
|
| github.com |
[Github Repo]
|
| arxiv.org |
REX: Rapid Exploration and eXploitation for AI Agents
|
| arxiv.org |
AgentOhana: Design Unified Data and Training Pipeline for Effective Agent Learning
|
| github.com |
[Github Repo]
|
| arxiv.org |
AgentLite: A Lightweight Library for Building and Advancing Task-Oriented LLM Agent System
|
| github.com |
[Github Repo]
|
| arxiv.org |
Diversity Empowers Intelligence: Integrating Expertise of Software Engineering Agents
|
| arxiv.org |
CRMArena: Understanding the Capacity of LLM Agents to Perform Professional CRM Tasks in Realistic Environments
|
| github.com |
[Github Repo]
|
| arxiv.org |
MobileAIBench: Benchmarking LLMs and LMMs for On-Device Use Cases
|
| arxiv.org |
MCPEval: Automatic MCP-based Deep Evaluation for AI Agent Models
|
| github.com |
[Github Repo]
|
| arxiv.org |
ToolScan: A Benchmark for Characterizing Errors in Tool-Use LLMs
|
| arxiv.org |
UserBench: An Interactive Gym Environment for User-Centric Agents
|
| arxiv.org |
LoCoBench: A Benchmark for Long-Context Large Language Models in Complex Software Engineering
|
| github.com |
[Github Repo]
|
| arxiv.org |
LAM SIMULATOR: Advancing Data Generation for Large Action Model Training via Online Exploration and Trajectory Feedback
|
| github.com |
[Github Repo]
|
| arxiv.org |
PersonaBench: Evaluating AI Models on Understanding Personal Information through Accessing (Synthetic) Private User Data
|
| github.com |
[Github Repo]
|
| arxiv.org |
ActionStudio: A Lightweight Framework for Data and Training of Large Action Models
|
| arxiv.org |
Enterprise Deep Research: Steerable Multi-Agent Deep Research for Enterprise Analytics
|
| github.com |
[Github Repo]
|
| arxiv.org |
ToolLibGen: Scalable Automatic Tool Creation and Aggregation for LLM Reasoning
|
| arxiv.org |
xRouter: Training Cost-Aware LLMs Orchestration System via Reinforcement Learning
|
| github.com |
[Github Repo]
|
| arxiv.org |
Language Models are Hidden Reasoners: Unlocking Latent Reasoning Capabilities via Self-Rewarding
|
| arxiv.org |
PRACT: Optimizing Principled Reasoning and Acting of LLM Agent
|
| arxiv.org |
LATTE: Learning to Think with Vision Specialists
|
| proceedings.mlr.press |
On the Generalization Gap in Reparameterizable Reinforcement Learning
|
| proceedings.neurips.cc |
Policy Finetuning: Bridging Sample-Efficient Offline and Online Reinforcement Learning
|
| arxiv.org |
Sample-Efficient Learning of Stackelberg Equilibria in General-Sum Games
|
| arxiv.org |
WarpDrive: Extremely Fast End-to-End Deep Multi-Agent Reinforcement Learning on a GPU
|
| github.com |
[Github Repo]
|
| arxiv.org |
Transformers as Statisticians: Provable In-Context Learning with In-Context Algorithm Selection
|
| arxiv.org |
How do Transformers Learn In-Context Beyond Simple Functions? A Case Study on Learning with Representations
|
| arxiv.org |
How Important is the Train-Validation Split in Meta-Learning?
|
| arxiv.org |
Ensemble of Averages: Improving Model Selection and Boosting Performance in Domain Generalization
|
| proceedings.mlr.press |
Improved Online Conformal Prediction via Strongly Adaptive Online Learning
|
| arxiv.org |
Understanding the Under-Coverage Bias in Uncertainty Estimation
|
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://huan-december.github.io/index.html готова к продвижению на 66%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: