Анализ страницы https://hyperboliclearning.github.io/collection
Основное Готовность: 100%
Домен
hyperboliclearning.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 04.10.2026 22:45:22.
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
~0,39сек
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 0,39сек оптимальна.
Объем документа
103Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 103Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 2
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 2 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | /assets/main.css | |
| stylesheet | /style.css |
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 | "6a79325a-19f57" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 2372:3F0643:593C56F:59FF100:6A8B9EC4 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Mon, 24 Aug 2026 01:30:44 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230120-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787535045.762054,VS0,VE123 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 800d24e70fcce9b27781ced9a0fc3ec2f398044e |
CMS
Jekyll v3.10.0
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.
В мета-теге generator указано: Jekyll v3.10.0.
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
Collections of Awesome Hyperbolic Representation and Deep Learning | Home
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: 73, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
By leveraging hyperbolic space’s unique properties, we aim to develop more efficient, scalable, and expressive models that can better understand and process complex data, leading to advancements in various applications.
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: 219, 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
/collection.html
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=1.0
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: 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 | Collections of Awesome Hyperbolic Representation and Deep Learning |
| og:locale | en_US |
| og:description | By leveraging hyperbolic space’s unique properties, we aim to develop more efficient, scalable, and expressive models that can better understand and process complex data, leading to advancements in various applications. |
| og:url | /collection.html |
| og:site_name | Home |
| 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=1.0 |
| name | generator | Jekyll v3.10.0 |
| name | description | By leveraging hyperbolic space’s unique properties, we aim to develop more efficient, scalable, and expressive models that can better understand and process complex data, leading to advancements in various applications. |
| name | twitter:card | summary |
| property | og:title | Collections of Awesome Hyperbolic Representation and Deep Learning |
| property | og:locale | en_US |
| property | og:description | By leveraging hyperbolic space’s unique properties, we aim to develop more efficient, scalable, and expressive models that can better understand and process complex data, leading to advancements in various applications. |
| property | og:url | /collection.html |
| property | og:site_name | Home |
| property | og:type | website |
| property | twitter:title | Collections of Awesome Hyperbolic Representation and Deep Learning |
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 9 встречаются в тексте достаточно.
Абзацев с текстом 381 достаточно.
Среднее число слов в абзаце 18 достаточно.
Кол-во знаков контента 55070 на странице оптимально.
Кол-во слов 7744 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> 7. Это хорошо.
На странице присутствуют заголовки <h3> 30.
Тошнота
16,46
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
3,87%
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 |
|---|---|---|
| hyperbolic | 271 | 3,50% |
| learning | 103 | 1,33% |
| neurips | 53 | 0,68% |
| neural | 42 | 0,54% |
| models | 37 | 0,48% |
| networks | 37 | 0,48% |
| embeddings | 35 | 0,45% |
| hierarchical | 33 | 0,43% |
| representation | 30 | 0,39% |
| menglin | 26 | 0,34% |
| network | 26 | 0,34% |
| geometry | 24 | 0,31% |
| knowledge | 23 | 0,30% |
| embedding | 22 | 0,28% |
| recommendation | 21 | 0,27% |
| representations | 20 | 0,26% |
| classification | 17 | 0,22% |
| papers | 15 | 0,19% |
| language | 15 | 0,19% |
| pascal | 14 | 0,18% |
Индексация Готовность: 10%
Индексирование
Есть ошибки
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 394 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
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: 22 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
Sitemap: /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 ошибку в карте сайта. Рекомендуем исправить ссылку на карту сайта и проверить ее содержимое.
Robots.txt содержит карту сайта. Это прекрасно!
Показать карту сайта
| Url | Статус |
|---|---|
| /sitemap.xml |
Относительный путь
|
Внутренние ссылки
Кол-во: 4
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 4 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / |
Home
|
|
| /events/ |
Event
|
|
| / |
hyperboliclearning.github.io
|
|
| /events/kdd2025tutorial |
Hyperbolic Deep Learning for Foundation Models
|
|
Внешние ссылки
Кол-во: 352
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 352 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| join.slack.com |
Join the Slack workspace
|
| openaccess.thecvf.com |
Lorentz Entailment Cone for Semantic Segmentation
|
| linkedin.com |
Hyperbolic Prototype Learning with Uncertainty-Aware Consistency for Continual Test-Time Segmentation
|
| arxiv.org |
GeoWorld: Geometric World Models
|
| bjxdw.github.io |
HiTag: Hierarchical Image Tagging with Hyperbolic Vision-Language Modeling
|
| arxiv.org |
HypeVPR: Exploring Hyperbolic Space for Perspective to Equirectangular Visual Place Recognition
|
| openreview.net |
Understanding and Improving Hyperbolic Deep Reinforcement Learning
|
| openreview.net |
PoinnCARE: Hyperbolic Multi-Modal Learning for Enzyme Classification
|
| openreview.net |
The Natural Geometry of Code: Hyperbolic Representation Learning for Program Reasoning
|
| openreview.net |
Intrinsic Lorentz Neural Network
|
| openreview.net |
PHyCLIP: $\ell_1$-Product of Hyperbolic Factors Unifies Hierarchy and Compositionality in Vision-Language Representation Learning
|
| arxiv.org |
HELM: Hyperbolic Large Language Models via Mixture-of-Curvature Experts
|
| neurips.cc |
Hyperbolic Fine-Tuning for Large Language Models
|
| neurips.cc |
HyperET: Efficient Training in Hyperbolic Space for Multi-modal Large Language Models
|
| arxiv.org |
Hyperbolic Dataset Distillation
|
| github.com |
Code
|
| arxiv.org |
Geo-Sign: Hyperbolic Contrastive Regularisation for Geometrically Aware Sign Language Translation
|
| github.com |
Code
|
| arxiv.org |
Hyperbolic Multimodal Representation Learning for Biological Taxonomies
|
| openreview.net |
Hyperbolic Few-Shot Learning for Taxonomic Plant Classification
|
| arxiv.org |
Hyperbolic Hierarchical Alignment Reasoning Network for Text-3D Retrieval
|
| aclanthology.org |
HyperKGR: Knowledge Graph Reasoning in Hyperbolic Space with Graph Neural Network Encoding Symbolic Path
|
| aclanthology.org |
Exploring Hyperbolic Hierarchical Structure for Multimodal Rumor Detection
|
| aclanthology.org |
Human-Inspired Obfuscation for Model Unlearning: Local and Global Strategies with Hyperbolic Representations
|
| wsdm-conference.org |
Review-Based Hyperbolic Cross-Domain Recommendation
|
| recsys.acm.org |
Learning geometry-aware recommender systems with manifold regularization
|
| recsys.acm.org |
Leveraging Geometric Insights in Hyperbolic Triplet Loss for Improved Recommendations
|
| proceedings.mlr.press |
Knowledge Graph Completion with Mixed Geometry Tensor Factorization
|
| proceedings.mlr.press |
Hyperbolic Prototypical Entailment Cones for Image Classification
|
| proceedings.mlr.press |
Hyperboloid GPLVM for Discovering Continuous Hierarchies via Nonparametric Estimation
|
| proceedings.mlr.press |
Variational Combinatorial Sequential Monte Carlo for Bayesian Phylogenetics in Hyperbolic Space
|
| proceedings.mlr.press |
Hyperbolic Kernel Convolution: A Generic Framework
|
| dl.acm.org |
Understanding and Mitigating Hyperbolic Dimensional Collapse in Graph Contrastive Learning
|
| dl.acm.org |
Lorentzian Residual Neural Networks
|
| arxiv.org |
Hyperbolic Deep Learning for Foundation Models: A Survey
|
| arxiv.org |
Enhancing Partially Relevant Video Retrieval with Hyperbolic Learning
|
| github.com |
Code
|
| arxiv.org |
HypDAE: Hyperbolic Diffusion Autoencoders for Hierarchical Few-shot Image Generation
|
| arxiv.org |
Learning Visual Hierarchies in Hyperbolic Space for Image Retrieval
|
| arxiv.org |
Riemannian-Geometric Fingerprints of Generative Models
|
| arxiv.org |
Hyperbolic-PDE GNN: Spectral Graph Neural Networks in the Perspective of A System of Hyperbolic Partial Differential Equations
|
| arxiv.org |
Sparse Spectral Training and Inference on Euclidean and Hyperbolic Neural Networks
|
| arxiv.org |
Low-distortion and GPU-compatible Tree Embeddings in Hyperbolic Space
|
| arxiv.org |
Learning Along the Arrow of Time: Hyperbolic Geometry for Backward-Compatible Representation Learning
|
| arxiv.org |
Hyperbolic Graph Transformer for Collaborative Filtering
|
| arxiv.org |
Mixed-Curvature Decision Trees and Random Forests
|
| openreview.net |
A Mixed-Curvature based Pre-training Paradigm for Multi-Task Vehicle Routing Solver
|
| xiucheng.org |
Curvature-aware Graph Attention for PDEs on Manifolds
|
| arxiv.org |
Hyperbolic Category Discovery
|
| arxiv.org |
Parameter-efficient Fine-tuning in Hyperspherical Space for Open-vocabulary Semantic Segmentation
|
| arxiv.org |
Hyperbolic Safety-Aware Vision-Language Models
|
| cvpr.thecvf.com |
Hyperbolic Uncertainty-Aware Few-Shot Incremental Point Cloud Segmentation
|
| arxiv.org |
Deep Change Monitoring: A Hyperbolic Representative Learning Framework and a Dataset for Long-term Fine-grained Tree Change Detection
|
| aclanthology.org |
Graph Representation Learning in Hyperbolic Space via Dual-Masked
|
| 2025.aclweb.org |
Enhancing Multi-Hop Reasoning for Question Answering with Hyperbolic Representations
|
| aclanthology.org |
Lifelong Model Editing with Graph-Based External Memory
|
| sigir2025.dei.unipd.it |
VoRec: Enhancing Recommendation with Voronoi Diagram in Hyperbolic Space
|
| arxiv.org |
Large Language Models Enhanced Hyperbolic Space Recommender Systems
|
| sigir2025.dei.unipd.it |
Hyperbolic Multi-Criteria Rating Recommendation
|
| arxiv.org |
Hyperbolic Deep Learning for Foundation Models: A Survey
|
| arxiv.org |
Hyperbolic Deep Learning in Computer Vision: A Survey
|
| arxiv.org |
Hyperbolic Graph Neural Networks: A Review of Methods and Application
|
| github.com |
GitHub
|
| arxiv.org |
Hyperbolic Deep Neural Networks: A Survey
|
| github.com |
GitHub
|
| arxiv.org |
Hyperbolic Geometry in Computer Vision: A Survey
|
| arxiv.org |
An Introduction to Geometric Topology
|
| arxiv.org |
Hyperbolic Geometry
|
| ams.org |
Manifolds and Differential Geometry
|
| link.springer.com |
Introduction to Hyperbolic Geometry
|
| github.com |
Geoopt: Riemannian Adaptive Optimization Methods
|
| github.com |
Curvature Learning Framework
|
| github.com |
GraphZoo: A Development Toolkit for Graph Neural Networks with Hyperbolic Geometries
|
| arxiv.org |
HypLL: The Hyperbolic Learning Library
|
| github.com |
GitHub
|
| geomstats.github.io |
Geomstats
|
| pymanopt.org |
Pymanopt
|
| arxiv.org |
Manify: A Python Library for Learning Non-Euclidean Representations
|
| sites.google.com |
Hyperbolic Deep Learning for Computer Vision
|
| nurendra.com |
Hyperbolic networks: Theory, Architecture and Applications
|
| hyperbolicgnn.github.io |
Hyperbolic Graph Neural Networks: A Tutorial on Methods and Applications
|
| sites.google.com |
Hyperbolic Representation Learning for Computer Vision
|
| hyperbolic-representation-learning.readthedocs.io |
https://hyperbolic-representation-learning.readthedocs.io/en/latest/
|
| hyperbolicgraphlearning.github.io |
Hyperbolic Graph Representation Learning
|
| nurendra.me |
Hyperbolic Neural Network
|
| youtube.com |
Hyperbolic embeddings in machine learning and deep learning
|
| arxiv.org |
Poincaré Embeddings for Learning Hierarchical Representations
|
| arxiv.org |
Learning Continuous Hierarchies in the Lorentz Model of Hyperbolic Geometry
|
| arxiv.org |
Hyperbolic Entailment Cones for Learning Hierarchical Embeddings
|
| proceedings.mlr.press |
Lorentzian Distance Learning for Hyperbolic Representations
|
| arxiv.org |
Hyperbolic Disk Embeddings for Directed Acyclic Graphs
|
| arxiv.org |
Learning Structured Representations with Hyperbolic Embeddings
|
| openreview.net |
Hyperbolic Embeddings of Supervised Models
|
| users.cecs.anu.edu.au |
Slides
|
| arxiv.org |
Hyperbolic Neural Networks
|
| arxiv.org |
Hyperbolic Neural Network++
|
| arxiv.org |
Fully Hyperbolic Neural Networks
|
| arxiv.org |
Poincaré ResNet
|
| arxiv.org |
Riemannian Residual Neural Networks
|
| arxiv.org |
Nested Hyperbolic Spaces for Dimensionality Reduction and Hyperbolic NN Design
|
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://hyperboliclearning.github.io/collection 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: