Анализ страницы https://limelab.science/papers/
Основное Готовность: 100%
Домен
limelab.science
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
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 16.10.2026 10:23:07.
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
~0,33сек
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
105Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 105Кб 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 | /_astro/index.C31C42qK.css | |
| js | module | /_astro/ClientRouter.astro_astro_type_script_index_0_lang.CDGfc0hd.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 | "6a847667-1a674" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 2E66:9E07F:2E6159:32031E:6A8A06DC |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 20:30:21 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270079-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787430621.072240,VS0,VE135 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 77d7c7a68cae7f19b38b82d6b712601a0048173b |
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: 48%
Title
Publications · LIME Lab
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: 23, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Publications from LIME Lab at USC.
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 мало: 34, минимум: 80, 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
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=1.0
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 | Publications · LIME Lab |
| og:description | Publications from LIME Lab at USC. |
| og:type | website |
| og:image | https://limenlp.github.io/og.png |
| og:image:width | 1200 |
| og:image:height | 630 |
Все мета-теги
Кол-во: 13
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 13шт. 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 | astro-view-transitions-enabled | true |
| name | astro-view-transitions-fallback | animate |
| name | viewport | width=device-width, initial-scale=1.0 |
| name | description | Publications from LIME Lab at USC. |
| name | google-site-verification | qEih9m0y-6X0QuisQYfHSxOvkW-o5Q3dfxuQ5Z4JtGA |
| name | twitter:card | summary_large_image |
| name | twitter:image | https://limenlp.github.io/og.png |
| property | og:title | Publications · LIME Lab |
| property | og:description | Publications from LIME Lab at USC. |
| property | og:type | website |
| property | og:image | https://limenlp.github.io/og.png |
| property | og:image:width | 1200 |
| property | og:image:height | 630 |
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 в единственном экземпляре).
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 3 встречаются в тексте достаточно.
Абзацев с текстом 130 достаточно.
Среднее число слов в абзаце 18 достаточно.
Кол-во знаков контента 24356 на странице оптимально.
Кол-во слов 3565 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> 11. Это хорошо.
На странице присутствуют заголовки <h3> 64.
Тошнота
7,21
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
19,19%
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 |
|---|---|---|
| trustworthiness | 52 | 1,46% |
| evaluation | 30 | 0,84% |
| models | 26 | 0,73% |
| agents | 21 | 0,59% |
| kai-wei | 21 | 0,59% |
| gender | 21 | 0,59% |
| language | 19 | 0,53% |
| alignment | 14 | 0,39% |
| taiwei | 11 | 0,31% |
| instead | 10 | 0,28% |
| social | 10 | 0,28% |
| across | 9 | 0,25% |
| fairness | 8 | 0,22% |
| measure | 8 | 0,22% |
| linxin | 7 | 0,20% |
| benchmark | 7 | 0,20% |
| reasoning | 7 | 0,20% |
| findings | 7 | 0,20% |
| biases | 7 | 0,20% |
| learning | 6 | 0,17% |
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 160 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: 11
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 11 оптимально.
На странице присутствуют изображения 1.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / |
Lab
|
|
| /papers/ |
Papers
|
|
| /people/ |
People
|
|
| /news/ |
News
|
|
| /wiki/ |
Wiki
|
|
| / |
Lab
|
|
| /papers/ |
Papers
|
|
| /people/ |
People
|
|
| /news/ |
News
|
|
| /wiki/ |
Wiki
|
|
| /files/naacl19.pdf |
<span aria-hidden="true">📑</span><span>Slides</span>
|
|
Внешние ссылки
Кол-во: 136
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 136 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| jieyuzhao.github.io |
PI
|
| jieyuzhao.github.io |
PI
|
| scholar.google.com |
View all on Google Scholar ↗
|
| github.com |
<svg width="14" height="14" viewbox="0 0 24 24" fill="currentColor" aria-hidden="true"><path d="M12 0C5.37 0 0 5.37 0 12c0 5.31 3.435 9.795 8.205 11.385.6.105.825-.255.825-.57 0-.285-.015-1.23-.015-2.235-3.015.555-3.795-.735-4.035-1.41-.135-.345-.72-1.41-1.23-1.695-.42-.225-1.02-.78-.015-.795.945-.015 1.62.87 1.845 1.23 1.08 1.815 2.805 1.305 3.495.99.105-.78.42-1.305.765-1.605-2.67-.3-5.46-1.335-5.46-5.925 0-1.305.465-2.385 1.23-3.225-.12-.3-.54-1.53.12-3.18 0 0 1.005-.315 3.3 1.23.96-.27 1.98-.405 3-.405s2.04.135 3 .405c2.295-1.56 3.3-1.23 3.3-1.23.66 1.65.24 2.88.12 3.18.765.84 1.23 1.905 1.23 3.225 0 4.605-2.805 5.625-5.475 5.925.435.375.81 1.095.81 2.22 0 1.605-.015 2.895-.015 3.3 0 .315.225.69.825.57A12.02 12.02 0 0024 12c0-6.63-5.37-12-12-12z"></path></svg>
Code on GitHub ↗
|
| arxiv.org |
The Blind Spot of Agent Safety: How Benign User Instructions Expose Critical Vulnerabilities in Computer-Use Agents
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
BIASINSPECTOR: Detecting Bias in Structured Data through LLM Agents
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Controllable Pareto Trade-off between Fairness and Accuracy
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Can LLMs Grasp Implicit Cultural Values? Benchmarking LLMs' Metacognitive Cultural Intelligence with CQ-Bench
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
FairCode: Evaluating Social Bias of LLMs in Code Generation
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
SocialMaze: A Benchmark for Evaluating Social Reasoning in Large Language Models
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Video-Based Reward Modeling for Computer-Use Agents
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| arxiv.org |
Political-LLM: Large Language Models in Political Science
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Disinfomeme: A Multimodal Dataset for Detecting Meme Intentionally Spreading Out Disinformation
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Detecting and Filtering Unsafe Training Data via Data Attribution with Denoised Representation
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
ProMediate: A Socio-cognitive Framework for Evaluating Proactive Agents in Multi-party Negotiation
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
WildFeedback: Aligning LLMs With In-situ User Interactions And Feedback
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Experiential Reinforcement Learning
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| arxiv.org |
CoAct-1: Computer-using Agents with Coding as Actions
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| linxins.net |
<span aria-hidden="true">🌐</span><span>Website</span>
|
| venturebeat.com |
<span aria-hidden="true">📰</span><span>VentureBeat</span>
|
| arxiv.org |
On the Trustworthiness of Generative Foundation Models: Guideline, Assessment, and Perspective
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| arxiv.org |
What's Missing in Vision-Language Models? Probing Their Struggles with Causal Order Reasoning
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
GRAVITY: A Framework for Personalized Text Generation via Profile-Grounded Synthetic Preferences
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Efficient Reinforcement Finetuning via Adaptive Curriculum Learning
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| aclanthology.org |
Multilingual Large Language Models Leak Human Stereotypes Across Language Boundaries
|
| aclanthology.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
DrugAgent: Automating AI-Aided Drug Discovery Programming Through LLM Multi-Agent Collaboration
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Cross-lingual Pitfalls: Automatic Probing of Cross-lingual Weakness of Multilingual Large Language Models
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Can LLMs Express Personality Across Cultures? Introducing CulturalPersonas for Evaluating Trait Alignment
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| arxiv.org |
AI Sees Your Location — But With a Bias Toward the Wealthy World
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| arxiv.org |
The Hallucination Tax of Reinforcement Finetuning
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| huggingface.co |
<span aria-hidden="true">🤗</span><span>HF</span>
|
| marktechpost.com |
<span aria-hidden="true">📰</span><span>MarkTechPost</span>
|
| arxiv.org |
VISBIAS: Measuring Explicit and Implicit Social Biases in Vision Language Models
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| arxiv.org |
MUSE: Machine Unlearning Six-Way Evaluation for Language Models
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Discovering Knowledge Deficiencies of Language Models on Massive Knowledge Base
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| arxiv.org |
CLIMB: A Benchmark of Clinical Bias in Large Language Models
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
"You Gotta be a Doctor, Lin": An Investigation of Name-Based Bias of Large Language Models in Employment Recommendations
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
SCORE: A Framework for Self-Contradictory Reasoning Evaluation
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Fair Abstractive Summarization of Diverse Perspectives
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Safer-Instruct: Aligning Language Models with Automated Preference Data
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Adapting Static Fairness to Sequential Decision-Making: Bias Mitigation Strategies towards Equal Long-term Benefit Rate
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
TrustLLM: Trustworthiness in Large Language Models
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Are Personalized Stochastic Parrots More Dangerous? Evaluating Persona Biases in Dialogue Systems
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| aclanthology.org |
SODAPOP: Open-Ended Discovery of Social Biases in Social Commonsense Reasoning Models
|
| aclanthology.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| drive.google.com |
<span aria-hidden="true">🎥</span><span>Video</span>
|
| drive.google.com |
<span aria-hidden="true">🖼️</span><span>Poster</span>
|
| arxiv.org |
TACO: Temporal Latent Action-Driven Contrastive Loss for Visual Reinforcement Learning
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| github.com |
<span aria-hidden="true">💻</span><span>Code</span>
|
| ruijiezheng.com |
<span aria-hidden="true">🌐</span><span>Website</span>
|
| arxiv.org |
On Measures of Biases and Harms in NLP
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
| arxiv.org |
Investigating Ensemble Methods for Model Robustness Improvement of Text Classifiers
|
| arxiv.org |
<span aria-hidden="true">📄</span><span>Paper</span>
|
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://limelab.science/papers/ готова к продвижению на 58%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: