Анализ страницы https://ml4ad.github.io/2020
Основное Готовность: 95%
Домен
ml4ad.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
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.
Цепочка редиректов:
https://ml4ad.github.io/2020
301 MovedPermanently
https://ml4ad.github.io/2020/
200 OK
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
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 страницы не указан. Рекомендуется явно указать язык документа!
Скорость загрузки
~0,41сек
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 0,41сек оптимальна.
Объем документа
68Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 68Кб 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 | text/css | https://ml4ad.github.io/css/main.css |
| js | https://ajax.googleapis.com/ajax/libs/jquery/1.11.0/jquery.min.js | |
| js | https://www.google-analytics.com/analytics.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 | "67c6718f-1110b" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | CA50:376FA0:25E1F1:28C6A5:6A89BDFB |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Date | Sat, 22 Aug 2026 15:19:24 GMT |
| Via | 1.1 varnish |
| Age | 0 |
| X-Served-By | cache-bma-essb1270072-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787411965.581970,VS0,VE118 |
| Vary | Accept-Encoding |
| x-fastly-request-id | fd290b92ec4d8a359593f82edde9a4d0b8506164 |
CMS
Hugo 0.55.6
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: Hugo 0.55.6.
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
Machine Learning for Autonomous Driving
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: 39, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
NeurIPS 2020 Virtual Workshop
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: 29, 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
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: 4
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 | Workshop on Machine Learning for Autonomous Driving |
| og:description | NeurIPS 2020 Virtual Workshop |
| og:type | website |
| og:url | https://ml4ad.github.io/ |
Все мета-теги
Кол-во: 12
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 12шт. 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 | author | Machine Learning for Autonomous Driving |
| name | description | NeurIPS 2020 Virtual Workshop |
| name | viewport | width=device-width |
| name | generator | Hugo 0.55.6 |
| name | twitter:card | summary |
| name | twitter:title | Workshop on Machine Learning for Autonomous Driving |
| name | twitter:description | NeurIPS 2020 Virtual Workshop |
| name | viewport | width=device-width, initial-scale=1 |
| property | og:title | Workshop on Machine Learning for Autonomous Driving |
| property | og:description | NeurIPS 2020 Virtual Workshop |
| property | og:type | website |
| property | og:url | https://ml4ad.github.io/ |
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 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 5 встречаются в тексте достаточно.
Абзацев с текстом 29 достаточно.
Среднее число слов в абзаце 195 достаточно.
Кол-во знаков контента 14242 на странице оптимально.
Кол-во слов 2091 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> 12. Это хорошо.
На странице присутствуют заголовки <h3> 23.
Тошнота
7
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
8,18%
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 |
|---|---|---|
| poster | 49 | 2,34% |
| autonomous | 20 | 0,96% |
| driving | 20 | 0,96% |
| learning | 17 | 0,81% |
| university | 10 | 0,48% |
| workshop | 9 | 0,43% |
| challenge | 8 | 0,38% |
| prediction | 8 | 0,38% |
| trajectory | 8 | 0,38% |
| machine | 6 | 0,29% |
| detection | 6 | 0,29% |
| daniel | 6 | 0,29% |
| neurips | 5 | 0,24% |
| vehicles | 5 | 0,24% |
| estimation | 5 | 0,24% |
| november | 5 | 0,24% |
| object | 5 | 0,24% |
| models | 5 | 0,24% |
| papers | 4 | 0,19% |
| december | 4 | 0,19% |
Индексация Готовность: 0%
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 283 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
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: 49
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 49 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| /2019 |
2019
|
|
| /files/papers2020/Single Shot Multitask Pedestrian Detection and Behavior Prediction.pdf |
paper
|
|
| /files/papers2020/Extracting Traffic Smoothing Controllers Directly From Driving Data using Offline RL.pdf |
paper
|
|
| /files/papers2020/Stochastic-YOLO: Efficient Probabilistic Object Detection under Dataset Shifts.pdf |
paper
|
|
| /files/papers2020/MODETR: Moving Object Detection with Transformers.pdf |
paper
|
|
| /files/papers2020/Driving Behavior Explanation with Multi-level Fusion.pdf |
paper
|
|
| /files/papers2020/Trajformer: Trajectory Prediction with Local Self-Attentive Contexts for Autonomous Driving.pdf |
paper
|
|
| /files/papers2020/Haar Wavelet based Block Autoregressive Flows for Trajectories.pdf |
paper
|
|
| /files/papers2020/YOLObile: Real-Time Object Detection on Mobile Devices via Compression-Compilation Co-Design.pdf |
paper
|
|
| /files/papers2020/DeepSeqSLAM: A Trainable CNN+RNN for Joint Global Description and Sequence-based Place Recognition.pdf |
paper
|
|
| /files/papers2020/SAFENet: Self-Supervised Monocular Depth Estimation with Semantic-Aware Feature Extraction.pdf |
paper
|
|
| /files/papers2020/Uncertainty-aware Vehicle Orientation Estimation for Joint Detection-Prediction Models.pdf |
paper
|
|
| /files/papers2020/Multiagent Driving Policy for Congestion Reduction in a Large Scale Scenario.pdf |
paper
|
|
| /files/papers2020/Multi-Task Network Pruning and Embedded Optimization for Real-time Deployment in ADAS.pdf |
paper
|
|
| /files/papers2020/Multimodal Trajectory Prediction for Autonomous Driving with Semantic Map and Dynamic Graph Attention Network.pdf |
paper
|
|
| /files/papers2020/3D-LaneNet+: Anchor Free Lane Detection using a Semi-Local Representation.pdf |
paper
|
|
| /files/papers2020/ULTRA: A reinforcement learning generalization benchmark for autonomous driving.pdf |
paper
|
|
| /files/papers2020/Conditional Imitation Learning Driving Considering Camera and LiDAR Fusion.pdf |
paper
|
|
| /files/papers2020/Reinforcement Learning Based Approach for Multi-Vehicle Platooning Problem with Nonlinear Dynamic Behavior.pdf |
paper
|
|
| /files/papers2020/RAMP-CNN: A Novel Neural Network for Enhanced Automotive Radar Object Recognition.pdf |
paper
|
|
| /files/papers2020/Disagreement-Regularized Imitation of Complex Multi-Agent Interactions.pdf |
paper
|
|
| /files/papers2020/Certified Interpretability Robustness for Class Activation Mapping.pdf |
paper
|
|
| /files/papers2020/Physically Feasible Vehicle Trajectory Prediction.pdf |
paper
|
|
| /files/papers2020/A Comprehensive Study on the Application of Structured Pruning methods in Autonomous Vehicles.pdf |
paper
|
|
| /files/papers2020/Annotating Automotive Radar efficiently: Semantic Radar Labeling Framework (SeRaLF).pdf |
paper
|
|
| /files/papers2020/IDE-Net: Extracting Interactive Driving Patterns from Human Data.pdf |
paper
|
|
| /files/papers2020/Vehicle speed data imputation based on parameter transferred LSTM.pdf |
paper
|
|
| /files/papers2020/Vehicle Trajectory Prediction by Transfer Learning of Semi-Supervised Models.pdf |
paper
|
|
| /files/papers2020/Instance-wise Depth and Motion Learning from Monocular Videos.pdf |
paper
|
|
| /files/papers2020/EvolveGraph: Multi-Agent Trajectory Prediction with Dynamic Relational Reasoning.pdf |
paper
|
|
| /files/papers2020/Diverse Sampling for Normalizing Flow Based Trajectory Forecasting.pdf |
paper
|
|
| /files/papers2020/A Distributed Delivery-Fleet Management Framework using Deep Reinforcement Learning and Dynamic Multi-Hop Routing.pdf |
paper
|
|
| /files/papers2020/Calibrating Self-supervised Monocular Depth Estimation.pdf |
paper
|
|
| /files/papers2020/Real-time Semantic and Class-agnostic Instance Segmentation in Autonomous Driving.pdf |
paper
|
|
| /files/papers2020/Investigating the Effect of Sensor Modalities in Multi-Sensor Detection-Prediction Models.pdf |
paper
|
|
| /files/papers2020/Real2sim: Automatic Generation of Open Street Map Towns For Autonomous Driving Benchmarks.pdf |
paper
|
|
| /files/papers2020/CARLA Real Traffic Scenarios – novel training ground and benchmark for autonomous driving.pdf |
paper
|
|
| /files/papers2020/FisheyeYOLO: Object Detection on Fisheye Cameras for Autonomous Driving.pdf |
paper
|
|
| /files/papers2020/PePScenes: A Novel Dataset and Baseline for Pedestrian Action Prediction in 3D.pdf |
paper
|
|
| /files/papers2020/Risk Assessment for Machine Learning Models.pdf |
paper
|
|
| /files/papers2020/Distributionally Robust Online Adaptation via Offline Population Synthesis.pdf |
paper
|
|
| /files/papers2020/Temporally-Continuous Probabilistic Prediction using Polynomial Trajectory Parameterization.pdf |
paper
|
|
| /files/papers2020/Predicting times of waiting on red signals using BERT.pdf |
paper
|
|
| /files/papers2020/Explainable Autonomous Driving with Grounded Relational Inference.pdf |
paper
|
|
| /files/papers2020/DepthNet Nano: A Highly Compact Self-Normalizing Neural Network for Monocular Depth Estimation.pdf |
paper
|
|
| /files/papers2020/Bézier Curve Based End-to-End Trajectory Synthesis for Agile Autonomous Driving.pdf |
paper
|
|
| /files/papers2020/Traffic Forecasting using Vehicle-to-Vehicle Communication and Recurrent Neural Networks.pdf |
paper
|
|
| /files/papers2020/Energy-Based Continuous Inverse Optimal Control.pdf |
paper
|
|
| /files/papers2020/Modeling Affect-based Intrinsic Rewards for Exploration and Learning.pdf |
paper
|
|
Внешние ссылки
Кол-во: 224
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 224 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| neurips.cc |
NeurIPS
|
| sites.google.com |
2016
|
| sites.google.com |
2017
|
| sites.google.com |
2018
|
| nips.cc |
Register
|
| neurips.cc |
NeurIPS Portal
|
| gather.town |
GatherTown
|
| dynsyslab.org |
<img class="photo" src="https://ml4ad.github.io/img/angela.jpg" alt="Angela Schoellig" itemprop="image">
|
| dynsyslab.org |
Angela Schoellig
|
| utouch.cpsc.ucalgary.ca |
<img class="photo" src="https://ml4ad.github.io/img/ehud.jpg" alt="Ehud Sharlin" itemprop="image">
|
| utouch.cpsc.ucalgary.ca |
Ehud Sharlin
|
| linkedin.com |
<img class="photo" src="https://ml4ad.github.io/img/brandyn.jpeg" alt="Brandyn White" itemprop="image">
|
| linkedin.com |
Brandyn White
|
| linkedin.com |
<img class="photo" src="https://ml4ad.github.io/img/beipeng.jpeg" alt="Beipeng Mu" itemprop="image">
|
| linkedin.com |
Beipeng Mu
|
| ptrckprz.github.io |
<img class="photo" src="https://ml4ad.github.io/img/patrick.jpg" alt="Patrick Perez" itemprop="image">
|
| ptrckprz.github.io |
Patrick Perez
|
| jianxiongxiao.com |
<img class="photo" src="https://ml4ad.github.io/img/jianxiong.jpg" alt="Jianxiong Xiao" itemprop="image">
|
| jianxiongxiao.com |
Jianxiong Xiao
|
| path.berkeley.edu |
<img class="photo" src="https://ml4ad.github.io/img/pin.jpg" alt="Pin Wang" itemprop="image">
|
| path.berkeley.edu |
Pin Wang
|
| homes.cs.washington.edu |
<img class="photo" src="https://ml4ad.github.io/img/byron.png" alt="Byron Boots" itemprop="image">
|
| homes.cs.washington.edu |
Byron Boots
|
| slideslive.com |
Addressing some Challenges of ML4AD
|
| gather.town |
Gather Town
|
| slideslive.com |
Leading the Self-driving Car Innovation in Asia
|
| slideslive.com |
Learning Decision-making Behaviors from Demonstrations based on Adversarial Inverse Reinforcement Learning
|
| slideslive.com |
On Human-Robot Interaction and Crossing a Street in the Era of Autonomous Vehicles
|
| gather.town |
Gather Town
|
| slideslive.com |
Online Learning for Adaptive Robotic Systems
|
| slideslive.com |
Learning a Multi-Agent Simulator from Offline Demonstrations
|
| gather.town |
Gather Town
|
| youtube.com |
CARLA Challenge
|
| slideslive.com |
Building HDmap using Mass Production Data
|
| leaderboard.carla.org |
here
|
| slideslive.com |
video
|
| gather.town |
poster 57
|
| slideslive.com |
video
|
| gather.town |
poster 41
|
| slideslive.com |
video
|
| gather.town |
poster 9
|
| slideslive.com |
video
|
| gather.town |
poster 30
|
| slideslive.com |
video
|
| gather.town |
poster 16
|
| slideslive.com |
video
|
| gather.town |
poster 51
|
| slideslive.com |
video
|
| gather.town |
poster 21
|
| slideslive.com |
video
|
| gather.town |
poster 20
|
| slideslive.com |
video
|
| gather.town |
poster 43
|
| slideslive.com |
video
|
| gather.town |
poster 31
|
| slideslive.com |
video
|
| gather.town |
poster 18
|
| slideslive.com |
video
|
| gather.town |
poster 19
|
| slideslive.com |
video
|
| gather.town |
poster 38
|
| slideslive.com |
video
|
| gather.town |
poster 1
|
| slideslive.com |
video
|
| gather.town |
poster 24
|
| slideslive.com |
video
|
| gather.town |
poster 49
|
| slideslive.com |
video
|
| gather.town |
poster 13
|
| slideslive.com |
video
|
| gather.town |
poster 32
|
| slideslive.com |
video
|
| gather.town |
poster 22
|
| slideslive.com |
video
|
| gather.town |
poster 46
|
| slideslive.com |
video
|
| gather.town |
poster 10
|
| slideslive.com |
video
|
| gather.town |
poster 55
|
| slideslive.com |
video
|
| gather.town |
poster 45
|
| slideslive.com |
video
|
| gather.town |
poster 59
|
| slideslive.com |
video
|
| gather.town |
poster 56
|
| slideslive.com |
video
|
| gather.town |
poster 58
|
| slideslive.com |
video
|
| gather.town |
poster 11
|
| slideslive.com |
video
|
| gather.town |
poster 62
|
| slideslive.com |
video
|
| gather.town |
poster 8
|
| slideslive.com |
video
|
| gather.town |
poster 50
|
| slideslive.com |
video
|
| gather.town |
poster 53
|
| gather.town |
poster 15
|
| slideslive.com |
video
|
| gather.town |
poster 7
|
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://ml4ad.github.io/2020 готова к продвижению на 59%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: