Анализ страницы https://ml4ad.github.io/2021
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/2021
301 MovedPermanently
https://ml4ad.github.io/2021/
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 28.10.2026 23:43:40.
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
~0,43сек
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 0,43сек оптимальна.
Объем документа
71Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 71Кб 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-1209b" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 33A0:12CAF9:1BBAF83:1BF72B6:6A898D3D |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 11:51:26 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230073-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787399486.977634,VS0,VE116 |
| Vary | Accept-Encoding |
| x-fastly-request-id | ee2dfdb7eccadce1cf29e6e12405371845213ea6 |
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 2021 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 2021 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 2021 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 2021 Virtual Workshop |
| name | viewport | width=device-width, initial-scale=1 |
| property | og:title | Workshop on Machine Learning for Autonomous Driving |
| property | og:description | NeurIPS 2021 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 44 достаточно.
Среднее число слов в абзаце 109 достаточно.
Кол-во знаков контента 14691 на странице оптимально.
Кол-во слов 2145 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 9. Это хорошо.
На странице присутствуют заголовки <h3> 33.
Тошнота
6
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
11,89%
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 | 36 | 1,68% |
| driving | 26 | 1,21% |
| autonomous | 25 | 1,17% |
| learning | 21 | 0,98% |
| university | 15 | 0,70% |
| detection | 11 | 0,51% |
| workshop | 10 | 0,47% |
| vehicles | 10 | 0,47% |
| reinforcement | 9 | 0,42% |
| object | 9 | 0,42% |
| challenge | 8 | 0,37% |
| research | 8 | 0,37% |
| papers | 7 | 0,33% |
| machine | 6 | 0,28% |
| professor | 6 | 0,28% |
| networks | 6 | 0,28% |
| neurips | 5 | 0,23% |
| december | 5 | 0,23% |
| modeling | 5 | 0,23% |
| submission | 5 | 0,23% |
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 259 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: 39
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 39 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| /2019 |
2019
|
|
| /2020 |
2020
|
|
| /files/neurips_2021_ml4ad.tex |
neurips_2021_ml4ad.tex
|
|
| /files/neurips_2021_ml4ad.sty |
neurips_2021_ml4ad.sty
|
|
| /files/neurips_2021_ml4ad.pdf |
neurips_2021_ml4ad.pdf
|
|
| /img/review-questions.png |
these
|
|
| /files/papers2021/UMBRELLA: Uncertainty-Aware Model-Based Offline Reinforcement Learning Leveraging Planning.pdf |
paper
|
|
| /files/papers2021/Object-Level Targeted Selection via Deep Template Matching.pdf |
paper
|
|
| /files/papers2021/Hierarchical Adaptable and Transferable Networks (HATN) for Driving Behavior Prediction.pdf |
paper
|
|
| /files/papers2021/Incorporating Voice Instructions in Model-Based Reinforcement Learning for Self-Driving Cars.pdf |
paper
|
|
| /files/papers2021/Real-time Generalized Sensor Fusion with Transformers.pdf |
paper
|
|
| /files/papers2021/Circular-Symmetric Correlation Layer.pdf |
paper
|
|
| /files/papers2021/MTL-TransMODS: Cascaded Multi-Task Learning for Moving Object Detection and Segmentation with Unified Transformers.pdf |
paper
|
|
| /files/papers2021/PKCAM: Previous Knowledge Channel Attention Module.pdf |
paper
|
|
| /files/papers2021/Fast Polar Attentive 3D Object Detection on LiDAR Point Clouds.pdf |
paper
|
|
| /files/papers2021/Improved Object Detection in Thermal Imaging Through Context Enhancement and Information Fusion: A Case Study in Autonomous Driving.pdf |
paper
|
|
| /files/papers2021/Compressing Sensor Data for Remote Assistance of Autonomous Vehicles using Deep Generative Models.pdf |
paper
|
|
| /files/papers2021/Self-supervised Sun Glare Detection CNN for Self-aware Autonomous Driving.pdf |
paper
|
|
| /files/papers2021/NSS-VAEs: Generative Scene Decomposition for Visual Navigable Space Construction.pdf |
paper
|
|
| /files/papers2021/Monocular 3D Object Detection by Leveraging Self-Supervised Visual Pre-training.pdf |
paper
|
|
| /files/papers2021/PolyTrack: Tracking with Bounding Polygons.pdf |
paper
|
|
| /files/papers2021/Does Thermal Data Make the Detection Systems More Reliable.pdf |
paper
|
|
| /files/papers2021/A Scenario-Based Platform for Testing Autonomous Vehicle Behavior Prediction Models in Simulation.pdf |
paper
|
|
| /files/papers2021/Watch Out for the Risky Actors: Assessing Risk in Dynamic Environments for Safe Driving.pdf |
paper
|
|
| /files/papers2021/Reinforcement Learning as an Alternative to Reachability Analysis for Falsification of AD Functions.pdf |
paper
|
|
| /files/papers2021/Efficient Unknown Object Detection with Discrepancy Networks for Semantic Segmentation.pdf |
paper
|
|
| /files/papers2021/DriverGym: Democratising Reinforcement Learning for Autonomous Driving.pdf |
paper
|
|
| /files/papers2021/ORDER: Open World Object Detection on Road Scenes.pdf |
paper
|
|
| /files/papers2021/Spatio-Temporal Gated Transformers for Efficient Video Processing.pdf |
paper
|
|
| /files/papers2021/TITRATED: Learned Human Driving Behavior without Infractions via Amortized Inference.pdf |
paper
|
|
| /files/papers2021/Meta-Guided Metric Learner for Overcoming Class Confusion in Few-Shot Road Object Detection.pdf |
paper
|
|
| /files/papers2021/How Far Can I Go: A Self-Supervised Approach for Deterministic Video Depth Forecasting.pdf |
paper
|
|
| /files/papers2021/Switching Recurrent Kalman Networks.pdf |
paper
|
|
| /files/papers2021/Self-Supervised Pretraining for Scene Change Detection.pdf |
paper
|
|
| /files/papers2021/A Step Towards Efficient Evaluation of Complex Perception Tasks in Simulation.pdf |
paper
|
|
| /files/papers2021/AA3DNet: Attention Augmented Real Time 3D Object Detection.pdf |
paper
|
|
| /files/papers2021/Offline Reinforcement Learning for Autonomous Driving with Safety and Exploration Enhancement.pdf |
paper
|
|
| /files/papers2021/Temporal Transductive Inference for Few-Shot Video Object Segmentation.pdf |
paper
|
|
| /files/papers2021/Scalable Primitives for Generalized Sensor Fusion in Autonomous Vehicles.pdf |
paper
|
|
Внешние ссылки
Кол-во: 211
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 211 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
|
| eventhosts.gather.town |
GatherTown
|
| slideslive.com |
here
|
| cs.cmu.edu |
<img class="photo" src="https://ml4ad.github.io/img/jeff.jpg" alt="Jeff Schneider" itemprop="image">
|
| cs.cmu.edu |
Jeff Schneider
|
| alexgkendall.com |
<img class="photo" src="https://ml4ad.github.io/img/alex.jpg" alt="Alex Kendall" itemprop="image">
|
| alexgkendall.com |
Alex Kendall
|
| people.eecs.berkeley.edu |
<img class="photo" src="https://ml4ad.github.io/img/claire.jpg" alt="Claire Tomlin" itemprop="image">
|
| people.eecs.berkeley.edu |
Claire Tomlin
|
| linkedin.com |
<img class="photo" src="https://ml4ad.github.io/img/songan.jpg" alt="Songan Zhang" itemprop="image">
|
| linkedin.com |
Songan Zhang
|
| sarahtang.net |
<img class="photo" src="https://ml4ad.github.io/img/sarah2.jpg" alt="Sarah Tang" itemprop="image">
|
| sarahtang.net |
Sarah Tang
|
| roseyu.com |
<img class="photo" src="https://ml4ad.github.io/img/rose.jpg" alt="Rose Yu" itemprop="image">
|
| roseyu.com |
Rose Yu
|
| droplab.engin.umich.edu |
<img class="photo" src="https://ml4ad.github.io/img/matthew.jpeg" alt="Matthew Johnson-Roberson" itemprop="image">
|
| droplab.engin.umich.edu |
Matthew Johnson-Roberson
|
| krdc.web.illinois.edu |
<img class="photo" src="https://ml4ad.github.io/img/katie.jpg" alt="Katie Driggs-Campbell" itemprop="image">
|
| krdc.web.illinois.edu |
Katie Driggs-Campbell
|
| linkedin.com |
<img class="photo" src="https://ml4ad.github.io/img/mark.jpg" alt="Mark Palatucci" itemprop="image">
|
| linkedin.com |
Mark Palatucci
|
| cmt3.research.microsoft.com |
https://cmt3.research.microsoft.com/ML4AD2021
|
| slideslive.com |
Welcome
|
| slideslive.com |
Reinforcement Learning for Self Driving Cars
|
| slideslive.com |
AV2.0: Learning a Globally Scalable Driving Intelligence
|
| slideslive.com |
UMBRELLA: Uncertainty-Aware Model-Based Offline Reinforcement Learning Leveraging Planning
|
| eventhosts.gather.town |
Poster Session
|
| slideslive.com |
Physics-Guided AI for Modeling Autonomous Vehicle Dynamics
|
| slideslive.com |
The Ongoing Research in University of Michigan & Ford Center for Autonomous Vehicles (FCAV)
|
| leaderboard.carla.org |
CARLA Challenge
|
| slideslive.com |
CARLA Autonomous Driving Challenge 2021
|
| slideslive.com |
Fantastic Failures and Where to Find Them: Designing Safe, Robust Autonomy
|
| slideslive.com |
Modeling Other Agents
|
| slideslive.com |
Object-Level Targeted Selection via Deep Template Matching
|
| slideslive.com |
Hierarchical Adaptable and Transferable Networks (HATN) for Driving Behavior Prediction
|
| slideslive.com |
Incorporating Voice Instructions in Model-Based Reinforcement Learning for Self-Driving Cars
|
| eventhosts.gather.town |
Poster Session
|
| slideslive.com |
Learning Driving Agents from Simulation
|
| slideslive.com |
Autonomous Vehicle Decision-Making Policy Fast Adaptation using Meta Reinforcement Learning
|
| slideslive.com |
Robotics for an ML-Driven World
|
| research.yandex.com |
Shifts Challenge
|
| slideslive.com |
Shifts: A Dataset of Real Distributional Shift Across Multiple Large-Scale Tasks
|
| slideslive.com |
Closing Remarks
|
| leaderboard.carla.org |
here
|
| drive.google.com |
video
|
| drive.google.com |
slides
|
| drive.google.com |
video
|
| drive.google.com |
slides
|
| drive.google.com |
video
|
| drive.google.com |
slides
|
| eventhosts.gather.town |
poster H3
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster D3
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster C1
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster E1
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster B1
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster A3
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster B2
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster B3
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster A0
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster A2
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster H2
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster H0
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster C0
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster A1
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster E3
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster D1
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster F1
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster G2
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster D0
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster H1
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster E2
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster C3
|
| slideslive.com |
video
|
| eventhosts.gather.town |
poster F3
|
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/2021 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: