Анализ страницы https://mmuckley.github.io/publications/
Основное Готовность: 100%
Домен
mmuckley.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 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
en-US
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-US.
Скорость загрузки
~0,36сек
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 0,36сек оптимальна.
Объем документа
35Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 35Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 6
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 6 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | /assets/css/main.css | |
| stylesheet | https://cdn.jsdelivr.net/npm/@fortawesome/fontawesome-free@latest/css/all.min.css | |
| js | /assets/js/main.min.js | |
| js | /assets/js/lunr/lunr.min.js | |
| js | /assets/js/lunr/lunr-store.js | |
| js | /assets/js/lunr/lunr-en.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 | "69c9bb82-8f75" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 4C88:12CAF9:155BD70:1588B23:6A8950A4 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 07:32:52 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230120-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787383973.699641,VS0,VE116 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 5b8f7d852f3a4191141b5c05f5604bb37b8ceb23 |
CMS
WordPress
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.
Сайт работает на CMS WordPress.
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 - Matthew Muckley
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: 30, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Research Engineer at Meta FAIR
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: 30, 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
https://mmuckley.github.io/publications/
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.
Канонический Url прописан корректно.
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:type | website |
| og:locale | en_US |
| og:site_name | Matthew Muckley |
| og:title | Publications |
| og:url | https://mmuckley.github.io/publications/ |
| og:description | Research Engineer at Meta FAIR |
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 | description | Research Engineer at Meta FAIR |
| name | author | Matthew Muckley |
| name | google-site-verification | i4RC_n_tNmS4efFE-V7pakyWnwP1jqh-S4EGc5NESfU |
| name | yandex-verification | 04d732c42d8613a4 |
| name | viewport | width=device-width, initial-scale=1.0 |
| name | color-scheme | light dark |
| property | og:type | website |
| property | og:locale | en_US |
| property | og:site_name | Matthew Muckley |
| property | og:title | Publications |
| property | og:url | https://mmuckley.github.io/publications/ |
| property | og:description | Research Engineer at Meta FAIR |
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
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Абзацев с текстом 3 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 8 слишком мало. Сделайте контент более читаемым!
Слова из title 3 встречаются в тексте достаточно.
Кол-во знаков контента 15933 на странице оптимально.
Кол-во слов 2564 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> 5. Это хорошо.
На странице присутствуют заголовки <h3> 1.
Тошнота
8,31
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
10,73%
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 |
|---|---|---|
| muckley | 69 | 2,69% |
| reconstruction | 32 | 1,25% |
| sodickson | 27 | 1,05% |
| learning | 17 | 0,66% |
| workshop | 14 | 0,55% |
| [preprint | 11 | 0,43% |
| models | 10 | 0,39% |
| ullrich | 10 | 0,39% |
| fessler | 10 | 0,39% |
| compression | 9 | 0,35% |
| machine | 8 | 0,31% |
| verbeek | 8 | 0,31% |
| preprint | 7 | 0,27% |
| murrell | 7 | 0,27% |
| johnson | 7 | 0,27% |
| variational | 7 | 0,27% |
| neural | 7 | 0,27% |
| accelerated | 6 | 0,23% |
| network | 6 | 0,23% |
| sriram | 6 | 0,23% |
Индексация Готовность: 60%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 152 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 48 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
Sitemap: https://mmuckley.github.io/sitemap.xml
Sitemap
Кол-во: 1
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt содержит карту сайта. Это прекрасно!
Robots.txt не содержит ошибок в карте сайта.
Показать карту сайта
| Url | Статус |
|---|---|
| https://mmuckley.github.io/sitemap.xml |
|
Внутренние ссылки
Кол-во: 24
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 24 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
На странице присутствуют изображения 1.
Показать внутренние ссылки
| Url | Анкор | Состояние |
|---|---|---|
| / |
Matthew Muckley
|
|
| /about/ |
Biography
|
|
| /year-archive/ |
Posts
|
|
| /publications/ |
Publications
|
|
| /opensource/ |
Open Source Projects
|
|
| /assets/CV.pdf |
Curriculum Vitae
|
|
| / |
Matthew Muckley
|
|
| /assets/publications/2021johnsonevaluation.pdf |
[Preprint PDF]
|
|
| /assets/publications/2019gonglarge.pdf |
[PDF]
|
|
| /assets/publications/2019johnsonjoint.pdf |
[Preprint PDF]
|
|
| /assets/publications/2018muckleyreconstruction.pdf |
[PDF]
|
|
| /assets/publications/2018chenfirst.pdf |
[PDF]
|
|
| /assets/publications/2018koblervariational.pdf |
[PDF]
|
|
| /assets/publications/2017muckleyregularizer.pdf |
[PDF]
|
|
| /assets/publications/2017chenrealistic.pdf |
[PDF]
|
|
| /assets/publications/2014muckleyfast.pdf |
[PDF]
|
|
| /assets/publications/2020muckleytorchkbnufft.pdf |
[PDF]
|
|
| /assets/publications/2018muckleyaccelerating.pdf |
[PDF]
|
|
| /assets/publications/2016muckleymajorizer.pdf |
[PDF]
|
|
| /assets/publications/2014muckleyaccelerating.pdf |
[PDF]
|
|
| /assets/publications/2013muckleymodel.pdf |
[PDF]
|
|
| /assets/publications/2013muckleygroup.pdf |
[PDF]
|
|
| /feed.xml |
<i class="fas fa-fw fa-rss-square" aria-hidden="true"></i> Feed
|
|
|
Matthew Muckley
|
|
Внешние ссылки
Кол-во: 119
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 119 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
На странице ссылки с атрибутом rel='nofollow' 8.
Показать первые 100 внешних ссылок
| Url | Анкор |
|---|---|
| bsky.app |
<i class="fab fa-fw fa-bluesky" aria-hidden="true"></i><span class="label">Bluesky</span>
|
| threads.net |
<i class="fab fa-fw fa-threads" aria-hidden="true"></i><span class="label">Threads</span>
|
| linkedin.com |
<i class="fab fa-fw fa-linkedin-in" aria-hidden="true"></i><span class="label">LinkedIn</span>
|
| github.com |
<i class="fab fa-fw fa-github" aria-hidden="true"></i><span class="label">GitHub</span>
|
| scholar.google.com |
<i class="fas fa-fw fa-graduation-cap" aria-hidden="true"></i><span class="label">Google Scholar</span>
|
| orcid.org |
<i class="fas fa-fw fa-id-card" aria-hidden="true"></i><span class="label">ORCID</span>
|
| scholar.google.com |
Google Scholar Profile
|
| arxiv.org |
V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning
|
| arxiv.org |
[Preprint PDF]
|
| arxiv.org |
Lossless Compression of Vector IDs for Approximate Nearest Neighbor Search
|
| arxiv.org |
[Preprint PDF]
|
| arxiv.org |
Consistency-diversity-realism Pareto fronts of conditional image generative models
|
| arxiv.org |
[Preprint PDF]
|
| arxiv.org |
Advancing human-centric AI for robust X-ray analysis through holistic self-supervised learning
|
| arxiv.org |
[Preprint PDF]
|
| arxiv.org |
Latent discretization for continuous-time sequence compression
|
| arxiv.org |
[Preprint PDF]
|
| arxiv.org |
COVID-19 Prognosis via Self-Supervised Representation Learning and Multi-Image Prediction
|
| arxiv.org |
[Preprint PDF]
|
| arxiv.org |
fastMRI: An open dataset and benchmarks for accelerated MRI
|
| arxiv.org |
[Preprint PDF]
|
| openreview.net |
Training-free linear image inverses via flows
|
| openreview.net |
[PDF]
|
| doi.org |
Accelerated MRI reconstructions via variational network and feature domain learning
|
| nature.com |
[PDF]
|
| openreview.net |
Image Compression with Product Quantized Masked Image Modeling
|
| openreview.net |
[PDF]
|
| doi.org |
Deep Learning Reconstruction Enables Prospectively Accelerated Clinical Knee MRI
|
| pubs.rsna.org |
PDF
|
| doi.org |
Exploring the Acceleration Limits of Deep Learning Variational Network–based Two-dimensional Brain MRI
|
| pubs.rsna.org |
[PDF]
|
| doi.org |
Results of the 2020 fastMRI Challenge for Machine Learning MR Image Reconstruction
|
| ieeexplore.ieee.org |
[PDF]
|
| doi.org |
Training a neural network for Gibbs and noise removal in diffusion MRI
|
| onlinelibrary.wiley.com |
[PDF]
|
| doi.org |
Advancing machine learning for MR image reconstruction with an open competition: Overview of the 2019 fastMRI challenge
|
| ncbi.nlm.nih.gov |
[PMC PDF]
|
| doi.org |
Using Deep Learning to Accelerate Knee MRI at 3 T: Results of an Interchangeability Study
|
| ncbi.nlm.nih.gov |
[PMC PDF]
|
| doi.org |
fastMRI: A Publicly Available Raw k-Space and DICOM Dataset of Knee Images for Accelerated MR Image Reconstruction Using Machine Learning
|
| pubs.rsna.org |
[PDF]
|
| doi.org |
Pancreas deformation in the presence of tumors using feature tracking from free-breathing XD-GRASP MRI
|
| ncbi.nlm.nih.gov |
[PMC PDF]
|
| doi.org |
Image reconstruction for interrupted-beam x-ray CT on diagnostic clinical scanners
|
| iopscience.iop.org |
[PDF]
|
| doi.org |
SparseCT: System concept and design of multislit collimators
|
| ncbi.nlm.nih.gov |
[PMC PDF]
|
| doi.org |
Estrogen depletion and drug treatment alter the microstructure of type I collagen in bone
|
| sciencedirect.com |
[PDF]
|
| doi.org |
Fast Parallel MR Image Reconstruction via B1-Based, Adaptive Restart, Iterative Soft Thresholding Algorithms (BARISTA)
|
| ncbi.nlm.nih.gov |
[PMC PDF]
|
| doi.org |
The morphological, material-level, and ash properties of turkey femurs from 3 different genetic strains during production
|
| sciencedirect.com |
[PDF]
|
| dx.doi.org |
Spectroscopic visualization of nanoscale deformation in bone: interaction of light with partially disordered nanostructure
|
| spiedigitallibrary.org |
[PDF]
|
| arxiv.org |
DIMCIM: A Quantitative Evaluation Framework for Default-mode Diversity and Generalization in Text-to-Image Generative Models
|
| arxiv.org |
[Preprint PDF]
|
| openreview.net |
Qinco2: Vector Compression and Search with Improved Implicit Neural Codebooks
|
| openreview.net |
[PDF]
|
| openreview.net |
Exact Byte-Level Probabilities from Tokenized Language Models for FIM-Tasks and Model Ensembles
|
| openreview.net |
[PDF]
|
| doi.org |
Architecture Optimizations for Improving Neural Image Compression Compute Complexity
|
| doi.org |
Enhancing and Evaluating Probabilistic Circuits for High-Resolution Lossless Image Compression
|
| proceedings.neurips.cc |
On improved Conditioning Mechanisms and Pre-training Strategies for Diffusion Models
|
| proceedings.neurips.cc |
[PDF]
|
| proceedings.mlr.press |
Residual Quantization with Implicit Neural Codebooks
|
| raw.githubusercontent.com |
[PDF]
|
| openreview.net |
Towards image compression with perfect realism at ultra-low bitrates
|
| openreview.net |
[PDF]
|
| proceedings.mlr.press |
Improving Statistical Fidelity for Neural Image Compression with Implicit Local Likelihood Models
|
| proceedings.mlr.press |
[PDF]
|
| proceedings.mlr.press |
On learning adaptive acquisition policies for undersampled multi-coil MRI reconstruction
|
| proceedings.mlr.press |
[PDF]
|
| openaccess.thecvf.com |
Reducing Uncertainty in Undersampled MRI Reconstruction With Active Acquisition
|
| openaccess.thecvf.com |
[PDF]
|
| openreview.net |
Understanding and Mitigating Tokenization Bias in Language Models
|
| arxiv.org |
[Preprint PDF]
|
| openreview.net |
Revisiting Associative Compression: I Can’t Believe It’s Not Better
|
| openreview.net |
[PDF]
|
| doi.org |
Evaluation of the Robustness of Learned MR Image Reconstruction to Systematic Deviations Between Training and Test Data for the Models from the fastMRI Challenge
|
| sites.google.com |
Large-scale classification of breast MRI exams using deep convolutional networks
|
| doi.org |
Joint multi-anatomy training of a variational network for reconstruction of accelerated magnetic resonance image acquisitions
|
| ct-meeting.org |
Reconstruction of reduced-dose SparseCT data acquired with an interruped-beam prototype on a clinical scanner
|
| ct-meeting.org |
First multislit collimator prototype for SparseCT: design, manufacturing and initial validation
|
| ct-meeting.org |
Variational network learning for low-dose CT
|
| doi.org |
Variational deep learning for low-dose computed tomography
|
| doi.org |
Evaluation of SparseCT on patient data using realistic undersampling models
|
| doi.org |
Regularizer performance for SparseCT image reconstruction with practical subsampling
|
| fully3d.org |
Realistic undersampling model for compressed sensing using a multi-slit collimator
|
| doi.org |
Fast MR image reconstruction with orthogonal wavelet regularization via shift-variant shrinkage
|
| baspfrontiers.org |
Insights into the reliability of deep learning reconstructions with research challenges
|
| baspfrontiers.org |
[PDF]
|
| ismrm.org |
Improving variational network based 2D MRI reconstruction via feature-space data consistency
|
| archive.ismrm.org |
Properties of 2D MR image reconstructions with deep neural networks at high acceleration rates
|
| archive.ismrm.org |
Results of the 2020 fastMRI brain reconstruction challenge
|
| archive.ismrm.org |
Unsupervised reconstruction of continuous dynamic radial acquisitions via CNN-NUFFT self-consistency
|
| archive.ismrm.org |
Large-scale classification of breast MRI exams using deep convolutional networks
|
| ismrm.org |
Self-supervised dynamic MR image reconstruction with a sequence-to-sequence NUFFT-CNN
|
| ismrm.org |
TorchKbNufft: A high-level, hardware-agnostic non-uniform fast Fourier transform
|
| archive.ismrm.org |
Learned Gibbs removal in partial Fourier acquisitions for diffusion MRI
|
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://mmuckley.github.io/publications/ готова к продвижению на 72%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: