Анализ страницы https://simdl.github.io/papers
Основное Готовность: 95%
Домен
simdl.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://simdl.github.io/papers
301 MovedPermanently
https://simdl.github.io/papers/
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 04.10.2026 22:45:22.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
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
~0,38сек
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 0,38сек оптимальна.
Объем документа
23Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 23Кб 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 | /css/main.css?1620433831378722283 | |
| js | text/javascript | https://ajax.googleapis.com/ajax/libs/jquery/3.3.1/jquery.min.js |
| js | text/javascript | /js/main.js?1620433831378722283 |
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 | "6095dba9-5f68" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | EC20:19A3F5:3A9DD14:3B1BB32:6A8A8DF2 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 06:06:43 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230227-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787465203.892365,VS0,VE117 |
| Vary | Accept-Encoding |
| x-fastly-request-id | e4e1a13b37cb425005784c33403f64fba8dafd7f |
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: 33%
Title
Accepted Papers
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: 15, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
ICLR 2021 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: 18, 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
grlplus.github.io/papers/
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Домен в каноническом Url не совпадает!
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1, maximum-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».
Meta-тег viewport со значением maximum-scale определяет максимальный масштаб области просмотра.
Разметка OpenGraph
Кол-во: 3
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 | article |
| og:title | Accepted Papers |
| og:description | ICLR 2021 Workshop |
Все мета-теги
Кол-во: 15
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 15шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width initial-scale=1 |
| name | description | ICLR 2021 Workshop |
| name | author | Rex Ying, Tailin Wu |
| name | HandheldFriendly | True |
| name | MobileOptimized | 320 |
| name | apple-mobile-web-app-capable | yes |
| name | apple-mobile-web-app-status-bar-style | black-translucent |
| name | viewport | width=device-width, initial-scale=1, maximum-scale=1 |
| name | twitter:card | summary |
| name | twitter:title | Accepted Papers |
| name | twitter:description | ICLR 2021 Workshop |
| name | theme-color | #ffffff |
| property | og:type | article |
| property | og:title | Accepted Papers |
| property | og:description | ICLR 2021 Workshop |
Оптимизация Готовность: 62%
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 одном 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.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 1 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 3 слишком мало. Сделайте контент более читаемым!
Кол-во знаков контента 10402 на странице оптимально.
Кол-во слов 1233 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> 2. Это прекрасно.
На странице присутствуют заголовки <h2> 1. Это хорошо.
На странице присутствуют заголовки <h3> 1.
Тошнота
7,07
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 3. Измените текст страницы!
Академич. тошнота
6,65%
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 | 50 | 4,06% |
| contact: | 50 | 4,06% |
| authors: | 47 | 3,81% |
| learning | 14 | 1,14% |
| simulation | 9 | 0,73% |
| neural | 9 | 0,73% |
| networks | 8 | 0,65% |
| simulations | 5 | 0,41% |
| papers | 4 | 0,32% |
| network | 4 | 0,32% |
| physics | 4 | 0,32% |
| dynamics | 4 | 0,32% |
| generative | 4 | 0,32% |
| workshop | 3 | 0,24% |
| cranmer | 3 | 0,24% |
| shirley | 3 | 0,24% |
| towards | 3 | 0,24% |
| learned | 3 | 0,24% |
| alexander | 3 | 0,24% |
| patrick | 3 | 0,24% |
Индексация Готовность: 50%
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 107 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: 106
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 106 оптимально.
На странице присутствуют изображения 1.
Показать первые 100 внутренних ссылок
| Url | Анкор | Состояние |
|---|---|---|
| /overview |
Overview
|
|
| /schedule |
<b>Schedule</b>
|
|
| /speakers |
Speakers
|
|
| /cfp |
Call for Papers
|
|
| /papers |
<b>Papers</b>
|
|
| /organizers |
Organizers
|
|
| /files/26.pdf |
Learning general-purpose CNN-based simulators for astrophysical turbulence.
|
|
| /posters/26-supp_poster_upload.pdf |
Poster
|
|
| /files/42.pdf |
Learning 3D Granular Flow Simulations.
|
|
| /posters/42-supp_poster.pdf |
Poster
|
|
| /files/62.pdf |
ForceNet: A Graph Neural Network for Large-Scale Quantum Calculations.
|
|
| /posters/62-supp_forcenet_iclr2021-ws-poster.pdf |
Poster
|
|
| /files/1.pdf |
Persistent Message Passing.
|
|
| /posters/1-supp_2021-ICLR_workshop-PMP-v2.pdf |
Poster
|
|
| /files/2.pdf |
Deep Reinforcement Learning for Furniture Layout Simulation in Indoor Graphics Scenes.
|
|
| /posters/2-supp_ICLR_SimDL_Paper_ID_2_Poster.pdf |
Poster
|
|
| /files/3.pdf |
Clues for Noise Robustness of State Estimation: Error-curve Quest of Neural Network and Linear Regression.
|
|
| /posters/3-supp_ICLR_poster_comp_taichi.pdf |
Poster
|
|
| /files/4.pdf |
Supervised convolutional networks for volumetric data enrichment from limited sectional data with adaptive super resolution.
|
|
| /posters/4-supp_poster_matsuo_ICLR2021_final.pdf |
Poster
|
|
| /files/5.pdf |
Active learning of deep surrogates for PDEs
|
|
| /posters/5-supp_Poster_ICLR_SimDL.pdf |
Poster
|
|
| /files/7.pdf |
Hard Encoding of Physics for Learning Spatiotemporal Dynamics.
|
|
| /posters/7-supp_ICLR_SimDL_Poster_Chengping.pdf |
Poster
|
|
| /files/8.pdf |
Towards an Operationally Meaningful, Explainable Emulator for the Boussinesq equation.
|
|
| /posters/8-supp_OMExplEmul.pdf |
Poster
|
|
| /files/9.pdf |
LEARNED SIMULATORS THAT SATISFY THE LAWS OF THERMODYNAMICS.
|
|
| /posters/9-supp_HernandezEtAl.pdf |
Poster
|
|
| /files/10.pdf |
Meta-learning using privileged information for dynamics.
|
|
| /posters/10-supp_LUPI-NDP%20Poster.pdf |
Poster
|
|
| /files/12.pdf |
Scaffolding Simulations with Deep Learning for High-dimensional Deconvolution.
|
|
| /posters/12--supp_ICLRsimDL_poster_OmniFold.pdf |
Poster
|
|
| /files/13.pdf |
Towards Efficient Uncertainty estimation in deep learning for robust energy prediction in materials chemistry.
|
|
| /posters/new13--supp.pdf |
Poster
|
|
| /files/16.pdf |
Learning the exchange-correlation functional from nature.
|
|
| /posters/16-supp_iclr-poster.pdf |
Poster
|
|
| /files/17.pdf |
One-shot learning for solution operators of partial differential equations.
|
|
| /posters/17-supp_one_shot_PDE_poster.pdf |
Poster
|
|
| /files/18.pdf |
Amplifying Statistics with Ensembles of Generative Models.
|
|
| /posters/18-supp_Amplifying_Statistics_using_Generative_Models_ICLR_poster.pdf |
Poster
|
|
| /files/19.pdf |
A Machine-Learning Surrogate Model for Ab-initio Electronic Correlations at Extreme Conditions.
|
|
| /posters/19-supp_simDL_dornheim.pdf |
Poster
|
|
| /files/20.pdf |
Adversarial autoencoders and adversarial LSTM for improved forecasts of urban air pollution simulations cesar.
|
|
| /posters/new20--supp.pdf |
Poster
|
|
| /files/21.pdf |
Improving Simulations with Symmetry Control Neural Networks.
|
|
| /posters/21-supp_Poster_SCNN_final.pdf |
Poster
|
|
| /files/22.pdf |
A latent space solver for PDE generalization.
|
|
| /posters/22-supp_ranade_iclr_simDL_poster.pdf |
Poster
|
|
| /files/24.pdf |
Data-Driven Shadowgraph Simulation of a 3D Object.
|
|
| /posters/24-supp_simdl_poster.pdf |
Poster
|
|
| /submissions/27_GenerativeProteinConformation_Workshop_fin.pdf |
ProGAE: A Geometric Generative Model for Disentangling Protein Conformational Space.
|
|
| /posters/27-supp_simdl_poster.pdf |
Poster
|
|
| /files/28.pdf |
boxLCD: A Simple Testbed for Learned Simulator Research.
|
|
| /posters/28-supp_1faa8c74-e9d3-482f-b403-c432ee72a37f.pdf |
Poster
|
|
| /files/29.pdf |
Improving Solar Cell Metallization Designs using Convolutional Neural Networks.
|
|
| /posters/29-supp_Poster_ICLR.pdf |
Poster
|
|
| /files/30.pdf |
Online parameter inference for the simulation of a Bunsen flame using heteroscedastic Bayesian neural network ensembles.
|
|
| /posters/30-supp_simdl_Croci.pdf |
Poster
|
|
| /files/31.pdf |
Generative models for particle shower simulation in fundamental physics.
|
|
| /posters/31-supp_ICLR2021_eren.pdf |
Poster
|
|
| /files/32.pdf |
Invertible Surrogate Models: Joint Surrogate Modelling and Reconstruction of Laser Wakefield Acceleration by Invertible Neural Networks.
|
|
| /posters/32-supp_A0_Poster_HZDR_ENGLISH.pdf |
Poster
|
|
| /files/33.pdf |
Finite Volume Neural Network: Modeling Subsurface Contaminant Transport.
|
|
| /posters/33-supp_Praditia%20et%20al%20-%20Poster.pdf |
Poster
|
|
| /files/34.pdf |
Accelerating Lagrangian Fluid Simulation with Graph Neural Networks.
|
|
| /posters/34-supp_ICLR2021_workshop_poster%20(3).pdf |
Poster
|
|
| /files/35.pdf |
Differentiable sampling of molecular geometries with uncertainty-based adversarial attacks.
|
|
| /posters/35-supp_simdl2021poster.pdf |
Poster
|
|
| /files/36.pdf |
CosmicRIM : Reconstructing Early Universe by Combining Differentiable Simulations with Recurrent Inference Machines.
|
|
| /posters/36-supp_SimDL%20poster.pdf |
Poster
|
|
| /files/37.pdf |
Efficient data selection methods for the development of machine learned potentials.
|
|
| /posters/37-supp_Efficient_data_selection_methods_for_the_development_of_machine_learned_potentials.pdf |
Poster
|
|
| /files/39.pdf |
Accelerating Simulation of Stiff Nonlinear Systems using Continuous Time Echo State Networks.
|
|
| /posters/new39--supp.pdf |
Poster
|
|
| /files/40.pdf |
Histogram Pooling Operators: An Interpretable Alternative for Deep Sets.
|
|
| /posters/40-supp_Histogram%20Pooling%20ICLR%20Workshop%202021.pdf |
Poster
|
|
| /files/41.pdf |
Multi-channel particle physics detector simulation with graph variational autoencoders.
|
|
| /posters/41-supp_Graph_VAE_Simdl_poster.pdf |
Poster
|
|
| /files/43.pdf |
Direct Prediction of Steady-State Flow Fields in Meshed Domain with Graph Networks.
|
|
| /posters/new43--supp.pdf |
Poster
|
|
| /files/44.pdf |
Forecasting Variable-Density 3D Turbulent Flow.
|
|
| /posters/44-supp_ICLR2021_DL4Sim_Poster.pdf |
Poster
|
|
| /files/45.pdf |
Simulation Domain Generation for Characterization of Shale Source Rocks.
|
|
| /posters/45-supp_iclr2021_Tim_02_poster.pdf |
Poster
|
|
| /files/46.pdf |
An Extensible Benchmark Suite for Learning to Simulate Physical Systems.
|
|
| /posters/46-supp_learn-sim-benchmark-poster.pdf |
Poster
|
|
| /files/47.pdf |
Simulating Continuous-time Human Mobility Trajectories.
|
|
| /posters/47-supp_Simulating%20Continuous-time%20Human%20Mobility%20Trajectories%20poster.pdf |
Poster
|
|
| /files/48.pdf |
Multigrid solver with super-resolved interpolation.
|
|
| /posters/48-supp_FH_ICLR2021_SimDL_poster.pdf |
Poster
|
|
| /files/49.pdf |
Deep Discrete-Time Lagrangian Mechanics.
|
|
| /posters/49-supp_simdl_poster.pdf |
Poster
|
|
| /files/51.pdf |
Towards Designing and Exploiting Generative Networks for Neutrino Physics Experiments using Liquid Argon Time Projection Chambers.
|
|
| /files/52.pdf |
A prediction interval method for uncertainty quantification of regression models.
|
|
| /posters/52-supp_Poster_UQ_for_ICLRws_Final.pdf |
Poster
|
|
| /files/53.pdf |
INDUCTIVE BIAS GRAPH NETWORK FOR ROBUST MOLECULAR DYNAMICS.
|
|
| /posters/53-supp_ICLR_SimDL_2021_Poster_Pankaj.pdf |
Poster
|
|
| /files/54.pdf |
Inference of cell dynamics on perturbation data with adjoint sensitivity.
|
|
| /posters/new54--supp.pdf |
Poster
|
|
| /files/55.pdf |
Learning Operations for Neural PDE Solvers.
|
|
Внешние ссылки
Не найдено
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 не найдено.
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://simdl.github.io/papers готова к продвижению на 60%. Чтобы еще улучшить страницу и попасть на первые места поисковой выдачи необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: