Анализ сайта https://williamleif.github.io/
Основное Готовность: 100%
Домен
williamleif.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.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 27.10.2026 17:15:03.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,40сек
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 0,40сек 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: 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 | css/foundation.css | |
| stylesheet | css/app.css | |
| js | js/vendor/jquery.js | |
| js | js/vendor/what-input.js | |
| js | js/vendor/foundation.js | |
| js | js/app.js |
Серверные заголовки
Кол-во: 17
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 17шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| ETag | "60c0ca60-11f4a" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 9C7A:10D7A:1DA646A:1DE5F53:6A899A7E |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 12:47:58 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230140-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787402878.388293,VS0,VE121 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 70e75d8bde75869cd9f66080e54730e52764936c |
CMS
Drupal
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 Drupal.
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: 34%
Title
William L. Hamilton
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: 19, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
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.
Установите мета-тег description!
Keywords
william hamilton, wleif, will hamilton, will stanford, stanford nlp, snap, stanford snap, jure leskovec, dan jurafsky, computational social science, nlp, hamilton computer science, machine learning, computational linguistics, mcgill, mila
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.
Keywords установлены.
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1.0
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Не найдено
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 не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 2
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 2шт. 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=1.0 |
| name | keywords | william hamilton, wleif, will hamilton, will stanford, stanford nlp, snap, stanford snap, jure leskovec, dan jurafsky, computational social science, nlp, hamilton computer science, machine learning, computational linguistics, mcgill, mila |
Оптимизация Готовность: 80%
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
Ошибок нет
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 3 встречаются в тексте достаточно.
Абзацев с текстом 10 достаточно.
Среднее число слов в абзаце 56 достаточно.
Кол-во знаков контента 12898 на странице оптимально.
Кол-во слов 1825 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.
Тошнота
7,35
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
7,84%
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 |
|---|---|---|
| william | 54 | 2,96% |
| hamilton | 52 | 2,85% |
| learning | 42 | 2,30% |
| proceedings | 35 | 1,92% |
| representation | 24 | 1,32% |
| website | 15 | 0,82% |
| leskovec | 13 | 0,71% |
| research | 12 | 0,66% |
| neurips | 10 | 0,55% |
| machine | 9 | 0,49% |
| workshop | 9 | 0,49% |
| jurafsky | 9 | 0,49% |
| science | 8 | 0,44% |
| mcgill | 8 | 0,44% |
| language | 8 | 0,44% |
| areas: | 8 | 0,44% |
| university | 7 | 0,38% |
| neural | 7 | 0,38% |
| knowledge | 7 | 0,38% |
| graphs | 7 | 0,38% |
Индексация Готовность: 0%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 122 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: 17
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 17 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Distilling Structured Knowledge for Text-Based Relational Reasoning
|
|
Анализировать url |
| / |
TeMP: Temporal Message Passing for Temporal Knowledge Graph Completion
|
|
Анализировать url |
| / |
Structure Aware Negative Sampling in Knowledge Graphs
|
|
Анализировать url |
| / |
Exploring the Limits of Simple Learners in Knowledge Distillation for Document Classification
|
|
Анализировать url |
| / |
Neural Transfer Learning for Cry-based Diagnosis of Perinatal Asphyxia
|
|
Анализировать url |
| / |
Discrete Off-policy Policy Gradients Using Continuous Relaxations
|
|
Анализировать url |
| / |
Neural Transfer Learning for Cry-based Diagnosis of Perinatal Asphyxia
|
|
Анализировать url |
| /files/conflict-paper-www.pdf |
Community Interaction and Conflict on the Web
|
|
|
| /files/community_taxonomy.pdf |
Community Identity and User Engagement in a <br>Multi-Community Landscape
|
|
|
| /files/community_taxonomy.pdf |
pdf
|
|
|
| /files/loyalty.pdf |
Loyalty in Online Communities
|
|
|
| /files/loyalty.pdf |
pdf
|
|
|
| /files/icml14-momcompare.pdf |
Methods of Moments for Learning Stochastic Languages: Unified Presentation and Empirical Comparison
|
|
|
| /https:github.com/williamleif/PSRToolBox |
code
|
|
Анализировать url |
| /https:github.com/williamleif/PSRToolBox |
code
|
|
Анализировать url |
| / |
Jin Dong
|
|
Анализировать url |
| / |
Komal Teru Kumar
|
|
Анализировать url |
Внешние ссылки
Кол-во: 101
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 101 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| arxiv.org |
Exploring the Limits of Few-Shot Link Prediction in Knowledge Graphs
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Do Syntax Trees Help Pre-trained Transformers Extract Information?
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| openreview.net |
Neural Representation and Generation for RNA Secondary Structures
|
Анализировать url |
| openreview.net |
pdf (openreview)
|
Анализировать url |
| openreview.net |
A Universal Representation Transformer Layer for Few-Shot Image Classification
|
Анализировать url |
| openreview.net |
pdf (openreview)
|
Анализировать url |
| arxiv.org |
Adversarial Example Games
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Learning Dynamic Belief Graphs to Generalize on Text-Based Games
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| cs.mcgill.ca |
Graph Representation Learning
|
Анализировать url |
| cs.mcgill.ca |
pdf
|
Анализировать url |
| arxiv.org |
Latent Variable Modelling with Hyperbolic Normalizing Flows
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| proceedings.icml.cc |
Inductive Relation Prediction by Subgraph Reasoning
|
Анализировать url |
| proceedings.icml.cc |
pdf
|
Анализировать url |
| biorxiv.org |
Augmented base pairing networks encode RNA-small molecule binding preferences
|
Анализировать url |
| biorxiv.org |
pdf (biorxiv)
|
Анализировать url |
| arxiv.org |
Learning an Unreferenced Metric for Online Dialogue Evaluation
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Exploring Structural Inductive Biases in Emergent Communication
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| biorxiv.org |
Graph Neural Representational Learning of RNA Secondary Structures for Predicting RNA-Protein Interactions
|
Анализировать url |
| biorxiv.org |
pdf (bioarxiv)
|
Анализировать url |
| arxiv.org |
Towards Graph Representation Learning in Emergent Communication
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Meta-Graph: Few shot Link Prediction via Meta-Learning
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
CLUTRR: A Diagnostic Benchmark for Inductive Reasoning from Text
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Efficient Graph Generation with Graph Recurrent Attention Networks
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Compositional Fairness Constraints for Graph Embeddings
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| cs.mcgill.ca |
Tutorial on Graph Representation Learning
|
Анализировать url |
| cs.mcgill.ca |
slides (zip)
|
Анализировать url |
| arxiv.org |
Deep Graph Infomax
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Weisfeiler and Leman Go Neural: Higher-order Graph Neural Networks
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Hierarchical Graph Representation Learning with Differentiable Pooling
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Embedding Logical Queries on Knowledge Graphs
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
GraphRNN: A Deep Generative Model for Graphs
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
Graph Convolutional Neural Networks for Web-scale Recommender Systems
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| arxiv.org |
pdf (arxiv)
|
Анализировать url |
| snap.stanford.edu |
project website (code + data)
|
Анализировать url |
| arxiv.org |
Representation Learning on Graphs: Methods and Applications
|
Анализировать url |
| arxiv.org |
pdf
|
Анализировать url |
| arxiv.org |
Inductive Representation Learning on Large Graphs
|
Анализировать url |
| arxiv.org |
pdf
|
Анализировать url |
| snap.stanford.edu |
project website (code+data)
|
Анализировать url |
| pnas.org |
Language from Police Body Camera Footage Shows Racial Disparities in Officer Respect
|
Анализировать url |
| pnas.org |
pdf
|
Анализировать url |
| arxiv.org |
Inducing Domain-Specific Sentiment Lexicons from Unlabeled Corpora
|
Анализировать url |
| arxiv.org |
pdf
|
Анализировать url |
| nlp.stanford.edu |
project website (code+data)
|
Анализировать url |
| arxiv.org |
Cultural Shift or Linguistic Drift? Comparing Two Computational Models of Semantic Change
|
Анализировать url |
| arxiv.org |
pdf
|
Анализировать url |
| nlp.stanford.edu |
project website (code+data)
|
Анализировать url |
| aclweb.org |
Learning Linguistic Descriptors of User Roles in Online Communities
|
Анализировать url |
| aclweb.org |
pdf
|
Анализировать url |
| arxiv.org |
Diachronic Word Embeddings Reveal Statistical Laws of Semantic Change
|
Анализировать url |
| arxiv.org |
pdf
|
Анализировать url |
| nlp.stanford.edu |
project website (code+data)
|
Анализировать url |
| nlp.stanford.edu |
Predicting the Rise and Fall of Scientific Topics from Trends in their Rhetorical Framing
|
Анализировать url |
| nlp.stanford.edu |
pdf
|
Анализировать url |
| caiac.ca |
Compressed Predictive State Representation: An Efficient Moment-Method for Sequence Prediction and Sequential Decision Making
|
Анализировать url |
| caiac.ca |
pdf
|
Анализировать url |
| machinelearning.wustl.edu |
pdf
|
Анализировать url |
| arxiv.org |
Efficient Learning and Planning with Compressed Predictive States
|
Анализировать url |
| arxiv.org |
pdf
|
Анализировать url |
| machinelearning.wustl.edu |
Modelling Sparse Dynamical Systems with Compressed Predictive State Representations
|
Анализировать url |
| machinelearning.wustl.edu |
pdf
|
Анализировать url |
| cs.mcgill.ca |
course website
|
Анализировать url |
| cs.mcgill.ca |
course website
|
Анализировать url |
| cs.mcgill.ca |
course website
|
Анализировать url |
| joeybose.github.io |
Joey Bose
|
Анализировать url |
| joeybose.github.io |
Personal Website
|
Анализировать url |
| scholar.google.com |
Devendra Sachan Singh
|
Анализировать url |
| scholar.google.com |
Google Scholar Profile
|
Анализировать url |
| cs.mcgill.ca |
Koustuv Sinha
|
Анализировать url |
| cs.mcgill.ca |
Personal Website
|
Анализировать url |
| priyeshv.github.io |
Priyesh Vijayan
|
Анализировать url |
| priyeshv.github.io |
Personal Website
|
Анализировать url |
| linkedin.com |
Zichao Yan
|
Анализировать url |
| linkedin.com |
Personal Website
|
Анализировать url |
| cgoliver.com |
Carlos Gonzalez Oliver
|
Анализировать url |
| cgoliver.com |
Personal Website
|
Анализировать url |
| dorajambor.com |
Dora Jambor
|
Анализировать url |
| dorajambor.com |
Personal Website
|
Анализировать url |
| linkedin.com |
Jiapeng (Paul) Wu
|
Анализировать url |
| linkedin.com |
Personal Website
|
Анализировать url |
| cs.mcgill.ca |
<img style="height: 100px; display: block; margin-left: auto; margin-right: auto" alt="Stanford University" src="images/mcgill.png">
|
Анализировать url |
| scholar.google.com |
Google Scholar
|
Анализировать url |
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
Таким сайт https://williamleif.github.io/ видят поисковые системы. Процент оптимизации невысокий - 54%. Чтобы улучшить сайт и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: