Анализ сайта jerryzli.github.io
Основное Готовность: 100%
Домен
jerryzli.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.
Цепочка редиректов:
http://jerryzli.github.io
301 MovedPermanently
https://jerryzli.github.io/
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.
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 07.11.2026 9:12:51.
HTTP автоматически перенаправляется на HTTPS.
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
~0,53сек
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 0,53сек оптимальна.
Объем документа
51Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 51Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 9
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 9 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | dist/css/bootstrap.min.css | |
| stylesheet | dist/css/bootstrap-responsive.min.css | |
| stylesheet | starter-template.css | |
| js | ../../assets/js/ie-emulation-modes-warning.js | |
| js | text/javascript | https://code.jquery.com/jquery-1.11.3.min.js |
| js | text/javascript | /static/tracking.js |
| js | https://ajax.googleapis.com/ajax/libs/jquery/1.11.3/jquery.min.js | |
| js | ../../dist/js/bootstrap.min.js | |
| js | ../../assets/js/ie10-viewport-bug-workaround.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 |
| x-origin-cache | HIT |
| Access-Control-Allow-Origin | * |
| ETag | "6a4cf326-cc40" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | F48E:81195:7E36B8:7F176E:6A88D7FD |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Fri, 21 Aug 2026 22:58:06 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230033-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787353086.970530,VS0,VE120 |
| Vary | Accept-Encoding |
| x-fastly-request-id | d21559b35910bd8fc6ca21bebec50bda20f64567 |
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: 32%
Title
Jerry Li
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: 17, 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
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
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: 3
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 3шт. 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 | |
| name | author |
Оптимизация Готовность: 32%
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.
Слова из title 0 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 99 достаточно.
Среднее число слов в абзаце 22 достаточно.
Кол-во знаков контента 17642 на странице оптимально.
Кол-во слов 2584 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 <h3> 7.
Тошнота
5,10
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
74,88%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
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 |
|---|---|---|
| learning | 26 | 1,01% |
| robust | 20 | 0,77% |
| research | 15 | 0,58% |
| diakonikolas | 15 | 0,58% |
| estimation | 15 | 0,58% |
| neurips | 15 | 0,58% |
| daniel | 13 | 0,50% |
| appear | 12 | 0,46% |
| quantum | 11 | 0,43% |
| version | 10 | 0,39% |
| presentation | 10 | 0,39% |
| moitra | 9 | 0,35% |
| algorithms | 9 | 0,35% |
| intern | 9 | 0,35% |
| summer | 9 | 0,35% |
| preliminary | 9 | 0,35% |
| models | 8 | 0,31% |
| gautam | 8 | 0,31% |
| kamath | 8 | 0,31% |
| journal | 8 | 0,31% |
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 143 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: 11
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 11 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /info/CV.pdf |
CV
|
|
|
| /robust-ml-fall19.html |
Fall 2019 -- CSE 599-M: Robustness in Machine Learning
|
|
Анализировать url |
| /focs24-workshop.html |
FOCS 2024 Workshop: Recent Advances in Quantum Learning
|
|
Анализировать url |
| /papers/phd-thesis.pdf |
<strong>
Principled Approaches to Robust Machine Learning and Beyond
</strong>
|
|
|
| /papers/masters.pdf |
<strong>
The SprayList: A Scalable Relaxed Priority Queue
</strong>
|
|
|
| /posters/qsgd-Poster.pdf |
[poster]
|
|
|
| /papers/segmented_regression.pdf |
<strong>
Fast Algorithms for Segmented Regression
</strong>
|
|
|
| /papers/pods-hist.pdf |
<strong>
Fast and Near-Optimal Algorithms for Approximating Distributions by
Histograms
</strong>
|
|
|
| /papers/SprayList-CR.pdf |
<strong>
The SprayList: A Scalable Relaxed Priority Queue
</strong>
|
|
|
| /papers/SprayList-TR.pdf |
full version
|
|
|
| /papers/mcm.pdf |
<strong>
Tracking Serial Criminals with a Road Metric
</strong>
|
|
Внешние ссылки
Кол-во: 126
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 126 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| youtube.com |
without tenure
|
Анализировать url |
| uw.edu |
University of Washington
|
Анализировать url |
| ifml.institute |
NSF AI Institute for Foundations of Machine Learning
|
Анализировать url |
| ifds.info |
Institute for Foundations of Data Science
|
Анализировать url |
| simons.berkeley.edu |
Simons Institute
|
Анализировать url |
| mit.edu |
MIT
|
Анализировать url |
| people.csail.mit.edu |
Ankur Moitra
|
Анализировать url |
| people.csail.mit.edu |
Nir Shavit
|
Анализировать url |
| courses.cs.washington.edu |
Winter 2026 -- CSE 422: Toolkit for Modern Algorithms
|
Анализировать url |
| courses.cs.washington.edu |
Autumn 2025 -- CSE 599K: Algorithmic Robust Statistics
|
Анализировать url |
| courses.cs.washington.edu |
Winter 2025 -- CSE 422: Toolkit for Modern Algorithms
|
Анализировать url |
| scholar.google.com |
Dutch Hansen
|
Анализировать url |
| scholar.google.com |
Ziyun Chen
|
Анализировать url |
| jaume.dedios.cat |
Jaume de Dios Pont
|
Анализировать url |
| people.csail.mit.edu |
Jane Lange
|
Анализировать url |
| sidhanthm.com |
Sidhanth Mohanty
|
Анализировать url |
| aliu42.github.io |
Allen Liu
|
Анализировать url |
| people.cs.uchicago.edu |
Huiying Li
|
Анализировать url |
| kaixiao.github.io |
Kai Xiao
|
Анализировать url |
| kjtian.github.io |
Kevin Tian
|
Анализировать url |
| ivanevtimov.eu |
Ivan Evtimov
|
Анализировать url |
| tonyduan.com |
Tony Duan
|
Анализировать url |
| hadisalman.com |
Hadi Salman
|
Анализировать url |
| sitanchen.com |
Sitan Chen
|
Анализировать url |
| cacm.acm.org |
Robustness Meets Algorithms
|
Анализировать url |
| cacm.acm.org |
Jacob Steinhardt
|
Анализировать url |
| arxiv.org |
Agnostic Product Mixed State Tomography via Robust Statistics
|
Анализировать url |
| arxiv.org |
Lower Bounds for Learning Hamiltonians from Time Evolution
|
Анализировать url |
| arxiv.org |
Query lower bounds for log-concave sampling
|
Анализировать url |
| arxiv.org |
The Complexity of NISQ
|
Анализировать url |
| arxiv.org |
Quantum Advantage in Learning from Experiments
|
Анализировать url |
| arxiv.org |
Density Estimation for Hellinger via Minimum-Distance Estimators: mixtures of Gaussians, log-concave, and more
|
Анализировать url |
| arxiv.org |
Separating Oblivious and Adaptive Models of Variable Selection
|
Анализировать url |
| arxiv.org |
Optimal Inference Schedules for Masked Diffusion Models
|
Анализировать url |
| arxiv.org |
The Power of Two Bases: Robust and copy-optimal certification of nearly all quantum states with few-qubit measurements
|
Анализировать url |
| arxiv.org |
Rigorous Implications of the Low-Degree Heuristic
|
Анализировать url |
| arxiv.org |
High-Accuracy List-Decodable Mean Estimation
|
Анализировать url |
| arxiv.org |
Robust Estimation Under Heterogeneous Corruption Rates
|
Анализировать url |
| arxiv.org |
The Delta Learning Hypothesis: Preference Tuning on Weak Data can Yield Strong Gains
|
Анализировать url |
| arxiv.org |
S4S: Solving for a Diffusion Model Solver
|
Анализировать url |
| arxiv.org |
Predicting quantum channels over general product distributions
|
Анализировать url |
| arxiv.org |
Learning the closest product state
|
Анализировать url |
| arxiv.org |
Optimal High-Precision Shadow Estimation
|
Анализировать url |
| arxiv.org |
[CLL24]
|
Анализировать url |
| arxiv.org |
Semi-Random Matrix Completion via Flow-Based Adaptive Reweighting
|
Анализировать url |
| arxiv.org |
Black-Box
<i>
k
</i>
-to-1 PCA Reductions: Theory and Applications
|
Анализировать url |
| arxiv.org |
An optimal tradeoff between entanglement and copy complexity for state
tomography
|
Анализировать url |
| arxiv.org |
KITAB: Evaluating LLMs on Constraint Satisfaction for Information Retrieval
|
Анализировать url |
| arxiv.org |
Automatic Prompt Optimization with "Gradient Descent" and Beam Search
|
Анализировать url |
| arxiv.org |
Structured Semidefinite Programming for Recovering Structured Preconditioners
|
Анализировать url |
| arxiv.org |
The Full Landscape of Robust Mean Testing: Sharp Separations between Oblivious
and Adaptive Contamination
|
Анализировать url |
| arxiv.org |
Matrix Completion in Almost-Verification Time
|
Анализировать url |
| arxiv.org |
When Does Adaptivity Help for Quantum State Learning?
|
Анализировать url |
| arxiv.org |
this paper
|
Анализировать url |
| arxiv.org |
Semi-Random Sparse Recovery in Nearly-Linear Time
|
Анализировать url |
| arxiv.org |
Sampling Is as Easy as Learning the Score: Theory for Diffusion Models
With Minimal Data Assumptions
|
Анализировать url |
| arxiv.org |
Learning Polynomial Transformations
|
Анализировать url |
| arxiv.org |
REAP: A Large-Scale Realistic Adversarial Patch Benchmark
|
Анализировать url |
| arxiv.org |
Learning (Very) Simple Generative Models Is Hard
|
Анализировать url |
| arxiv.org |
Robust Model Selection and Nearly-Proper Learning for GMMs
|
Анализировать url |
| arxiv.org |
Tight Bounds for Quantum State Certification with Incoherent Measurements
|
Анализировать url |
| arxiv.org |
this paper
|
Анализировать url |
| arxiv.org |
The Price of Tolerance in Distribution Testing
|
Анализировать url |
| arxiv.org |
Clustering Mixtures with Almost Optimal Separation in Polynomial Time
|
Анализировать url |
| arxiv.org |
Clustering Mixture Models in Almost-Linear Time via List-Decodable Mean
Estimation
|
Анализировать url |
| arxiv.org |
Minimax Optimality (Probably) Doesn't Imply Distribution Learning for
GANs
|
Анализировать url |
| arxiv.org |
Toward Instance-Optimal State Certification With Incoherent Measurements
|
Анализировать url |
| arxiv.org |
Robust Regression Revisited: Acceleration and Improved Estimation Rates
|
Анализировать url |
| arxiv.org |
List-Decodable Mean Estimation in Nearly-PCA Time
|
Анализировать url |
| arxiv.org |
A Hierarchy for Replica Quantum Advantage
|
Анализировать url |
| arxiv.org |
[CCHL21]
|
Анализировать url |
| arxiv.org |
Exponential Separations between Learning With and Without Quantum Memory
|
Анализировать url |
| arxiv.org |
Finding the Mode of a Kernel Density Estimate
|
Анализировать url |
| arxiv.org |
Statistical Query Algorithms and Low-Degree Tests Are Almost Equivalent
|
Анализировать url |
| arxiv.org |
Aligning AI With Shared Human Values
|
Анализировать url |
| arxiv.org |
Byzantine-Resilient Non-Convex Stochastic Gradient Descent
|
Анализировать url |
| arxiv.org |
Robust and Heavy-Tailed Mean Estimation Made Simple, via Regret Minimization
|
Анализировать url |
| arxiv.org |
Robust Sub-Gaussian Principal Component Analysis and Width-Independent
Schatten Packing
|
Анализировать url |
| arxiv.org |
Learning Structured Distributions From Untrusted Batches: Faster and Simpler
|
Анализировать url |
| arxiv.org |
Robust Covariance Estimation in Nearly-Matrix Multiplication Time
|
Анализировать url |
| arxiv.org |
Entanglement is Necessary for Optimal Quantum Property Testing
|
Анализировать url |
| arxiv.org |
Randomized Smoothing of All Shapes and Sizes
|
Анализировать url |
| arxiv.org |
Positive Semidefinite Programming: Mixed, Parallel, and Width-Independent
|
Анализировать url |
| arxiv.org |
Learning Mixtures of Linear Regressions in Subexponential Time via Fourier
Moments
|
Анализировать url |
| arxiv.org |
Efficiently Learning Structured Distributions from Untrusted Batches
|
Анализировать url |
| arxiv.org |
Low-rank Toeplitz Matrix Estimation via Random Ultra-Sparse Rulers
|
Анализировать url |
| arxiv.org |
The Sample Complexity of Toeplitz Covariance Estimation
|
Анализировать url |
| arxiv.org |
Provably Robust Deep Learning via Adversarially Trained Smoothed Classifiers
|
Анализировать url |
| arxiv.org |
Quantum Entropy Scoring for Fast Robust Mean Estimation and Improved Outlier
Detection
|
Анализировать url |
| arxiv.org |
SEVER: A Robust Meta-Algorithm for Stochastic Optimization
|
Анализировать url |
| arxiv.org |
How Hard is Robust Mean Estimation?
|
Анализировать url |
| arxiv.org |
On Mean Estimation For General Norms with Statistical Queries
|
Анализировать url |
| arxiv.org |
Privately Learning High-Dimensional Distributions
|
Анализировать url |
| arxiv.org |
Spectral Signatures for Backdoor Attacks
|
Анализировать url |
| arxiv.org |
Byzantine Stochastic Gradient Descent
|
Анализировать url |
| arxiv.org |
<strong>
On the limitations of first order approximation in GAN dynamics
</strong>
|
Анализировать url |
| arxiv.org |
<strong>
Fast and Sample Near-Optimal Algorithms for Learning Multidimensional
Histograms
</strong>
|
Анализировать url |
| arxiv.org |
Distributionally Linearizable Data Structures
|
Анализировать url |
| arxiv.org |
Mixture Models, Robustness, and Sum of Squares Proofs
|
Анализировать url |
| arxiv.org |
Robustly Learning a Gaussian: Getting Optimal Error, Efficiently
|
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
Оптимизация сайта jerryzli.github.io выполнена всего на 41%. Чтобы исправить ситуацию и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: