Анализ сайта lanyunshi.github.io
Основное Готовность: 85%
Домен
lanyunshi.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://lanyunshi.github.io
301 MovedPermanently
https://lanyunshi.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 04.10.2026 22:45:22.
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
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
~0,52сек
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 0,52сек оптимальна.
Объем документа
40Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 40Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 2
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
В одном из файлов ресурсов встречается путь без https. Все подгружаемые файлы ресурсов должны открываться по защищенному протоколу ssl/https!
Кол-во файлов ресурсов 2 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | text/css | http://fonts.googleapis.com/css?family=Lato:400,700,400italic,700italic |
| js | https://www.googletagmanager.com/gtag/js?id=UA-164510176-1 |
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 | "6a59db8e-a2c8" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 18D4:12CAF9:4C3AA5B:4CDE70A:6A8B25FF |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 16:55:27 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230080-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787504127.377083,VS0,VE107 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 7a3f47a6aee34c76e38fb5a36d228d4d48759c13 |
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: 24%
Title
Yunshi Lan
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: 10, 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
Yunshi Lan, https://lanyunshi.github.io
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
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 не указан. Страница не адаптивная.
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: 1
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 1шт. 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 | keywords | Yunshi Lan, https://lanyunshi.github.io |
Оптимизация Готовность: 30%
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 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 0 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 0 слишком мало. Сделайте контент более читаемым!
Кол-во знаков контента 14657 на странице оптимально.
Кол-во слов 2220 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 <h2> 10. Это хорошо.
Тошнота
5,83
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
73,87%
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 |
|---|---|---|
| yunshi | 34 | 1,53% |
| accepted | 25 | 1,13% |
| question | 24 | 1,08% |
| language | 22 | 0,99% |
| answering | 22 | 0,99% |
| knowledge | 18 | 0,81% |
| models | 16 | 0,72% |
| shanghai | 14 | 0,63% |
| education | 11 | 0,50% |
| [bibtex] | 9 | 0,41% |
| university | 8 | 0,36% |
| research | 8 | 0,36% |
| learning | 8 | 0,36% |
| correction | 8 | 0,36% |
| weining | 8 | 0,36% |
| finding | 8 | 0,36% |
| science | 7 | 0,32% |
| generation | 7 | 0,32% |
| papers | 7 | 0,32% |
| system | 6 | 0,27% |
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 113 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: 14
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 14 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /./resources/html/faq.html |
FAQ
|
|
Анализировать url |
| / |
COCOGEC: Counterfactual Generation for Robust Grammatical Error Correction
|
|
Анализировать url |
| / |
Diff4TST: Masked Diffusion Language Model for Text Style Transfer
|
|
Анализировать url |
| /./resources/bibtex/emnlp2023_kbqg.txt |
[BibTex]
|
|
Анализировать url |
| /./resources/bibtex/emnlp2023_kbqg.txt |
[BibTex]
|
|
Анализировать url |
| /./resources/bibtex/mm2023_vqa.txt |
[BibTex]
|
|
Анализировать url |
| /./resources/bibtex/cikm2023_cgec.txt |
[BibTex]
|
|
Анализировать url |
| /./resources/bibtex/aaai2022_demo.txt |
[BibTex]
|
|
Анализировать url |
| /./resources/bibtex/tkde2022_survey.txt |
[BibTex]
|
|
Анализировать url |
| /./resources/bibtex/acl2021_ckbqa.txt |
[BibTex]
|
|
Анализировать url |
| /./resources/bibtex/wsdm2021_ckbqa.txt |
[BibTex]
|
|
Анализировать url |
| /./resources/bibtex/acl2020_ckbqa.txt |
[BibTex]
|
|
Анализировать url |
| /resources/html/deep-learning2024-2025.html |
2026 Spring Deep Learning (Undergraduate)
|
|
Анализировать url |
| /./resources/slides/nust-pre.pdf |
[Slides]
|
|
Внешние ссылки
Кол-во: 99
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 99 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| dase.ecnu.edu.cn |
School of Data Science and Engineering
|
Анализировать url |
| ecnu.edu.cn |
East China Normal University
(ECNU)
|
Анализировать url |
| github.com |
[GitHub]
|
Анализировать url |
| scholar.google.com |
[Google Scholar]
|
Анализировать url |
| faculty.ecnu.edu.cn |
School of Data Science & Engineering
|
Анализировать url |
| mysmu.edu |
Prof. Jing Jiang
|
Анализировать url |
| scholar.google.com |
Prof. Feida Zhu)
|
Анализировать url |
| jos.org.cn |
JOS
|
Анализировать url |
| 2026.ijcai.org |
IJCAI
|
Анализировать url |
| 2026.aclweb.org |
ACL
|
Анализировать url |
| xiaoaugenstern.github.io |
(MMLL)
|
Анализировать url |
| 2026.aaclnet.org |
AACL
|
Анализировать url |
| 2026.eacl.org |
EACL
|
Анализировать url |
| iclr.cc |
ICLR
|
Анализировать url |
| ieeexplore.ieee.org |
TKDE
|
Анализировать url |
| 2025.aclweb.org |
ACL 2025
|
Анализировать url |
| aied2025.itd.cnr.it |
AIED 2025
|
Анализировать url |
| 2025.naacl.org |
NAACL 2025
|
Анализировать url |
| aaai.org |
AAAI 2025
|
Анализировать url |
| mp.weixin.qq.com |
Financial GraphRAG Competition
|
Анализировать url |
| coling2025.org |
COLING 2025
|
Анализировать url |
| icdm.or.kr |
ICDM 2024
|
Анализировать url |
| 2024.emnlp.org |
EMNLP 2024
|
Анализировать url |
| eccv.ecva.net |
ECCV 2024
|
Анализировать url |
| cikm2024.org |
CIKM 2024
|
Анализировать url |
| ecmlpkdd.org |
ECML PKDD 2024
|
Анализировать url |
| ijcai24.org |
IJCAI 2024
|
Анализировать url |
| aied2024.cesar.school |
AIED 2024
|
Анализировать url |
| lrec-coling-2024.org |
COLING 2024
|
Анализировать url |
| mp.weixin.qq.com |
Yangtze River Delta Fintech Innovation & Application Global Competition
|
Анализировать url |
| scholar.google.com |
[Full List]
|
Анализировать url |
| arxiv.org |
WSDM'20
|
Анализировать url |
| aclanthology.org |
ACL'20
|
Анализировать url |
| arxiv.org |
ACL'23
|
Анализировать url |
| arxiv.org |
EMNLP'23
|
Анализировать url |
| arxiv.org |
CIKM'24
|
Анализировать url |
| aclanthology.org |
;
|
Анализировать url |
| arxiv.org |
AAAI'25
|
Анализировать url |
| arxiv.org |
MM'23
|
Анализировать url |
| arxiv.org |
IJCAI'24
|
Анализировать url |
| arxiv.org |
ECCV'24
|
Анализировать url |
| arxiv.org |
ICLR'26
|
Анализировать url |
| arxiv.org |
TKDE'22
|
Анализировать url |
| 49.52.27.116:8000 |
Demonstration Page
|
Анализировать url |
| ojs.aaai.org |
AAAI demo'22
|
Анализировать url |
| arxiv.org |
ACL'23
|
Анализировать url |
| arxiv.org |
EMNLP Finding'23
|
Анализировать url |
| aclanthology.org |
COLING'25
|
Анализировать url |
| arxiv.org |
COLING'25
|
Анализировать url |
| aclanthology.org |
NAACL'25
|
Анализировать url |
| arxiv.org |
COLING'24
|
Анализировать url |
| aclanthology.org |
EACL'26
|
Анализировать url |
| kclpure.kcl.ac.uk |
AIED'24
|
Анализировать url |
| arxiv.org |
EMNLP Finding'24
|
Анализировать url |
| arxiv.org |
TKDE'25
|
Анализировать url |
| kg.chineseplus.net |
国际中文教育知识图谱
|
Анализировать url |
| 58.198.176.241 |
中介语智能批改
|
Анализировать url |
| teacher.shuishan.net.cn |
水杉中文
|
Анализировать url |
| arxiv.org |
TagRAG: Tag-guided Hierarchical Knowledge Graph Retrieval-Augmented Generation
|
Анализировать url |
| arxiv.org |
MCP-SafetyBench: A Benchmark for Safety Evaluation of Large Language Models with Real-World MCP Servers
|
Анализировать url |
| arxiv.org |
Unsupervised Text Style Transfer for Controllable Intensity
|
Анализировать url |
| aclanthology.org |
Initializing and Retrofitting Key-Value Adaptors for Traceable Model Editing
|
Анализировать url |
| aclanthology.org |
ComRAG: Retrieval-Augmented Generation with Dynamic Vector Stores for Real-time Community Question Answering in Industry
|
Анализировать url |
| aclanthology.org |
VisCGEC: Benchmarking the Visual Chinese Grammatical Error Correction
|
Анализировать url |
| arxiv.org |
TreeEval: Benchmark-Free Evaluation of Large Language Models through Tree Planning
|
Анализировать url |
| aclanthology.org |
Large Language Models are Good Annotators for Type-aware Data Augmentation in Grammatical Error Correction
|
Анализировать url |
| aclanthology.org |
UnifiedGEC: Integrating Grammatical Error Correction Approaches for Multi-langauges with a Unified Framework
|
Анализировать url |
| arxiv.org |
Automated Peer Reviewing in Paper SEA: Standardization, Evaluation, and Analysis
|
Анализировать url |
| arxiv.org |
Aligning Large Language Models to a Domain-specific Graph Database for NL2GQL
|
Анализировать url |
| arxiv.org |
Query-relevant images jailbreak large multi-modal models
|
Анализировать url |
| arxiv.org |
Safety of Multimodal Large Language Models on Images and Text
|
Анализировать url |
| link.springer.com |
FinQA: A Training-free Dynamic Knowledge Graph Question Answering System in Finance with LLM-based Revision
|
Анализировать url |
| arxiv.org |
Survey of Natural Language Processing for Education: Taxonomy, Systematic Review, and Future Trends
|
Анализировать url |
| github.com |
[GitHub Page]
|
Анализировать url |
| arxiv.org |
An LLM-Enhanced Adversarial Editing System for Lexical Simplification
|
Анализировать url |
| arxiv.org |
Prompting Large Language Models with Chain-of-Thought for Few-Shot Knowledge Base Question Generation
|
Анализировать url |
| arxiv.org |
R3 Prompting: Review, Rephrase and Resolve for Chain-of-Thought Reasoning in Large Language Models under Noisy Context
|
Анализировать url |
| arxiv.org |
Improving Zero-shot Visual Question Answering via Large Language Models with Reasoning Question Prompts
|
Анализировать url |
| arxiv.org |
FlaCGEC: A Chinese Grammatical Error Correction Dataset with Fine-grained Linguistic Annotation
|
Анализировать url |
| github.com |
[GitHub Page]
|
Анализировать url |
| arxiv.org |
History Semantic Graph Enhanced Conversational KBQA with Temporal Information Modeling
|
Анализировать url |
| aclanthology.org |
Structure-discourse hierarchical graph for conditional question answering on long documents
|
Анализировать url |
| arxiv.org |
Plan-and-solve prompting: Improving zero-shot chain-of-thought reasoning by large language models
|
Анализировать url |
| ojs.aaai.org |
MWPToolkit: An Open-Source Framework for Deep Learning-Based Math Word Problem Solvers
|
Анализировать url |
| mp.weixin.qq.com |
[中文解读]
|
Анализировать url |
| github.com |
[GitHub Page]
|
Анализировать url |
| arxiv.org |
Complex Knowledge Base Question Answering: A Survey
|
Анализировать url |
| mp.weixin.qq.com |
[中文解读]
|
Анализировать url |
| github.com |
[GitHub Page]
|
Анализировать url |
| arxiv.org |
Modeling Transitions of Focal Entities for Conversational knowledge Base Question Answering
|
Анализировать url |
| arxiv.org |
Improving Multi-hop Knowledge Base Question Answering by Learning Intermediate Supervision Signals
|
Анализировать url |
| github.com |
[GitHub Page]
|
Анализировать url |
| aclanthology.org |
Query Graph Generation for Answering Multi-hop Complex Questions from Knowledge Bases
|
Анализировать url |
| github.com |
[GitHub Page]
|
Анализировать url |
| ink.library.smu.edu.sg |
Knowledge base question answering with a matching-aggregation model and question-specific contextual relations
|
Анализировать url |
| ink.library.smu.edu.sg |
Knowledge base question answering with topic units
|
Анализировать url |
| ink.library.smu.edu.sg |
Embedding WordNet knowledge for textual entailment
|
Анализировать url |
| aied2025-lla-tutorial.github.io |
2025 AIED
|
Анализировать url |
| chinasoft.ccf.org.cn |
2024 CCF ChinaSoft
|
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 lanyunshi.github.io выполнена всего на 35%. Чтобы исправить ситуацию и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: