Анализ сайта wuhuanlp.github.io
Основное Готовность: 100%
Домен
wuhuanlp.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://wuhuanlp.github.io
301 MovedPermanently
https://wuhuanlp.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.
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.
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
~0,52сек
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
46Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 46Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 1
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 1 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | text/css | style.css |
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 | "62457d58-b8e6" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | B6C0:13DD89:2AC6490:2B1FB7A:6A8A000B |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 20:01:15 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230212-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787428875.457718,VS0,VE111 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 8e2ea7227fa6594b016945df21dd8c4d9d5543a6 |
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: 22%
Title
Hua Wu
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: 6, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Hua Wu
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: 6, минимум: 80, оптимально: от 120 до 130)
Мета-тег description совпадает с title! Внесите правку в title или 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
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 | description | Hua Wu |
Оптимизация Готовность: 60%
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 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 23963 на странице оптимально.
Кол-во слов 3672 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> 5. Это прекрасно.
На странице присутствуют заголовки <h2> 4. Это хорошо.
Тошнота
8,19
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
12,53%
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 |
|---|---|---|
| haifeng | 67 | 1,82% |
| translation | 59 | 1,61% |
| machine | 41 | 1,12% |
| language | 24 | 0,65% |
| knowledge | 22 | 0,60% |
| learning | 20 | 0,54% |
| generation | 19 | 0,52% |
| zhongjun | 18 | 0,49% |
| chinese | 17 | 0,46% |
| neural | 15 | 0,41% |
| zhanyi | 15 | 0,41% |
| conversation | 14 | 0,38% |
| statistical | 14 | 0,38% |
| alignment | 14 | 0,38% |
| dialogue | 13 | 0,35% |
| system | 11 | 0,30% |
| simultaneous | 10 | 0,27% |
| models | 9 | 0,25% |
| improving | 9 | 0,25% |
| natural | 8 | 0,22% |
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 144 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: 3
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 3 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /./index.html |
Home
|
|
Анализировать url |
|
Hua Wu
|
|
Анализировать url | |
| /publication/xu-knowledge-2020/xu-knowledge-2020.pdf |
Knowledge Graph Grounded Goal Planning for Open-Domain Conversation Generation
|
|
Внешние ссылки
Кол-во: 114
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 114 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| ir.baidu.com |
Baidu
|
Анализировать url |
| microsoft.com |
Microsoft Research Asia
|
Анализировать url |
| english.ia.cas.cn |
Institute of Automation, Chinese Academy of Science
|
Анализировать url |
| autosimtrans.github.io |
2022
|
Анализировать url |
| autosimtrans.github.io |
2021
|
Анализировать url |
| autosimtrans.github.io |
2020
|
Анализировать url |
| arxiv.org |
PLATO-2
|
Анализировать url |
| arxiv.org |
PLATO-XL
|
Анализировать url |
| luge.ai |
LUGE
|
Анализировать url |
| bilibili.com |
here
|
Анализировать url |
| autosimtrans.github.io |
Automatic Simultaneous Translation 2020
|
Анализировать url |
| arxiv.org |
PLATO-2
|
Анализировать url |
| github.com |
Github
|
Анализировать url |
| dstc9.dstc.community |
DSTC 9
|
Анализировать url |
| arxiv.org |
PLATO-XL
|
Анализировать url |
| ir.hit.edu.cn |
AAAI 2020
|
Анализировать url |
| aclweb.org |
ACL 2020
|
Анализировать url |
| ijcai.org |
IJCAI 2020
|
Анализировать url |
| arxiv.org |
DuCov
|
Анализировать url |
| aclweb.org |
DuRecDial
|
Анализировать url |
| fanyi.baidu.com |
Baidu Translate
|
Анализировать url |
| autosimtrans.github.io |
Automatic Simultaneous Translation 2020
|
Анализировать url |
| autosimtrans.github.io |
dataset
|
Анализировать url |
| aclweb.org |
wait-k
|
Анализировать url |
| aclweb.org |
adaptive meaningful units segmentation method
|
Анализировать url |
| aclweb.org |
one to many translation method
|
Анализировать url |
| arxiv.org |
ERNIE 2.0
|
Анализировать url |
| github.com |
source codes and pre-trained models
|
Анализировать url |
| arxiv.org |
ERNIE 3.0
|
Анализировать url |
| baidu.com |
Baidu search engine
|
Анализировать url |
| arxiv.org |
RocketQA
|
Анализировать url |
| arxiv.org |
DuReader<sub>robust</sub>
|
Анализировать url |
| github.com |
Data&Code
|
Анализировать url |
| aistudio.baidu.com |
Leaderboard
|
Анализировать url |
| scholar.google.com |
Google Scholar
|
Анализировать url |
| arxiv.org |
Ernie-vil: Knowledge enhanced vision-language representations through scene graph
|
Анализировать url |
| arxiv.org |
Plato-2: Towards building an open-domain chatbot via curriculum learning
|
Анализировать url |
| arxiv.org |
ERNIE 2.0: A Continual Pre-Training Framework for Language Understanding.
|
Анализировать url |
| arxiv.org |
Synchronous Speech Recognition and Speech-to-Text Translation with Interactive Decoding
|
Анализировать url |
| aclweb.org |
Towards Conversational Recommendation over Multi-Type Dialogs
|
Анализировать url |
| aclweb.org |
Conversational Graph Grounded Policy Learning for Open-Domain Conversation Generation
|
Анализировать url |
| aclweb.org |
Leveraging Graph to Improve Abstractive Multi-Document Summarization
|
Анализировать url |
| aclweb.org |
Exploring Contextual Word-level Style Relevance for Unsupervised Style Transfer
|
Анализировать url |
| aclweb.org |
Syntactic and Semantic-driven Learning for Open Information Extraction
|
Анализировать url |
| aclweb.org |
Learning Adaptive Segmentation Policy for Simultaneous Translation
|
Анализировать url |
| aclweb.org |
ChiTeSQL: A Large-Scale and Pragmatic Chinese Text-to-SQL Dataset
|
Анализировать url |
| aclweb.org |
Diversified Multiple Instance Learning for Document-Level Multi-Aspect Sentiment Classification
|
Анализировать url |
| doi.org |
Enhancing Dialog Coherence with Event Graph Grounded Content Planning
|
Анализировать url |
| arxiv.org |
Modeling Coherence for Discourse Neural Machine Translation
|
Анализировать url |
| aaai.org |
Addressing the Under-Translation Problem from the Entropy Perspective
|
Анализировать url |
| doi.org |
Enhancing Pre-Trained Language Representations with Rich Knowledge for Machine Reading Comprehension
|
Анализировать url |
| doi.org |
Enhancing Local Feature Extraction with Global Representation for Neural Text Classification
|
Анализировать url |
| doi.org |
Multi-agent Learning for Neural Machine Translation
|
Анализировать url |
| doi.org |
Knowledge Aware Conversation Generation with Explainable Reasoning over Augmented Graphs
|
Анализировать url |
| doi.org |
A Key-Phrase Aware End2end Neural Response Generation Model
|
Анализировать url |
| doi.org |
An Overview of the 2019 Language and Intelligence Challenge
|
Анализировать url |
| researchgate.net |
Companion Proceedings of The 2019 World Wide Web Conference
|
Анализировать url |
| arxiv.org |
End-to-end speech translation with knowledge distillation
|
Анализировать url |
| aaai.org |
Multi-Channel Encoder for Neural Machine Translation
|
Анализировать url |
| aclweb.org |
Multi-Turn Response Selection for Chatbots with Deep Attention Matching Network
|
Анализировать url |
| aclweb.org |
Multi-Passage Machine Reading Comprehension with Cross-Passage Answer Verification
|
Анализировать url |
| doi.org |
Addressing Troublesome Words in Neural Machine Translation
|
Анализировать url |
| openreview.net |
A New Method of Region Embedding for Text Classification
|
Анализировать url |
| arxiv.org |
Familia: A configurable topic modeling framework for industrial text engineering
|
Анализировать url |
| doi.org |
An End-to-End Model for Question Answering over Knowledge Base with Cross-Attention Combining Global Knowledge
|
Анализировать url |
| doi.org |
Semi-Supervised Learning for Neural Machine Translation
|
Анализировать url |
| doi.org |
Active Learning for Dependency Parsing with Partial Annotation
|
Анализировать url |
| doi.org |
Minimum Risk Training for Neural Machine Translation
|
Анализировать url |
| doi.org |
"Shall I Be Your Chat Companion?": Towards an Online Human-Computer Conversation System
|
Анализировать url |
| aclweb.org |
Chinese Poetry Generation with Planning based Neural Network
|
Анализировать url |
| aclweb.org |
Latent topic embedding
|
Анализировать url |
| doi.org |
Multi-view Response Selection for Human-Computer Conversation
|
Анализировать url |
| ijcai.org |
Agreement-Based Joint Training for Bidirectional Attention-Based Neural Machine Translation
|
Анализировать url |
| doi.org |
Learning to Respond with Deep Neural Networks for Retrieval-Based Human-Computer Conversation System
|
Анализировать url |
| arxiv.org |
Question Answering over Knowledge Base with Neural Attention Combining Global Knowledge Information
|
Анализировать url |
| doi.org |
Multi-Task Learning for Multiple Language Translation
|
Анализировать url |
| doi.org |
Exploiting Collective Hidden Structures in Webpage Titles for Open Domain Entity Extraction
|
Анализировать url |
| doi.org |
Policy Learning for Domain Selection in an Extensible Multi-domain Spoken Dialogue System
|
Анализировать url |
| doi.org |
Improve Statistical Machine Translation with Context-Sensitive Bilingual Semantic Embedding Model
|
Анализировать url |
| doi.org |
Transformation from Discontinuous to Continuous Word Alignment Improves Translation Quality
|
Анализировать url |
| doi.org |
Improving Pivot-Based Statistical Machine Translation by Pivoting the Co-occurrence Count of Phrase Pairs
|
Анализировать url |
| aclweb.org |
Improving Pivot-Based Statistical Machine Translation Using Random Walk
|
Анализировать url |
| aclweb.org |
Generalization of words for chinese dependency parsing
|
Анализировать url |
| aclweb.org |
Translation Model Adaptation for Statistical Machine Translation with Monolingual Topic Information
|
Анализировать url |
| doi.org |
Opening Machine Translation Black Box for Cross-Language Information Retrieval
|
Анализировать url |
| doi.org |
Two-Word Collocation Extraction Using Monolingual Word Alignment Method
|
Анализировать url |
| aclweb.org |
Reordering with Source Language Collocations
|
Анализировать url |
| aclweb.org |
Improving Statistical Machine Translation with Monolingual Collocation
|
Анализировать url |
| aclweb.org |
Exploiting Heterogeneous Treebanks for Parsing
|
Анализировать url |
| aclweb.org |
Revisiting Pivot Language Approach for Machine Translation
|
Анализировать url |
| aclweb.org |
Collocation Extraction Using Monolingual Word Alignment Method
|
Анализировать url |
| aclweb.org |
Domain Adaptation for Statistical Machine Translation with Domain Dictionary and Monolingual Corpora
|
Анализировать url |
| doi.org |
Pivot language approach for phrase-based statistical machine translation
|
Анализировать url |
| aclweb.org |
Pivot Language Approach for Phrase-Based Statistical Machine Translation
|
Анализировать url |
| mt-archive.info |
Comparative study of word alignment heuristics and phrase-based SMT
|
Анализировать url |
| toshiba.com.cn |
Log-Linear generation models for example-based machine translation
|
Анализировать url |
| doi.org |
Example-based machine translation based on tree-string correspondence and statistical generation
|
Анализировать url |
| aclweb.org |
Word Alignment for Languages with Scarce Resources Using Bilingual Corpora of Other Language Pairs
|
Анализировать url |
| aclweb.org |
Boosting Statistical Word Alignment Using Labeled and Unlabeled Data
|
Анализировать url |
| aclweb.org |
Alignment Model Adaptation for Domain-Specific Word Alignment
|
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
Выполнен подробный анализ сайта wuhuanlp.github.io: готовность на 46%. Чтобы выполнить все условия и попасть на первую страницу выдачи поисковых систем требуется:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: