Анализ сайта xjqi.github.io
Основное Готовность: 95%
Домен
xjqi.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:
http://xjqi.github.io
301 MovedPermanently
https://xjqi.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 01.11.2026 2:38:01.
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
~0,42сек
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 0,42сек оптимальна.
Объем документа
73Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 73Кб 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 | jemdoc.css |
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 | "6a79d525-12490" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | 0B50:2F0CE6:1444D5:15ACF5:6A892BB7 |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Date | Sat, 22 Aug 2026 04:55:20 GMT |
| Via | 1.1 varnish |
| Age | 0 |
| X-Served-By | cache-bma-essb1270072-BMA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787374520.140331,VS0,VE118 |
| Vary | Accept-Encoding |
| x-fastly-request-id | f1e68edd305e525bf139a2d7fc6748cc741912cf |
CMS
WordPress
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 WordPress.
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
Xiaojuan Qi
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: 11, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Xiaojuan Qi's home page
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: 23, минимум: 80, оптимально: от 120 до 130)
Keywords
Xiaojuan Qi, University of Hong Kong
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: 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 | keywords | Xiaojuan Qi, University of Hong Kong |
| name | description | Xiaojuan Qi's home page |
Оптимизация Готовность: 57%
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 9 слишком мало. Добавьте больше абзацев с текстом (тег <p>)!
Среднее число слов в абзаце 21 достаточно.
Кол-во знаков контента 37797 на странице оптимально.
Кол-во слов 5766 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> 14. Это хорошо.
На странице присутствуют заголовки <h3> 3.
Тошнота
11,96
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
2,97%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота не дотягивает до нормы 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 |
|---|---|---|
| xiaojuan | 143 | 2,48% |
| conference | 135 | 2,34% |
| vision | 99 | 1,72% |
| computer | 92 | 1,60% |
| pattern | 63 | 1,09% |
| recognition | 57 | 0,99% |
| international | 42 | 0,73% |
| learning | 36 | 0,62% |
| neural | 36 | 0,62% |
| processing | 27 | 0,47% |
| systems | 27 | 0,47% |
| information | 25 | 0,43% |
| neurips | 22 | 0,38% |
| segmentation | 21 | 0,36% |
| machine | 19 | 0,33% |
| generation | 18 | 0,31% |
| project | 18 | 0,31% |
| zhengzhe | 17 | 0,29% |
| intelligence | 16 | 0,28% |
| xiaoyang | 16 | 0,28% |
Индексация Готовность: 0%
Индексирование
Есть ошибки
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 248 слишком много. Проведите ревизию и оптимизацию ссылок сайта.
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: 4
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 4 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /real_fake.pdf |
Global Texture Enhancement for Fake Face Detection in the Wild
<br>
|
|
|
| /motiondecomp.pdf |
3D Motion Decomposition for RGBD Future Dynamic Scene Synthesis
<br>
|
|
|
| /https:/xjqi.github.io/sims-supplement.pdf |
Supplement
|
|
|
| /referseg.pdf |
Referring Image Segmentation via Recurrent Refinement Networks <br>
|
|
Внешние ссылки
Кол-во: 243
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 243 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать первые 100 внешних ссылок
| Url | Анкор | Анализировать |
|---|---|---|
| scholar.google.com |
[Google Scholar]
|
Анализировать url |
| cvmi.hku.hk |
[CVMI Lab]
|
Анализировать url |
| github.com |
[Lab GitHub]
|
Анализировать url |
| hku.hk |
the University of Hong Kong
|
Анализировать url |
| dvlab.ai |
Deep Vision Lab
|
Анализировать url |
| cse.cuhk.edu.hk |
Computer Science and Engineering Department
|
Анализировать url |
| cuhk.edu.hk |
The Chinese University of Hong Kong (CUHK)
|
Анализировать url |
| cse.cuhk.edu.hk |
Prof. Jiaya Jia
|
Анализировать url |
| sjtu.edu.cn |
Shanghai Jiao Tong University (SJTU)
|
Анализировать url |
| ir.sjtu.edu.cn |
Prof. Ya Zhang
|
Анализировать url |
| robots.ox.ac.uk |
Torr Vision Group
|
Анализировать url |
| robots.ox.ac.uk |
Philip H. S. Torr
|
Анализировать url |
| vladlen.info |
Intel Visual Computing Lab
|
Анализировать url |
| vladlen.info |
Vladlen Koltun
|
Анализировать url |
| cs.toronto.edu:40292 |
Machine Learning Group
|
Анализировать url |
| cs.toronto.edu |
Raquel Urtasun
|
Анализировать url |
| cs.utoronto.ca |
Sanja Fidler
|
Анализировать url |
| scholar.google.com |
Google Scholar
|
Анализировать url |
| nature.com |
Efficient and accurate neural field reconstruction using resistive memory<br>
|
Анализировать url |
| dl.acm.org |
AniGen: Unified S<sup>3</sup> Fields for Animatable 3D Asset Generation<br>
|
Анализировать url |
| arxiv.org |
S2VG: 3D Stereoscopic and Spatial Video Generation via Denoising Frame Matrix<br>
|
Анализировать url |
| ieeexplore.ieee.org |
Understanding Data Influence with Differential Approximation<br>
|
Анализировать url |
| doi.org |
MC#: Mixture Compressor for Mixture-of-Experts Large Models<br>
|
Анализировать url |
| arxiv.org |
Veda: Scalable Video Diffusion via Distilled Sparse Attention<br>
|
Анализировать url |
| openreview.net |
Absorbing Quantization Error by Deformable Noise Scheduler for Diffusion Models<br>
|
Анализировать url |
| arxiv.org |
Stable Velocity: A Variance Perspective on Flow Matching<br>
|
Анализировать url |
| openaccess.thecvf.com |
Self-Evaluation Unlocks Any-Step Text-to-Image Generation<br>
|
Анализировать url |
| openaccess.thecvf.com |
Dataset Distillation via Influence Matching<br>
|
Анализировать url |
| arxiv.org |
Stereo World Model<br>
|
Анализировать url |
| openaccess.thecvf.com |
Learning to See through Illumination Extremes with Event Streaming in Multimodal Large Language Models<br>
|
Анализировать url |
| arxiv.org |
ObjectMorpher: 3D-Aware Image Editing via Deformable 3DGS<br>
|
Анализировать url |
| openaccess.thecvf.com |
Stabilizing Streaming Video Geometry via Dynamic Feature Normalization<br>
|
Анализировать url |
| openaccess.thecvf.com |
Dynamic Important Example Mining for Reinforcement Finetuning<br>
|
Анализировать url |
| arxiv.org |
Learning to Reason in 4D: Dynamic Spatial Understanding for Vision Language Models<br>
|
Анализировать url |
| arxiv.org |
Fast Data Mixture Optimization via Gradient Descent<br>
|
Анализировать url |
| openreview.net |
QeRL: Beyond Efficiency - Quantization-enhanced Reinforcement Learning for LLMs<br>
|
Анализировать url |
| openreview.net |
Easier Painting Than Thinking: Can Text-to-Image Models Set the Stage, but Not Direct the Play?<br>
|
Анализировать url |
| openreview.net |
Efficient Prediction of Large Protein Complexes via Subunit-Guided Hierarchical Refinement<br>
|
Анализировать url |
| openreview.net |
LiFR-Seg: Anytime High-Frame-Rate Segmentation via Event-Guided Propagation<br>
|
Анализировать url |
| arxiv.org |
MindOmni: Unleashing Reasoning Generation in Vision Language Models with RGPO<br>
|
Анализировать url |
| nature.com |
Efficient Modeling of Ionic and Electronic Interactions by a Resistive Memory-based Reservoir Graph Neural Network<br>
|
Анализировать url |
| computer.org |
GO-NeRF: Generating Objects in Neural Radiance Fields for Virtual Reality Content Creation<br>
|
Анализировать url |
| nature.com |
Resistive Memory-based Zero-shot Liquid State Machine for Multimodal Event Data Learning<br>
|
Анализировать url |
| dl.acm.org |
SeqTex: Generate Mesh Textures in Video Sequence<br>
|
Анализировать url |
| arxiv.org |
Scaling RL to Long Videos<br>
|
Анализировать url |
| papers.nips.cc |
Vision Foundation Models as Effective Visual Tokenizers for Autoregressive Generation<br>
|
Анализировать url |
| arxiv.org |
EAG3R: Event-Augmented 3D Geometry Estimation for Dynamic and Extreme-Lighting Scenes<br>
|
Анализировать url |
| proceedings.neurips.cc |
DLoFT: Gradient-Decoupled Fine-Tuning for Generalizable Long Chain-of-Thought Reasoning<br>
|
Анализировать url |
| arxiv.org |
UniTok: a Unified Tokenizer for Visual Generation and Understanding<br>
|
Анализировать url |
| openreview.net |
Understanding Data Influence in Reinforcement Finetuning<br>
|
Анализировать url |
| arxiv.org |
Equipping Vision Foundation Model with Mixture of Experts for Out-of-Distribution Detection<br>
|
Анализировать url |
| arxiv.org |
“Principal Components” Enable A New Language of Images<br>
|
Анализировать url |
| openaccess.thecvf.com |
How Far are AI-generated Videos from Simulating the 3D Visual World: A Learned 3D Evaluation Approach<br>
|
Анализировать url |
| arxiv.org |
Aligning Effective Tokens with Video Anomaly in Large Language Models<br>
|
Анализировать url |
| openaccess.thecvf.com |
Holistic Tokenizer for Autoregressive Image Generation<br>
|
Анализировать url |
| openreview.net |
SliM-LLM: Salience-Driven Mixed-Precision Quantization for Large Language Models<br>
|
Анализировать url |
| openaccess.thecvf.com |
A Data-Centric Revisit of Pre-Trained Vision Models for Robot Learning<br>
|
Анализировать url |
| arxiv.org |
Deformable Radial Kernel Splatting<br>
|
Анализировать url |
| arxiv.org |
Learning from Neighbors: Category Extrapolation for Long-Tail Learning<br>
|
Анализировать url |
| openaccess.thecvf.com |
ObjectMover: Generative Object Movement with Video Prior<br>
|
Анализировать url |
| openreview.net |
Data Pruning by Information Maximization<br>
|
Анализировать url |
| arxiv.org |
MC-MoE: Mixture Compressor for Mixture-of-Experts LLMs Gains More<br>
|
Анализировать url |
| openreview.net |
SVG: 3D Stereoscopic Video Generation via Denoising Frame Matrix<br>
|
Анализировать url |
| ieeexplore.ieee.org |
Lowis3d: Language-driven open-world instance-level 3d scene understanding
<br>
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| nature.com |
Diffusion-based deep learning method for augmenting ultrastructural imaging and volume electron microscopy
<br>
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| pubs.acs.org |
Tool to Resolve Distortions in Elemental and Isotopic Imaging
<br>
|
Анализировать url |
| haibojianglab.com |
Code
|
Анализировать url |
| researchsquare.com |
High-dimensional anticounterfeiting nanodiamonds authenticated with deep metric learning
<br>
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| ieeexplore.ieee.org |
Object-centric Representation Learning for Video Scene Understanding
<br>
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| arxiv.org |
What Makes CLIP More Robust to Long-Tailed Pre-Training Data? A Controlled Study for Transferable Insights<br>
|
Анализировать url |
| github.com |
Project Page
|
Анализировать url |
| openreview.net |
Splatter a Video: Video Gaussian Representation for Versatile Processing
<br>
|
Анализировать url |
| sunyangtian.github.io |
Project Page
|
Анализировать url |
| arxiv.org |
Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting<br>
|
Анализировать url |
| ingra14m.github.io |
Project Page
|
Анализировать url |
| openreview.net |
Decoupled Kullback-Leibler (DKL) Divergence Loss<br>
|
Анализировать url |
| github.com |
Project Page
|
Анализировать url |
| arxiv.org |
BiLLM: Pushing the Limit of Post-Training Quantization for LLMs<br>
|
Анализировать url |
| github.com |
Project Page
|
Анализировать url |
| dl.acm.org |
TEXGen: a Generative Diffusion Model for Mesh Textures
<br>
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| dl.acm.org |
3DGSR: Implicit Surface Reconstruction with 3D Gaussian Splatting
<br>
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| ecva.net |
Groma: Localized Visual Tokenization for Grounding Multimodal Large Language Models
<br>
|
Анализировать url |
| groma-mllm.github.io |
Project Page
|
Анализировать url |
| ecva.net |
Can OOD Object Detectors Learn from Foundation Models?
<br>
|
Анализировать url |
| github.com |
Project Page
|
Анализировать url |
| ecva.net |
V-IRL: Grounding Virtual Intelligence in Real Life <br>
|
Анализировать url |
| virl-platform.github.io |
Project Page
|
Анализировать url |
| ecva.net |
3D-Aware Text-Driven Talking Avatar Generation <br>
|
Анализировать url |
| github.com |
Project Page
|
Анализировать url |
| ecva.net |
UniDream: Unifying Diffusion Priors for Relightable Text-to-3D Generation<br>
|
Анализировать url |
| yg256li.github.io |
Project Page
|
Анализировать url |
| openaccess.thecvf.com |
Total-Decom: Decomposed 3D Scene Reconstruction with Minimal Interaction
<br>
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| openaccess.thecvf.com |
RegionPLC: Regional Point-Language Contrastive Learning for Open-World 3D
Scene Understanding
<br>
|
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 xjqi.github.io: готовность на 44%. 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: