直近の対戦
敗北カジュアル
CH
DHCH更新：10 時間前
Steam
United Kingdomクラブ · OfflineC100%
SteamUnited Kingdomクラブ · OfflineC100%netcityhunter
Flying Swallow & Baby Bird
MR 1,272#617,186直近10戦6–4+23直近20戦12–8+59
勝率
48%
15勝 · 16敗 · 保存済み31件
ランクマッチの対戦
31
選択中のモード
勝利
15
ランクマッチ
敗北
16
ランクマッチ
最高MR
1,340
Chun-Li
ランクMR · Chun-Li
ローカル 31 · インポート 0 · グラフ 31 · 保存済み対戦 60
リプレイ未リクエスト
CHDHCH差の絶対値が大きい順23項目
| 傾向 | netcityhunter | トップ層 | 差 | 少トップ層多 |
|---|---|---|---|---|
| SA1 | 55.3% | 33.0% | +22.3% | |
| SA3 | 6.2% | 25.9% | -19.7% | |
| ドライブアーツ | 24.7% | 15.6% | +9.2% | |
| CA | 3.1% | 8.5% | -5.4% | |
| ドライブインパクト消費 | 6.6% | 1.5% | +5.1% | |
| ドライブガード | 4.6% | 9.6% | -5.0% | |
| ドライブラッシュ（パリィ） | 0.1% | 4.5% | -4.3% | |
| 画面端での攻め | 8.50 | 12.05 | -3.55 | |
| SA2 | 35.4% | 32.6% | +2.8% | |
| ドライブラッシュ（キャンセル） | 41.8% | 43.1% | -1.3% | |
| 投げ | 3.50 | 2.51 | +0.99 | |
| 投げ被弾 | 2.70 | 1.97 | +0.73 | |
| ドライブインパクト | 0.80 | 0.17 | +0.63 | |
| ジャストパリィ | 0.10 | 0.57 | -0.47 | |
| パニッシュカウンター成功 | 0.50 | 0.10 | +0.40 | |
| パニッシュカウンター被弾 | 0.30 | 0.07 | +0.23 | |
| ドライブリバーサル | 0.00 | 0.18 | -0.18 | |
| 投げ抜け | 0.50 | 0.35 | +0.15 | |
| スタン被弾 | 0.20 | 0.05 | +0.15 | |
| ドライブパリィ | 1.50 | 1.61 | -0.11 | |
| 画面端に追い込まれた時間 | 8.50 | 8.40 | +0.10 | |
| スタン成功 | 0.10 | 0.05 | +0.05 | |
| パリィ中に投げられた回数 | 0.20 | 0.22 | -0.02 |
統計を練習に活かす
直近100試合対戦プラン
このプロフィールの傾向と戦績から、実戦で試すヒントを作成します。行動傾向は全キャラクターの集計で、選択中のキャラクターは比較対象を決めます。
保存済みの対戦プランを確認中…
公開プロフィールの統計をOpenRouterの無料AIモデルで分析します。プランは共有・再利用のため保存されます。提案は統計に基づく仮説であり、リプレイ映像の分析ではありません。保存済みマッチプラン
生成時の根拠データと日付を保持したAIプランです。開くと両方の視点を読めます。
Chun-Li · 直近100試合
改善するポイント
ドライブインパクトの目的を明確にする
ドライブインパクト：プロフィール 0.8 · 比較対象 0.16
ドライブインパクトを5回振り返り、使った状況と結果を記録します。有効な使い方は残し、平均回数に合わせるより失敗の共通点を調べましょう。
試してみようダミーの別スロットにドライブインパクトと通常の攻撃を記録し、混ぜて再生します。現在のゲージ状況で使える対応を見分けて練習しましょう。
根拠となる統計
- ドライブインパクト：プロフィール 0.8 · 比較対象 0.16
- ドライブインパクト消費：プロフィール 6.6% · 比較対象 1.4%
パニッシュカウンターの原因を見直す
パニッシュカウンター被弾：プロフィール 0.3 · 比較対象 0.09
受けたパニッシュカウンターと決めたものを各5回確認します。空振りとガード後の隙を分けてから、練習する課題を選びましょう。
試してみよう繰り返す場面をトレーニングで再現し、間合いとフレームメーターを確認します。より安全な選択か、実際に届く反撃を練習しましょう。
根拠となる統計
- パニッシュカウンター被弾：プロフィール 0.3 · 比較対象 0.09
- パニッシュカウンター成功：プロフィール 0.5 · 比較対象 0.1
守りの判断を見直す
ドライブリバーサル：プロフィール 0 · 比較対象 0.17
守りの場面を5つ選び、相手の行動、自分の選択、結果を比べます。パリィや投げ抜けの回数が少ないだけでは弱点とは言えません。
試してみよう苦手な場面から異なる2つの行動をダミーに記録します。見分けて対応する練習を行い、次の対戦で判断が改善したか確認しましょう。
根拠となる統計
- ドライブリバーサル：プロフィール 0 · 比較対象 0.17
- ジャストパリィ：プロフィール 0.1 · 比較対象 0.57
- ドライブパリィ：プロフィール 1.5 · 比較対象 1.64
AIが引用された統計から確認済みの練習プランを選び、優先順位を付けます。行動傾向はプロフィール全体の集計で、キャラクター戦績と直近の試合は範囲が異なります。弱点の断定や映像分析ではなく、試して確かめる提案です。 直近100試合の報告された傾向です。生涯平均ではありません。
データ保存日 2026/09/14 · AI：nex-agi/nex-n2.5-mini:free
このプレイヤーへの対策
継続する傾向と単発のミスを分ける
保存済みの直近ランクマッチ：31試合中15勝
複数の直近試合で勝ちと負けを比べます。印象的な一度のミスより、繰り返す状況を中心に準備しましょう。
試してみよう最初のラウンドで仮説を一つ確認します。繰り返すなら準備した調整を行い、違うならその仮説を捨てて新しい傾向を観察しましょう。
根拠となる統計
- 保存済みの直近ランクマッチ：31試合中15勝
対戦成績を調査の手がかりにする
対 Elena：27試合中12勝
低い勝率は見るべき映像の手がかりであり、有利なキャラ選択を保証しません。同じ苦しい場面が複数の試合に出るか確認しましょう。
試してみよう該当キャラクターを使うなら、映像にあった使い慣れた状況を一度試します。相手が対応できたら仮説を捨て、実際の動きに合わせましょう。
根拠となる統計
- 対 Elena：27試合中12勝
- 対 Ken：27試合中11勝
- 対 Sagat：36試合中13勝
AIが引用された統計から確認済みの練習プランを選び、優先順位を付けます。行動傾向はプロフィール全体の集計で、キャラクター戦績と直近の試合は範囲が異なります。弱点の断定や映像分析ではなく、試して確かめる提案です。 直近100試合の報告された傾向です。生涯平均ではありません。
データ保存日 2026/09/14 · AI：nex-agi/nex-n2.5-mini:free