直近の対戦
敗北ランクマッチ
SA
DESA更新：5 日前
Steam
JapanC100%
SteamJapanC100%＜でつ＞
I Need an E-Tank
MR 1,546#138,951直近10戦6–4+12直近20戦11–9+11
勝率
50%
75勝 · 75敗 · 保存済み150件
ランクマッチの対戦
150
選択中のモード
勝利
75
ランクマッチ
敗北
75
ランクマッチ
最高MR
1,631
Sagat
ランクMR · Sagat
ローカル 150 · インポート 0 · グラフ 150 · 保存済み対戦 150
リプレイ未リクエスト
SADESA差の絶対値が大きい順23項目
| 傾向 | ＜でつ＞ | トップ層 | 差 | 少トップ層多 |
|---|---|---|---|---|
| SA3 | 58.6% | 39.9% | +18.7% | |
| SA2 | 10.3% | 26.4% | -16.1% | |
| SA1 | 10.3% | 24.6% | -14.2% | |
| CA | 20.7% | 9.1% | +11.6% | |
| ドライブラッシュ（キャンセル） | 41.3% | 34.0% | +7.3% | |
| ドライブラッシュ（パリィ） | 2.6% | 8.4% | -5.9% | |
| ドライブガード | 9.1% | 14.2% | -5.1% | |
| ドライブインパクト消費 | 5.3% | 1.3% | +3.9% | |
| 画面端での攻め | 10.20 | 12.43 | -2.23 | |
| 投げ | 0.90 | 2.23 | -1.33 | |
| 画面端に追い込まれた時間 | 8.00 | 8.88 | -0.88 | |
| ジャストパリィ | 0.20 | 0.74 | -0.54 | |
| パニッシュカウンター成功 | 0.50 | 0.11 | +0.39 | |
| ドライブアーツ | 16.4% | 16.0% | +0.3% | |
| ドライブインパクト | 0.50 | 0.18 | +0.32 | |
| パニッシュカウンター被弾 | 0.40 | 0.09 | +0.31 | |
| ドライブパリィ | 2.10 | 1.81 | +0.29 | |
| ドライブリバーサル | 0.00 | 0.24 | -0.24 | |
| 投げ被弾 | 2.30 | 2.21 | +0.09 | |
| 投げ抜け | 0.40 | 0.46 | -0.06 | |
| スタン被弾 | 0.00 | 0.05 | -0.05 | |
| パリィ中に投げられた回数 | 0.20 | 0.25 | -0.05 | |
| スタン成功 | 0.10 | 0.08 | +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。
Sagat · 直近100試合
改善するポイント
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 0.4 · 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 0.4 · 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
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 0.5 · 比較対象 0.18
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 0.5 · 比較対象 0.18
- ドライブインパクト消費：プロフィール 5.3% · 比較対象 1.3%
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 2026/09/08 · AI：dots-studio/dots-3-note-preview:free
このプレイヤーへの対策
対戦成績を調査の手がかりにする
対 Luke：92試合中51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 Luke：92試合中51勝
- 対 Yasmine：70試合中34勝
- 対 Alex：55試合中19勝
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：100試合中51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：100試合中51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 2026/09/08 · AI：dots-studio/dots-3-note-preview:free