直近の対戦
敗北ランクマッチ
A.
ALA.更新：6 日前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%アホロートル
EM Wave Change! On the Air!!
MR 1,632#51,723直近10戦7–3+40直近20戦12–8+45
勝率
57%
54勝 · 40敗 · 保存済み94件
ランクマッチの対戦
94
選択中のモード
勝利
54
ランクマッチ
敗北
40
ランクマッチ
最高MR
1,632
A.K.I.
ランクMR · A.K.I.
ローカル 94 · インポート 0 · グラフ 94 · 保存済み対戦 94
リプレイ未リクエスト
A.ALA.差の絶対値が大きい順23項目
| 傾向 | アホロートル | トップ層 | 差 | 少トップ層多 |
|---|---|---|---|---|
| SA3 | 67.6% | 30.6% | +37.0% | |
| ドライブラッシュ（キャンセル） | 1.2% | 23.3% | -22.1% | |
| SA1 | 16.2% | 37.8% | -21.6% | |
| SA2 | 8.1% | 22.0% | -13.9% | |
| ドライブアーツ | 33.4% | 21.0% | +12.4% | |
| ドライブガード | 21.2% | 17.0% | +4.2% | |
| 画面端での攻め | 9.40 | 11.29 | -1.89 | |
| CA | 8.1% | 9.6% | -1.5% | |
| ドライブインパクト消費 | 3.2% | 1.8% | +1.5% | |
| ドライブラッシュ（パリィ） | 12.0% | 11.0% | +1.0% | |
| 投げ | 3.20 | 2.34 | +0.86 | |
| ドライブパリィ | 2.70 | 1.93 | +0.77 | |
| 投げ抜け | 0.10 | 0.52 | -0.42 | |
| 投げ被弾 | 2.00 | 2.30 | -0.30 | |
| 画面端に追い込まれた時間 | 10.10 | 9.83 | +0.27 | |
| ジャストパリィ | 0.40 | 0.60 | -0.20 | |
| パニッシュカウンター成功 | 0.30 | 0.12 | +0.18 | |
| ドライブインパクト | 0.40 | 0.24 | +0.16 | |
| パニッシュカウンター被弾 | 0.20 | 0.11 | +0.09 | |
| パリィ中に投げられた回数 | 0.30 | 0.22 | +0.08 | |
| スタン被弾 | 0.00 | 0.04 | -0.04 | |
| スタン成功 | 0.10 | 0.08 | +0.02 | |
| ドライブリバーサル | 0.40 | 0.40 | 0.00 |
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。
A.K.I. · 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成功：プロフィール 0.3 · 比較対象 0.1
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成功：プロフィール 0.3 · 比較対象 0.1
- パニッシュカウンター被弾：プロフィール 0.2 · 比較対象 0.1
近距離の選択を振り返る
投げ抜け：プロフィール 0.2 · 比較対象 0.53
近距離のやり取りを5回確認します。投げの機会、投げの試行、防御の選択を分けて見ましょう。集計回数だけでは正解を判断できません。
試してみよう繰り返す状況で打撃と投げをダミーに記録し、選んだ対応を練習します。実戦でも意識して判断できているか確認しましょう。
根拠となる統計
- 投げ抜け：プロフィール 0.2 · 比較対象 0.53
- 投げ被弾：プロフィール 2.6 · 比較対象 2.33
- 投げ：プロフィール 2.4 · 比較対象 2.31
ゲージ消費の目的を決める
ドライブアーツ：プロフィール 36.1% · 比較対象 20.5%
実際のゲージを見ながら消費判断を5回振り返ります。何を得て、どの選択肢が残ったかを記録しましょう。使用割合だけでは効率を測れません。
試してみよう使い慣れた連係で、ゲージを使う形と温存する形を練習します。結果と残量を比べ、それぞれに適した状況を決めましょう。
根拠となる統計
- ドライブアーツ：プロフィール 36.1% · 比較対象 20.5%
- SA3：プロフィール 41.2% · 比較対象 31.9%
- ドライブラッシュ（キャンセル）：プロフィール 1.8% · 比較対象 23%
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 2026/08/30 · 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 Ryu：53試合中26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 Ryu：53試合中26勝
- 対 Ken：29試合中18勝
- 対 Luke：23試合中13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：24試合中14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：24試合中14勝
ドライブインパクトの傾向を確かめる
ドライブインパクト：プロフィール 0.4 · 比較対象 0.21
特定の場面でドライブインパクトが繰り返されるか観察します。間合い、硬直、ゲージを考慮し、練習で確認済みの対応を用意しましょう。
試してみよう同じ場面で隙を抑えた動きを試します。インパクトが来たら練習した対応を使い、来なければ通常の方針に戻しましょう。
根拠となる統計
- ドライブインパクト：プロフィール 0.4 · 比較対象 0.21
- ドライブインパクト消費：プロフィール 4.9% · 比較対象 1.6%
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 2026/08/30 · AI：dots-studio/dots-3-note-preview:free