直近の対戦
敗北ランクマッチ
AK
LUAK更新：2 日前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%もやしもん
Let's Do This
MR 1,283#595,921直近10戦7–3+36直近20戦12–8+39
勝率
51%
80勝 · 78敗 · 保存済み158件
ランクマッチの対戦
158
選択中のモード
勝利
80
ランクマッチ
敗北
78
ランクマッチ
最高MR
1,331
Akuma
ランクMR · Akuma
ローカル 158 · インポート 0 · グラフ 158 · 保存済み対戦 158
リプレイ未リクエスト
AKLUAK差の絶対値が大きい順23項目
| 傾向 | もやしもん | トップ層 | 差 | 少トップ層多 |
|---|---|---|---|---|
| SA1 | 3.7% | 28.6% | -24.9% | |
| SA3 | 61.1% | 38.7% | +22.4% | |
| ドライブアーツ | 34.1% | 19.2% | +14.9% | |
| CA | 20.4% | 9.9% | +10.5% | |
| SA2 | 14.8% | 22.8% | -7.9% | |
| ドライブラッシュ（パリィ） | 1.3% | 7.4% | -6.2% | |
| ドライブガード | 7.7% | 13.1% | -5.4% | |
| 画面端での攻め | 9.00 | 11.47 | -2.47 | |
| ドライブインパクト消費 | 3.9% | 1.5% | +2.4% | |
| 画面端に追い込まれた時間 | 6.60 | 8.55 | -1.95 | |
| 投げ | 1.50 | 2.74 | -1.24 | |
| 投げ被弾 | 1.50 | 2.09 | -0.59 | |
| ドライブパリィ | 2.10 | 1.65 | +0.45 | |
| ドライブラッシュ（キャンセル） | 33.1% | 32.7% | +0.4% | |
| ジャストパリィ | 0.40 | 0.77 | -0.37 | |
| ドライブインパクト | 0.50 | 0.20 | +0.30 | |
| 投げ抜け | 0.20 | 0.45 | -0.25 | |
| パリィ中に投げられた回数 | 0.10 | 0.27 | -0.17 | |
| パニッシュカウンター被弾 | 0.20 | 0.09 | +0.11 | |
| ドライブリバーサル | 0.30 | 0.20 | +0.10 | |
| パニッシュカウンター成功 | 0.20 | 0.13 | +0.07 | |
| スタン成功 | 0.10 | 0.03 | +0.07 | |
| スタン被弾 | 0.10 | 0.04 | +0.06 |
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。
Akuma · 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 0.2 · 比較対象 0.07
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 0.2 · 比較対象 0.07
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 0.21
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 0.21
- ドライブインパクト消費：プロフィール 3.9% · 比較対象 1.4%
勝敗をまたいで判断を比べる
保存済みの直近ランクマッチ：100試合中50勝
保存された直近の試合から2勝と2敗を選び、判断が変わる場面を探します。戦績だけでは結果が変化した理由はわかりません。
試してみよう次の5試合で試す判断を一つ書き出します。勝敗だけで練習を評価せず、実行できたかと何が起きたかを振り返りましょう。
根拠となる統計
- 保存済みの直近ランクマッチ：100試合中50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 2026/09/11 · AI：nex-agi/nex-n2.5-mini:free
このプレイヤーへの対策
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 0.5 · 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 0.5 · 比較対象 0.21
- ドライブインパクト消費：プロフィール 3.9% · 比較対象 1.4%
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50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50勝
対戦成績を調査の手がかりにする
対 Ingrid：25試合中9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 Ingrid：25試合中9勝
- 対 Mai：23試合中14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 2026/09/11 · AI：nex-agi/nex-n2.5-mini:free