直近の対戦
敗北ランクマッチ
DE
JPDE更新：6 日前
Steam
Nepalクラブ · ShotaconFTclubM100%
SteamNepalクラブ · ShotaconFTclubM100%テクノブレイク飯田
Let's Do This
MR 1,863#4,353直近10戦4–6-17直近20戦11–9+9
勝率
52%
24勝 · 22敗 · 保存済み46件
ランクマッチの対戦
46
選択中のモード
勝利
24
ランクマッチ
敗北
22
ランクマッチ
最高MR
1,863
Dee Jay
ランクMR · Dee Jay
ローカル 46 · インポート 0 · グラフ 46 · 保存済み対戦 46
リプレイ未リクエスト
DEJPDE差の絶対値が大きい順23項目
| 傾向 | テクノブレイク飯田 | トップ層 | 差 | 少トップ層多 |
|---|---|---|---|---|
| SA1 | 13.3% | 36.2% | -22.9% | |
| SA3 | 49.4% | 33.8% | +15.6% | |
| ドライブアーツ | 36.8% | 24.7% | +12.1% | |
| ドライブラッシュ（キャンセル） | 13.2% | 23.0% | -9.7% | |
| SA2 | 28.9% | 21.3% | +7.6% | |
| ドライブガード | 13.4% | 15.1% | -1.7% | |
| 画面端に追い込まれた時間 | 10.00 | 9.11 | +0.89 | |
| ドライブラッシュ（パリィ） | 8.4% | 8.9% | -0.6% | |
| 投げ抜け | 0.80 | 0.43 | +0.37 | |
| 画面端での攻め | 12.60 | 12.23 | +0.37 | |
| ドライブインパクト消費 | 2.1% | 1.8% | +0.3% | |
| CA | 8.4% | 8.7% | -0.3% | |
| パニッシュカウンター被弾 | 0.30 | 0.09 | +0.21 | |
| 投げ | 2.20 | 2.38 | -0.18 | |
| ジャストパリィ | 0.40 | 0.57 | -0.17 | |
| 投げ被弾 | 2.30 | 2.20 | +0.10 | |
| パニッシュカウンター成功 | 0.20 | 0.13 | +0.07 | |
| ドライブインパクト | 0.30 | 0.24 | +0.06 | |
| ドライブパリィ | 1.70 | 1.76 | -0.06 | |
| 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 | 0.07 | +0.03 | |
| スタン被弾 | 0.10 | 0.07 | +0.03 | |
| ドライブリバーサル | 0.20 | 0.19 | +0.01 |
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。
Dee Jay · 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 0.3 · 比較対象 0.12
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 0.12
- パニッシュカウンター成功：プロフィール 0.2 · 比較対象 0.12
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 0.3 · 比較対象 0.22
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 0.3 · 比較対象 0.22
- ドライブインパクト消費：プロフィール 2.1% · 比較対象 1.8%
ゲージ消費の目的を決める
SA3：プロフィール 49.4% · 比較対象 33.7%
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
- SA3：プロフィール 49.4% · 比較対象 33.7%
- SA1：プロフィール 13.3% · 比較対象 35.1%
- SA2：プロフィール 28.9% · 比較対象 22%
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 2026/09/06 · AI：dots-studio/dots-3-note-preview:free
このプレイヤーへの対策
再現性のある反撃機会を探す
パニッシュカウンター被弾：プロフィール 0.3 · 比較対象 0.12
統計は調査の手がかりです。その間合いで反撃できると確認済みの行動を探し、見た目だけで隙があると判断しないようにしましょう。
試してみよう対象の行動が出たら確認済みの反撃を試します。相手がその行動をやめたら、無理に狙わず通常の間合い管理に戻りましょう。
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 0.12
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 0.3 · 比較対象 0.22
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 0.3 · 比較対象 0.22
- ドライブインパクト消費：プロフィール 2.1% · 比較対象 1.8%
近距離のパターンを探る
投げ抜け：プロフィール 0.8 · 比較対象 0.44
近距離での打撃、投げ、防御の実際の選択を観察します。傾向が見えてから、使い慣れた攻めの一部分だけを変えてみましょう。
試してみよう同じ反応が2回続いたら、その場面で別の選択を試します。相手が反応を変えたら、固定した癖だと思い込まず選択肢を散らしましょう。
根拠となる統計
- 投げ抜け：プロフィール 0.8 · 比較対象 0.44
- 投げ：プロフィール 2.2 · 比較対象 2.49
- 投げ被弾：プロフィール 2.3 · 比較対象 2.12
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 2026/09/06 · AI：dots-studio/dots-3-note-preview:free