直近の対戦
敗北ランクマッチ
CH
LUCH更新：6 日前
CrossPlatform
JapanC100%
CrossPlatformJapanC100%てつぱん
Meow
MR 1,627#54,348直近10戦6–4+16直近20戦7–13-44
勝率
53%
102勝 · 89敗 · 保存済み191件
ランクマッチの対戦
191
選択中のモード
勝利
102
ランクマッチ
敗北
89
ランクマッチ
最高MR
1,731
Chun-Li
ランクMR · Chun-Li
ローカル 191 · インポート 0 · グラフ 191 · 保存済み対戦 195
リプレイ未リクエスト
CHLUCH差の絶対値が大きい順23項目
| 傾向 | てつぱん | トップ層 | 差 | 少トップ層多 |
|---|---|---|---|---|
| SA2 | 45.1% | 31.7% | +13.4% | |
| ドライブラッシュ（キャンセル） | 51.0% | 40.1% | +10.9% | |
| SA1 | 26.5% | 34.5% | -7.9% | |
| ドライブアーツ | 10.3% | 16.9% | -6.5% | |
| SA3 | 20.4% | 26.2% | -5.9% | |
| ドライブガード | 7.1% | 10.2% | -3.1% | |
| 画面端での攻め | 8.60 | 11.27 | -2.67 | |
| ドライブラッシュ（パリィ） | 3.1% | 5.0% | -2.0% | |
| 画面端に追い込まれた時間 | 10.20 | 9.57 | +0.63 | |
| ドライブパリィ | 1.20 | 1.64 | -0.44 | |
| CA | 8.0% | 7.6% | +0.4% | |
| パリィ中に投げられた回数 | 0.50 | 0.22 | +0.28 | |
| 投げ抜け | 0.20 | 0.40 | -0.20 | |
| ドライブリバーサル | 0.00 | 0.17 | -0.17 | |
| ジャストパリィ | 0.40 | 0.57 | -0.17 | |
| ドライブインパクト消費 | 1.6% | 1.4% | +0.2% | |
| スタン被弾 | 0.20 | 0.05 | +0.15 | |
| 投げ被弾 | 2.20 | 2.08 | +0.12 | |
| 投げ | 2.50 | 2.39 | +0.11 | |
| パニッシュカウンター被弾 | 0.20 | 0.09 | +0.11 | |
| ドライブインパクト | 0.10 | 0.16 | -0.06 | |
| スタン成功 | 0.10 | 0.04 | +0.06 | |
| パニッシュカウンター成功 | 0.10 | 0.10 | -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。
Chun-Li · 直近100試合
改善するポイント
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 0.4
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 0.4
- 投げ被弾：プロフィール 2.2 · 比較対象 2.08
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 0.1 · 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 0.1 · 比較対象 0.16
- ドライブインパクト消費：プロフィール 1.6% · 比較対象 1.4%
画面端に至る経緯を追う
画面端での攻め：プロフィール 8.6 · 比較対象 11.27
画面端に追い込まれた場面を5回確認します。最後の脱出だけでなく、その前に位置を失った判断を探し、端攻めに成功した場面も比べましょう。
試してみよう繰り返す位置関係を練習で再現し、普段の対応と隙を抑えた選択を比較します。次の対戦で端に追い込まれる頻度が変わるか確認しましょう。
根拠となる統計
- 画面端での攻め：プロフィール 8.6 · 比較対象 11.27
- 画面端に追い込まれた時間：プロフィール 10.2 · 比較対象 9.57
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 Jamie：110試合中52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 Jamie：110試合中52勝
- 対 Akuma：109試合中61勝
- 対 JP：96試合中51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55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55勝
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 0.2 · 比較対象 0.09
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 0.2 · 比較対象 0.09
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