直近の対戦
勝利カジュアル
JA
RAJA更新：1 週間前
Steam
JapanC100%
SteamJapanC100%Flor
You Gotta Start Somewhere
MR 1,601#83,453直近10戦5–5-2直近20戦11–9+10
勝率
50%
18勝 · 18敗 · 保存済み36件
ランクマッチの対戦
36
選択中のモード
勝利
18
ランクマッチ
敗北
18
ランクマッチ
最高MR
1,630
Jamie
ランクMR · Jamie
ローカル 36 · インポート 0 · グラフ 36 · 保存済み対戦 100
リプレイ未リクエスト
JARAJA差の絶対値が大きい順23項目
| 傾向 | Flor | トップ層 | 差 | 少トップ層多 |
|---|---|---|---|---|
| SA1 | 44.3% | 29.0% | +15.2% | |
| SA2 | 12.9% | 21.4% | -8.5% | |
| CA | 5.7% | 9.8% | -4.1% | |
| 画面端での攻め | 17.70 | 14.89 | +2.81 | |
| SA3 | 37.1% | 39.7% | -2.6% | |
| ドライブラッシュ（キャンセル） | 34.7% | 33.8% | +0.9% | |
| ドライブラッシュ（パリィ） | 4.9% | 5.7% | -0.8% | |
| 画面端に追い込まれた時間 | 7.80 | 8.56 | -0.76 | |
| ドライブガード | 10.4% | 11.0% | -0.5% | |
| 投げ抜け | 0.90 | 0.40 | +0.50 | |
| ドライブアーツ | 22.8% | 23.2% | -0.4% | |
| ドライブパリィ | 2.00 | 1.78 | +0.22 | |
| 投げ | 2.50 | 2.40 | +0.10 | |
| スタン成功 | 0.00 | 0.08 | -0.08 | |
| ジャストパリィ | 0.60 | 0.67 | -0.07 | |
| スタン被弾 | 0.00 | 0.06 | -0.06 | |
| ドライブリバーサル | 0.20 | 0.26 | -0.06 | |
| 投げ被弾 | 2.20 | 2.15 | +0.05 | |
| パニッシュカウンター被弾 | 0.10 | 0.06 | +0.04 | |
| パニッシュカウンター成功 | 0.10 | 0.07 | +0.03 | |
| ドライブインパクト消費 | 1.4% | 1.4% | +0.0% | |
| ドライブインパクト | 0.20 | 0.21 | -0.01 | |
| パリィ中に投げられた回数 | 0.20 | 0.20 | 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。
Jamie · 直近100試合
改善するポイント
守りの判断を見直す
投げ抜け：プロフィール 0.9 · 比較対象 0.42
守りの場面を5つ選び、相手の行動、自分の選択、結果を比べます。パリィや投げ抜けの回数が少ないだけでは弱点とは言えません。
試してみよう苦手な場面から異なる2つの行動をダミーに記録します。見分けて対応する練習を行い、次の対戦で判断が改善したか確認しましょう。
根拠となる統計
- 投げ抜け：プロフィール 0.9 · 比較対象 0.42
- 投げ被弾：プロフィール 2.2 · 比較対象 1.97
- ドライブパリィ：プロフィール 2 · 比較対象 1.7
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 0.1 · 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成功：プロフィール 0.1 · 比較対象 0.07
- パニッシュカウンター被弾：プロフィール 0.1 · 比較対象 0.08
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：36試合中18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：36試合中18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 2026/09/05 · AI：z-ai/glm-5.2:free
このプレイヤーへの対策
近距離のパターンを探る
投げ抜け：プロフィール 0.9 · 比較対象 0.42
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 0.9 · 比較対象 0.42
- 投げ被弾：プロフィール 2.2 · 比較対象 1.97
対戦成績を調査の手がかりにする
対 Ken：20試合中11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 Ken：20試合中11勝
- 対 Ingrid：20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：36試合中18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：36試合中18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 2026/09/05 · AI：z-ai/glm-5.2:free