최근 대전
승리랭크 매치
AK
DEAK9시간 전 업데이트
CrossPlatform
JapanC100%
CrossPlatformJapanC100%たくあん載せティラミス
Let's Do This
MR 1,583#109,063최근 10경기5–5-5최근 20경기11–9+9
승률
50%
53승 · 52패 · 105경기 저장
랭크 매치 경기
105
선택한 모드
승
53
랭크 매치
패
52
랭크 매치
최고 MR
1,658
Akuma
랭크 MR · Akuma
직접 수집 105 · 가져온 기록 0 · 차트 표시 105 · 저장된 대전 105
리플레이를 요청하지 않음
AKDE플레이 습관 비교
상위 30명 Akuma 플레이어와 성향 비교
벤치마크 갱신 2026. 9. 13. AM 7:27
최근 100경기의 보고된 경향이며 누적 평생 평균이 아닙니다. · 데이터 상세
AK차이의 절댓값이 큰 순습관 23개
| 플레이 습관 | たくあん載せティラミス | 최상위 플레이어 | 차이 | 낮음최상위 플레이어높음 |
|---|---|---|---|---|
| SA2 | 11.8% | 22.8% | -11.0% | |
| CA | 17.6% | 9.9% | +7.7% | |
| SA3 | 42.6% | 38.7% | +4.0% | |
| 드라이브 임팩트 게이지 | 2.9% | 1.5% | +1.4% | |
| 드라이브 러시(패리) | 8.7% | 7.4% | +1.3% | |
| 드라이브 러시(캔슬) | 33.9% | 32.7% | +1.2% | |
| 드라이브 아츠 | 18.2% | 19.2% | -1.0% | |
| 구석에 몰린 시간 | 7.60 | 8.55 | -0.95 | |
| SA1 | 27.9% | 28.6% | -0.7% | |
| 드라이브 패리 | 1.00 | 1.65 | -0.65 | |
| 저스트 패리 | 0.50 | 0.77 | -0.27 | |
| 잡기 풀기 | 0.20 | 0.45 | -0.25 | |
| 잡기 | 2.50 | 2.74 | -0.24 | |
| 잡기 피격 | 1.90 | 2.09 | -0.19 | |
| 구석 압박 | 11.30 | 11.47 | -0.17 | |
| 패리 중 잡힘 | 0.40 | 0.27 | +0.13 | |
| 드라이브 가드 | 13.2% | 13.1% | +0.1% | |
| 드라이브 리버설 | 0.10 | 0.20 | -0.10 | |
| 드라이브 임팩트 | 0.30 | 0.20 | +0.10 | |
| 퍼니시 카운터 피격 | 0.00 | 0.09 | -0.09 | |
| 퍼니시 카운터 적중 | 0.20 | 0.13 | +0.07 | |
| 스턴 성공 | 0.10 | 0.03 | +0.07 | |
| 스턴 피격 | 0.00 | 0.04 | -0.04 |
통계를 연습으로
최근 100경기대전 계획
이 프로필의 성향과 전적을 바탕으로 실전에서 시험할 방법을 제안합니다. 습관 통계는 모든 캐릭터를 포함하며, 선택한 캐릭터는 비교 대상을 정합니다.
저장된 대전 계획 확인 중…
공개 프로필 통계를 OpenRouter의 무료 AI 모델로 분석합니다. 계획은 공유와 재사용을 위해 저장됩니다. 제안은 통계에 기반한 가설이며 리플레이 영상 분석이 아닙니다.저장된 매치 플랜
생성 당시의 근거 통계와 날짜를 보존한 AI 플랜입니다. 펼치면 두 관점의 내용을 읽을 수 있습니다.
Akuma · 최근 100경기
개선할 점
방어 판단 복기
드라이브 패리: 프로필 0.8 · 비교 대상 1.8
방어 상황 다섯 개에서 상대 행동, 내 선택, 결과를 비교하세요. 패리나 잡기 풀기 횟수가 적다는 것만으로 약점이라고 할 수 없습니다.
이렇게 해보세요어려운 상황에서 서로 다른 두 행동을 더미에 녹화하세요. 이를 구분하고 대응하는 연습을 한 뒤 다음 대전에서 판단이 나아졌는지 확인하세요.
근거 통계
- 드라이브 패리: 프로필 0.8 · 비교 대상 1.8
- 저스트 패리: 프로필 0.4 · 비교 대상 0.85
- 드라이브 리버설: 프로필 0.1 · 비교 대상 0.22
퍼니시 카운터의 원인 확인
퍼니시 카운터 피격: 프로필 0.1 · 비교 대상 0.08
받은 퍼니시 카운터와 성공한 것을 각각 다섯 번 살펴보세요. 헛친 공격과 가드 후 빈틈을 구분한 뒤 연습할 과제를 고르세요.
이렇게 해보세요반복되는 상황 하나를 트레이닝에서 재현하세요. 거리와 프레임 미터를 확인하고 더 안전한 선택이나 실제로 닿는 반격을 연습하세요.
근거 통계
- 퍼니시 카운터 피격: 프로필 0.1 · 비교 대상 0.08
승리와 패배의 판단 비교
저장된 최근 랭크 경기 표본: 91경기 중 47승
저장된 최근 경기에서 두 번의 승리와 두 번의 패배를 골라 판단이 달라지는 부분을 찾으세요. 전적만으로 결과가 바뀐 원인을 알 수는 없습니다.
이렇게 해보세요다음 다섯 경기에서 시험할 구체적인 판단 하나를 적으세요. 승패만으로 연습을 평가하지 말고 실행 여부와 결과를 검토하세요.
근거 통계
- 저장된 최근 랭크 경기 표본: 91경기 중 47승
AI가 인용된 통계로 검토된 연습 계획을 선택하고 우선순위를 정합니다. 습관은 전체 프로필 집계이며 캐릭터 전적과 최근 표본은 범위가 다릅니다. 확정된 약점이나 영상 분석이 아닌, 시험해 볼 제안입니다. 최근 100경기의 보고된 경향이며 누적 평생 평균이 아닙니다.
데이터 저장일 2026. 9. 9. · AI: nex-agi/nex-n2.5-mini:free
이 플레이어 공략법
상성 전적을 탐색 단서로 활용
상대 Ryu: 69경기 중 38승
낮은 승률은 검토할 영상의 단서일 뿐 유리한 캐릭터 선택을 보장하지 않습니다. 같은 어려운 상황이 여러 경기에 나타나는지 확인하세요.
이렇게 해보세요해당 캐릭터를 쓴다면 영상 속 익숙한 상황 하나를 시험하세요. 상대가 잘 대응하면 가정을 버리고 실제 플레이에 맞추세요.
근거 통계
- 상대 Ryu: 69경기 중 38승
- 상대 Zangief: 25경기 중 11승
- 상대 C. Viper: 17경기 중 3승
반복 성향과 일회성 실수 구분
저장된 최근 랭크 경기 표본: 91경기 중 47승
여러 최근 경기에서 승리와 패배를 비교하세요. 눈에 띄는 한 번의 실수보다 반복되는 상황을 중심으로 준비하세요.
이렇게 해보세요첫 라운드에 가설 하나를 확인하세요. 반복되면 준비한 조정을 적용하고, 그렇지 않으면 가설을 버리고 새로운 패턴을 관찰하세요.
근거 통계
- 저장된 최근 랭크 경기 표본: 91경기 중 47승
반복 가능한 반격 기회 찾기
퍼니시 카운터 피격: 프로필 0.1 · 비교 대상 0.08
통계는 탐색의 단서입니다. 해당 거리에서 반격이 가능하다고 확인한 행동을 찾고, 겉보기만으로 빈틈을 단정하지 마세요.
이렇게 해보세요그 행동이 나오면 확인한 대응을 시험하세요. 상대가 그 행동을 멈추면 억지로 반격을 노리지 말고 평소 거리 운영으로 돌아가세요.
근거 통계
- 퍼니시 카운터 피격: 프로필 0.1 · 비교 대상 0.08
AI가 인용된 통계로 검토된 연습 계획을 선택하고 우선순위를 정합니다. 습관은 전체 프로필 집계이며 캐릭터 전적과 최근 표본은 범위가 다릅니다. 확정된 약점이나 영상 분석이 아닌, 시험해 볼 제안입니다. 최근 100경기의 보고된 경향이며 누적 평생 평균이 아닙니다.
데이터 저장일 2026. 9. 9. · AI: nex-agi/nex-n2.5-mini:free