感覚ではなくデータで語る極めれば極めるほど強くなるチャンピオンランキング

やり込めばやり込むほど強くなるチャンピオンは誰？

海外プレイヤーがLolalyticsを解析し、マスタリーと勝率の関係を統計的に分析した記事を紹介。

はじめに

いつも雰囲気で片づけられがちな疑問に、実際に答えてみたかった。どのチャンピオンが一番、マスタリーに報いてくれるのか？

最強チャンピオンの話ではない。メカニクス的に一番難しいチャンピオンの話でもない。YouTubeのティアリストの人が言う、OTP向け最強ピックの話でもない。

そうではなく、同じチャンピオンを使ったとき、そのチャンピオンの上位プレイヤーは平均的なプレイヤーと比べて、実際にどれくらい良い成績を出しているのか、という話だ。

この手の試みは、これまで何度もあった。その多くは何かしらの商品やSaaSの販売が絡んでいたり、手法に問題があって結果がまばらだったり不完全だったりした。俺は、純粋に無料の研究成果として存在できるものを作りたかった。このクソみたいなゲームには、それくらいあっていいはずだからだ。完璧か？ いや、完璧ではない。でも、この問いに対してインターネット上で全体が公開されているものとしては、現時点で一番良いものだと思う。

最初は自分のAPIフレームワークを使おうとしたが、必要なサンプルサイズがとんでもないことに気づいた。だから、すでにデータ収集という大変な作業をやってくれている親切な人に乗っかることにした。

LolalyticsにはDeltaという、この目的にぴったりの指標がある。これは単純に、上位プレイヤー勝率から通常勝率を引いたものだ。たとえば平均プレイヤーで49%、上位プレイヤーで57%のチャンピオンがいたら、補正前のマスタリー差分は+8ポイントになる。

俺は30日分のテーブルをスクレイピングし、全172体のチャンピオンに対して、上位プレイヤーのサンプル数が少ない場合の補正としてシュリンケージ補正をかけ、ランキングを作った。最終スコアは実際の勝率パーセントポイントなので、ちゃんと直感的に考えられる単位になっている。

方法

補正前Deltaは便利だが、上位プレイヤーのサンプル数が薄いチャンピオンを過大評価してしまう。そこで、上位プレイヤーの試合数で重み付けしながら、各レーンの平均Deltaへ寄せる補正を使った。

w_i = best_games_i / (best_games_i + 2500)

adjusted_mastery_delta_i = w_i * raw_delta_i + (1 – w_i) * lane_mean_delta_L

上位プレイヤーの試合数が多いチャンピオンは、補正前の数値をかなり維持する。サンプルが薄いチャンピオンは、レーン平均に引き寄せられる。ただし、レーンはシュリンケージの事前分布として使っているだけで、最終的な尺度として使っているわけではない。

最初はレーン正規化したzスコア版も試したが、捨てた。あれは別の問い、つまり自分のロール内でどれだけ例外的かに答えるものになってしまう。しかも、分布が狭いロールにいるというだけでミッドチャンピオンを不自然に低く評価し、サポートを不自然に高く評価してしまう。

上位15体

上位の大部分は、かなり予想通りだ。レンガー、カ・サンテ、リヴェン、リー・シン、ドレイヴン、カタリナ、キヤナ、ルブランは納得できる。カリスタとニダリーについては、上位プレイヤーのサンプルがやや薄い。カリスタは2,083試合、ニダリーは3,113試合なので、信頼度補正をかけると数字がもう少し動く。トップ10の残りは十分にサンプルがある。

個人的に面白いと思ったのは、ヘカリム、グラガス、タリヤ、アクシャン、ゾーイだ。このあたりは、スキルキャップが高いチャンピオンの話をするときに、レンガーやリヴェンと同じ文脈で名前が出ることはあまりない。特にヘカリムとグラガス。

俺の見方では、これらのチャンピオンで熟練度が勝率に返ってくる理由は、コンボ精度ではない。テンポ、間合い、フランクの判断、自分が脅威になれるタイミングを正確に理解しているかどうかだ。そういうものはメカニクスとして定量化しにくいが、この結果にはちゃんと表れている。

レンガーの差は特に触れておく価値がある。このデータセットでは、通常勝率が46.50%、上位プレイヤー勝率が57.22%だった。つまり補正前Deltaは+10.72。シュリンケージ補正後でも+8.835を維持している。これは表全体で見ても、圧倒的に一番きれいなシグナルだ。

リー・シンも、純粋にサンプルの大きさという意味で注目に値する。総試合数は250万試合以上、上位プレイヤー試合数も4,591試合ある。少数のOTPが作った見かけの数字ではない。大量のデータ上で、本当に上位にいる。

下位15体

これは、これらのチャンピオンが弱いという意味ではない。今強いチャンピオンもいる。このサンプルでは、スモルダーの通常勝率はとんでもなく高い。ここでのポイントは、同じチャンピオンを使ったときの平均プレイヤーと上位プレイヤーの差が小さいということだけだ。

それが、チャンピオンのパワーを引き出しやすいからなのか、プレイパターンが比較的直線的だからなのか、平均的なプレイヤー層の時点ですでにやり込み度が異常に高いからなのか、このデータだけでは切り分けられない。

アムムの補正前Delta +0.44は、ほぼないに等しい。コグ＝マウとニーラはどちらも補正前で+1未満。ヨリックも+1.23だ。どれも普通に良いピックになり得るが、チャンピオン固有の熟練度が、上位のチャンピオンほど勝率に返ってきていない。

シンジドが下から3番目なのは、個人的にはかなり面白い。シンジドにはOTPのイメージが強いからだ。俺の仮説では、平均的なシンジド使いの時点で、すでにかなり独特な人たちなのだと思う。だから平均的なシンジド使いと最高レベルのシンジド使いの差が、数字上は小さく見える。分母が本当の意味でのランダムサンプルではない。

レーン別分析

ジャングルとミッドが上位を支配している。ジャングルではレンガー、ヘカリム、リー・シン、ニダリー、タロンが上位付近にいる。ミッドではカタリナ、ゾーイ、タリヤ、アクシャン、キヤナ、ルブラン、アジール、アーリ、カシオペア、ゼドが上位層に固まっている。

サポートは、平均すると絶対値では一番低い。これはサポートが簡単という意味ではない。ただ、平均プレイヤーと上位プレイヤーの補正前勝率差が、そのロールでは小さくなりやすいということだ。そして、ロール内で正規化するのではなく、勝率ポイントそのものでランキングしている以上、その差がそのまま出る。

驚いたこと

ダリウスは全体20位で+6.802だった。メカニクス的な評判がずっと強いチャンピオンたちよりも上だ。俺は、ダリウスの熟練度は主に間合い、マッチアップ知識、ウェーブ状況、ゴーストのタイミング、自分の脅威ウィンドウを正確に理解することにあると思っている。実行難度の高い操作というより、そういう要素だ。そして今回の結果は、それが実際に勝率として返ってきていることを示している。

アーリが17位なのも、安全で安定したブラインドピックという評判からすると高い。チャームの命中精度、ロームタイミング、スピリットラッシュの再発動回数管理、ターゲット選択あたりが、その多くを占めているのだと思う。

これで証明できないこと

これはチャンピオンの奥深さを測る完璧な指標ではない。本当のチャンピオン習熟度と、プレイヤー選択による影響を完全には切り分けられない。

理想的なデータセットは、プレイヤー単位の経験量バケットを作り、ランク、パッチ、マッチアップ、サイド、基礎スキルをコントロールしたものになる。だが、そのデータはかなり本格的なRiot APIプロジェクトなしには手に入らないし、仮にやってもきれいに処理するのは難しい。

Riotのどこかのサーバーには、この答えがひっそり存在しているのかもしれない。過去にRiotの開発者が、マスタリー関連のデータを何度か見せていた記憶があるからだ。

だから、これはそういうものとして受け取ってほしい。100試合を入れたときに、大きな勝率リターンが期待できるチャンピオンを探しているなら、このリストの上位から見ればいい。深く特化しなくても真価を引き出しやすいものを探しているなら、下位のほうを見るといい。

ここまで読んでくれてありがとう！

全文シート

Source: I scraped Lolalytics’ champion data and ranked every champion by how much they statistically reward mastery

管理忍

真の達人とは、学び続けるものでござる。

おすすめ関連記事

【LoL】感覚ではなくデータで語る「先出し安定」「後出し特化」ランキング - 統計ガチ勢による分析が話題

OP.GGの全対面データを収集し、MAE（平均絶対誤差）で各チャンピオンの“対面依存度”を数値化。先出し安定か後出し特化かをロール別に可視化し、最適なチャンピオンプール構築のお供に。

lolninja.net

2026.02.15

感覚ではなくデータで語るチャンピオンマスタリーと勝率の関係 - 2種類の「難しいチャンプ」

マスター以上50万戦のデータで、チャンピオンマスタリーと勝率の関係を検証。約69％はマスタリーLv5〜6で伸びが鈍化し頭打ちへ。難しさはスキル天井と学習コストの2軸で見える。初見Lv1〜2は勝率5〜10pt減も。

lolninja.net

2026.03.12