Voltar para partidas
Game Changers 2024 Southeast Asia: Stage 203 de jul., 08:00 BRT
Round 2
Análise e previsãoPlacar por mapa
1Lotus8:13
2Bind15:13
3Ascent14:16
Base Beta G-Lite Esports
| Jogadora | Agente | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| parii | Breach, Gekko | 1,31 | 262 | 75 | 58 | 18 | 1,29 | 73% | 167 | 34% | 15 | 9 |
| PapiKaBoO | Gekko, Skye | 1,08 | 200 | 54 | 52 | 36 | 1,04 | 72% | 126 | 26% | 4 | 1 |
| babykiwii | Killjoy, Cypher | 0,92 | 190 | 56 | 56 | 12 | 1,00 | 65% | 127 | 25% | 7 | 8 |
| Meowmallow | Raze, Jett | 0,60 | 160 | 39 | 62 | 17 | 0,63 | 58% | 106 | 22% | 7 | 21 |
| Catpuccino | Omen, Brimstone | 0,88 | 154 | 39 | 55 | 30 | 0,71 | 60% | 101 | 25% | 4 | 3 |
Avernus Esports GC
| Jogadora | Agente | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| shirah0sh1 | Killjoy, Reyna | 1,16 | 262 | 69 | 57 | 14 | 1,21 | 68% | 172 | 34% | 10 | 4 |
| Makchin | Raze, Jett | 1,23 | 253 | 67 | 52 | 15 | 1,29 | 75% | 158 | 27% | 18 | 14 |
| Kathrina | Gekko, Skye | 1,04 | 199 | 54 | 51 | 32 | 1,06 | 72% | 127 | 22% | 8 | 4 |
| syd89 | Omen, Brimstone | 1,06 | 199 | 54 | 54 | 28 | 1,00 | 68% | 134 | 34% | 2 | 3 |
| Arki | Breach, Cypher | 0,83 | 144 | 39 | 50 | 32 | 0,78 | 68% | 96 | 15% | 4 | 12 |
Economia de rounds
Vitórias no ataque
33
42% dos rounds
Vitórias na defesa
46
58% dos rounds
Pistols
3 - 3
Base Beta G-Lite Esports / Avernus Esports GC
Conversão pós-pistol
5/6
pistol + round seguinte
Venceu no ataqueVenceu na defesaRound perdidoATKDEFLado inicial (1º half)13Pistol (round 1 e 13)EliminaçãoSpike detonadaSpike desarmadaTempo esgotado
Lotus
Base Beta G-Lite EsportsATK8
Avernus Esports GCDEF13
123456789101112131415161718192021
Bind
Base Beta G-Lite EsportsDEF15
Avernus Esports GCATK13
12345678910111213141516171819202122232425262728
Ascent
Base Beta G-Lite EsportsDEF14
Avernus Esports GCATK16
123456789101112131415161718192021222324252627282930
Baseado no histórico round a round do VLR.gg (lado vencedor e forma de finalização). O VLR.gg não publica os valores de compra (créditos/loadout), então a classificação de economia eco/force/full não é inferida para não gerar dados imprecisos.