문도 박사vs 아칼리
문도 박사 vs 아칼리은 LoL 패치 26.7에서 a decisive 매치업입니다. 아칼리가 22 게임 기준 문도 박사을 상대로 59.1% 승률(+18.2%)로 이깁니다. 문도 박사 wins the early laning phase while 아칼리 scales better into the late game. 아래에서 문도 박사 vs 아칼리 매치업을 위한 최고의 문도 박사 빌드, 룬, 라인전 통계와 전략을 확인하세요.
문도 박사 Matchup Breakdown
Use the dropdown to select an opponent and see a detailed breakdown of how 문도 박사 performs against them. You'll get head-to-head win rates, laning stats, the best build and runes for the matchup, and early vs late game analysis — all based on real ranked data.
아칼리(40.9%)Who Wins the 문도 박사 vs 아칼리 Matchup?
문도 박사 vs 아칼리 대전 요약
문도 박사 vs 아칼리 대전은 리그 오브 레전드 랭크 게임에서 결정적인 대전입니다. 22개의 최근 경기 분석 결과, 아칼리이(가) 59.1% 승률로 문도 박사의 40.9%를 이기며, 아칼리에게 18.2 퍼센트 포인트 우위를 제공합니다. 게임 페이즈 역학이 여기서 중요한 역할을 합니다: 문도 박사이(가) 초반 라인전을 지배하지만, 아칼리이(가) 게임이 길어질수록 스케일링합니다. 대전은 게임 길이에 따라 극적으로 변합니다 — 문도 박사은(는) 아칼리이(가) 파워 스파이크에 도달하기 전에 이점을 밀어붙여야 하고, 아칼리은(는) 안전한 파밍과 핵심 아이템 브레이크포인트에 집중해야 합니다. 가장 중요한 통계적 격차는 군중 제어기에서 나타나며, 문도 박사이(가) 0.3s CC/min만큼 앞서 — 이 차이가 교환과 소규모 전투의 결과에 큰 영향을 미칩니다. 아칼리이(가) 이 대전에서 강한 이점을 가집니다. 문도 박사 플레이어들은 수비적으로 플레이하고, 타워 아래에서 안전한 파밍을 우선시하며, 정글 압박이나 아칼리의 오버익스텐션으로 만들어진 기회를 찾아야 합니다. 장기 교환을 피하고 포지셔닝과 협동이 더 중요한 팀파이트를 기다리세요. 이러한 대전 역학을 이해하는 것은 챔피언 선택 결정과 이 라인 상대를 맞닥뜨렸을 때의 인게임 전략에 필수적입니다.
문도 박사 vs 아칼리 라인전 분석
문도 박사이(가) 아칼리을(를) 상대로 라인전에서 유리하며, 5개 핵심 통계 카테고리 중 3개에서 승리합니다. 문도 박사은(는) 파밍, 군중 제어기 및 유지력에서 이점을 가지며, 이 대전에서 더 강한 라이너가 됩니다.
Best 문도 박사 Build Against 아칼리
판금 장화은(는) 아칼리을(를) 상대로 최적의 신발 선택이며, 이 대전에서 문도 박사이(가) 가장 필요로 하는 이동성과 스탯을 제공합니다. 문도 박사이(가) 아칼리을(를) 상대로 최고 성능의 핵심 아이템은 거대한 히드라, 강철심장 및 워모그의 갑옷입니다. 이 조합은 문도 박사에게 대전에 효과적인 피해, 생존력, 유틸리티의 균형을 제공합니다. 이 빌드는 5게임에서 60.0% 승률을 달성하며 탁월한 성능을 보입니다 — 평균을 훨씬 웃돌며 아칼리을(를) 상대로 최고의 아이템 경로가 됩니다. 팀 구성과 게임 상태에 따라 조정이 필요할 수 있지만, 이 빌드는 문도 박사 vs 아칼리 대전에 가장 강력한 기반을 제공합니다.
Early Game vs Late Game
문도 박사54.5%아칼리45.5%문도 박사27.3%아칼리72.7%문도 박사이(가) 초반 (처음 15분)을 54.5% 승률로 지배합니다 — 아칼리를 9.1 퍼센트 포인트 앞섭니다. 이 일방적인 초반은 문도 박사이(가) 레벨 1부터 라인의 페이스를 지시하고, 교환, 웨이브 상태, 리버 우선권을 제어할 수 있음을 의미합니다.
아칼리이(가) 후반 (25분 이상)에서 훨씬 우월하며, 72.7% 승률을 자랑합니다 — 문도 박사를 45.5 포인트 앞섭니다. 장기 게임은 아칼리에게 크게 유리하며, 그들의 키트와 스케일링이 팀파이트와 오브젝트 컨트롤에서 지배적인 힘이 됩니다.
이 대전은 극적인 파워 시프트를 특징으로 합니다: 문도 박사은(는) 적극적으로 초반 이점을 밀어붙이고 아칼리이(가) 스케일링 브레이크포인트에 도달하기 전에 게임을 끝내야 합니다. 아칼리이(가) 너무 뒤처지지 않고 라인전을 생존하면, 대전이 그들에게 유리하게 뒤집힙니다. 드래곤과 전령 컨트롤이 중추적입니다 — 초반 오브젝트를 확보하는 팀이 스노우볼하거나 스케일링할 시간을 벌 수 있습니다.
Best 문도 박사 Runes Against 아칼리
결의
영감
결의와 영감 룬 셋업은 이 어려운 대전에서 문도 박사에게 아칼리과(와) 경쟁할 최고의 도구를 제공하며, 최적의 룬 시너지로 통계적 불리함을 보상합니다.
리그 오브 레전드 패치 26.7의 문도 박사 매치업 데이터입니다. 아래 표는 현재 메타에서 모든 챔피언에 대한 문도 박사의 승률, 골드 차이, 성과 통계를 보여줍니다. 챔피언 이름을 클릭하면 해당 매치업에 대한 최적의 문도 박사 빌드, 룬, 라인전 통계, 초반 vs 후반 분석을 포함한 상세 분석을 볼 수 있습니다.
상대 | 승률 | 경기 | CS/분 | 데미지/분 | 골드/경기 | 초반 승률 | 후반 승률 |
|---|---|---|---|---|---|---|---|
| 44.13% | 179 | 6.7 | 874 | 11,635 | 43.8% | 44.3% | |
| 44.90% | 147 | 5.6 | 853 | 11,609 | 42.3% | 46.3% | |
| 54.29% | 140 | 1.6 | 787 | 12,852 | 49.1% | 58.0% | |
| 52.10% | 119 | 1.1 | 713 | 12,042 | 49.1% | 54.7% | |
| 42.37% | 118 | 1.3 | 703 | 12,602 | 48.1% | 37.5% | |
| 53.85% | 117 | 1.0 | 692 | 12,316 | 55.6% | 52.4% | |
| 53.10% | 113 | 1.2 | 795 | 11,850 | 58.0% | 49.2% | |
| 47.79% | 113 | 6.3 | 898 | 11,060 | 47.0% | 48.9% | |
| 48.62% | 109 | 5.1 | 960 | 10,594 | 50.8% | 45.5% | |
| 50.49% | 103 | 1.0 | 700 | 12,001 | 48.8% | 51.7% | |
| 59.38% | 96 | 6.2 | 852 | 11,686 | 48.9% | 69.4% | |
| 40.43% | 94 | 1.8 | 757 | 12,657 | 45.2% | 38.1% | |
| 44.09% | 93 | 1.5 | 706 | 12,066 | 29.6% | 57.1% | |
| 55.06% | 89 | 3.0 | 826 | 12,438 | 45.2% | 63.8% | |
| 58.43% | 89 | 4.5 | 834 | 12,037 | 56.5% | 60.5% | |
| 53.66% | 82 | 4.0 | 869 | 12,406 | 53.9% | 53.5% | |
| 49.35% | 77 | 5.8 | 766 | 12,006 | 48.0% | 50.0% | |
| 55.41% | 74 | 1.8 | 796 | 12,048 | 58.3% | 52.6% | |
| 45.21% | 73 | 6.2 | 929 | 10,693 | 40.0% | 51.5% | |
| 40.85% | 71 | 4.9 | 801 | 10,807 | 39.5% | 42.4% | |
| 60.00% | 70 | 1.0 | 747 | 13,128 | 60.7% | 59.5% | |
| 54.41% | 68 | 6.2 | 733 | 10,854 | 40.0% | 65.8% | |
| 50.77% | 65 | 1.5 | 781 | 11,884 | 48.6% | 53.6% | |
| 48.39% | 62 | 7.0 | 1,021 | 11,924 | 68.0% | 35.1% | |
| 50.00% | 60 | 1.6 | 620 | 11,275 | 57.1% | 43.8% | |
| 48.33% | 60 | 5.6 | 871 | 11,760 | 48.1% | 48.5% | |
| 55.36% | 56 | 6.4 | 1,018 | 10,906 | 57.1% | 53.6% | |
| 58.18% | 55 | 1.1 | 754 | 12,962 | 54.2% | 61.3% | |
| 45.45% | 55 | 3.3 | 780 | 12,473 | 33.3% | 54.8% | |
| 38.18% | 55 | 4.7 | 798 | 10,253 | 45.2% | 29.2% | |
| 38.89% | 54 | 3.1 | 788 | 10,528 | 41.4% | 36.0% | |
| 51.92% | 52 | 6.7 | 935 | 12,894 | 44.4% | 55.9% | |
| 65.38% | 52 | 1.2 | 608 | 11,476 | 76.2% | 58.1% | |
| 48.08% | 52 | 6.8 | 1,248 | 12,546 | 46.1% | 50.0% | |
| 52.00% | 50 | 4.4 | 996 | 11,865 | 68.2% | 39.3% | |
| 50.00% | 50 | 5.4 | 1,044 | 11,817 | 50.0% | 50.0% | |
| 55.10% | 49 | 3.9 | 864 | 12,844 | 50.0% | 58.6% | |
| 57.14% | 49 | 0.9 | 684 | 11,628 | 52.2% | 61.5% | |
| 40.00% | 45 | 6.3 | 924 | 10,740 | 35.0% | 44.0% | |
| 55.56% | 45 | 1.6 | 834 | 12,694 | 47.8% | 63.6% | |
| 52.27% | 44 | 7.4 | 820 | 12,110 | 47.4% | 56.0% | |
| 41.46% | 41 | 1.5 | 803 | 12,274 | 33.3% | 47.8% | |
| 50.00% | 40 | 6.8 | 792 | 11,097 | 52.2% | 47.1% | |
| 52.50% | 40 | 7.0 | 856 | 11,170 | 63.2% | 42.9% | |
| 56.41% | 39 | 1.8 | 849 | 13,518 | 50.0% | 61.9% | |
| 44.74% | 38 | 1.3 | 773 | 11,394 | 47.6% | 41.2% | |
| 44.74% | 38 | 5.8 | 1,158 | 11,102 | 52.6% | 36.8% | |
| 40.54% | 37 | 7.3 | 787 | 11,581 | 63.2% | 16.7% | |
| 59.46% | 37 | 3.0 | 779 | 11,878 | 50.0% | 68.4% | |
| 62.16% | 37 | 1.5 | 683 | 12,663 | 61.5% | 62.5% | |
| 55.56% | 36 | 1.1 | 786 | 12,485 | 47.4% | 64.7% | |
| 50.00% | 36 | 5.5 | 936 | 11,799 | 56.3% | 45.0% | |
| 66.67% | 36 | 2.5 | 783 | 12,082 | 82.3% | 52.6% | |
| 60.00% | 35 | 5.7 | 713 | 11,585 | 61.1% | 58.8% | |
| 60.00% | 35 | 0.8 | 629 | 11,109 | 63.6% | 53.9% | |
| 44.12% | 34 | 1.3 | 759 | 12,976 | 25.0% | 54.5% | |
| 34.38% | 32 | 6.7 | 853 | 11,070 | 22.2% | 50.0% | |
| 68.75% | 32 | 1.1 | 795 | 13,132 | 61.5% | 73.7% | |
| 38.71% | 31 | 1.8 | 814 | 11,861 | 50.0% | 29.4% | |
| 56.67% | 30 | 7.0 | 912 | 12,201 | 50.0% | 66.7% | |
| 46.67% | 30 | 1.0 | 841 | 11,276 | 23.5% | 76.9% | |
| 62.07% | 29 | 1.5 | 808 | 11,357 | 60.0% | 64.3% | |
| 62.07% | 29 | 1.4 | 826 | 11,473 | 56.3% | 69.2% | |
| 51.72% | 29 | 1.2 | 729 | 11,182 | 56.3% | 46.1% | |
| 39.29% | 28 | 6.8 | 755 | 10,431 | 38.9% | 40.0% | |
| 59.26% | 27 | 6.4 | 742 | 11,680 | 64.3% | 53.9% | |
| 46.15% | 26 | 6.7 | 854 | 12,128 | 41.7% | 50.0% | |
| 54.17% | 24 | 7.1 | 841 | 11,808 | 46.1% | 63.6% | |
| 50.00% | 24 | 6.5 | 1,005 | 13,135 | 57.1% | 47.1% | |
| 69.57% | 23 | 3.8 | 782 | 13,418 | 42.9% | 81.3% | |
| 65.22% | 23 | 1.4 | 695 | 12,565 | 71.4% | 62.5% | |
| 47.83% | 23 | 0.9 | 693 | 12,193 | 22.2% | 64.3% | |
| 45.45% | 22 | 2.0 | 745 | 10,382 | 42.9% | 50.0% | |
| 63.64% | 22 | 7.4 | 927 | 12,495 | 53.9% | 77.8% | |
| 40.91% | 22 | 6.6 | 773 | 10,858 | 54.5% | 27.3% | |
| 52.38% | 21 | 7.0 | 911 | 10,750 | 72.7% | 30.0% | |
| 52.38% | 21 | 1.3 | 661 | 12,436 | 55.6% | 50.0% | |
| 50.00% | 18 | 4.9 | 784 | 11,787 | 25.0% | 70.0% | |
| 38.89% | 18 | 1.1 | 604 | 10,738 | 30.0% | 50.0% | |
| 41.18% | 17 | 0.8 | 607 | 10,740 | 44.4% | 37.5% | |
| 50.00% | 16 | 6.7 | 1,070 | 11,577 | 25.0% | 75.0% | |
| 43.75% | 16 | 2.7 | 968 | 13,253 | 40.0% | 45.5% | |
| 43.75% | 16 | 2.0 | 563 | 10,164 | 45.5% | 40.0% | |
| 66.67% | 15 | 3.0 | 770 | 11,715 | 57.1% | 75.0% | |
| 57.14% | 14 | 6.5 | 877 | 12,786 | 66.7% | 50.0% | |
| 71.43% | 14 | 6.8 | 989 | 10,873 | 57.1% | 85.7% | |
| 46.15% | 13 | 5.8 | 661 | 11,302 | 75.0% | 33.3% | |
| 53.85% | 13 | 5.7 | 924 | 11,844 | 66.7% | 42.9% | |
| 50.00% | 12 | 1.9 | 570 | 10,477 | 57.1% | 40.0% | |
| 81.82% | 11 | 1.3 | 859 | 14,662 | 75.0% | 85.7% | |
| 36.36% | 11 | 6.4 | 830 | 10,608 | 20.0% | 50.0% | |
| 60.00% | 10 | 5.5 | 696 | 11,382 | 66.7% | 50.0% | |
| 50.00% | 10 | 1.3 | 725 | 12,363 | 75.0% | 33.3% | |
| 60.00% | 10 | 2.7 | 1,031 | 12,677 | 100.0% | 42.9% | |
| 55.56% | 9 | 6.3 | 608 | 10,451 | 50.0% | 66.7% | |
| 33.33% | 9 | 2.5 | 775 | 11,934 | 60.0% | 0.0% | |
| 55.56% | 9 | 3.3 | 599 | 9,671 | 50.0% | 66.7% | |
| 37.50% | 8 | 1.6 | 564 | 11,347 | 50.0% | 0.0% | |
| 25.00% | 8 | 7.6 | 941 | 11,097 | 20.0% | 33.3% | |
| 50.00% | 8 | 7.5 | 746 | 10,888 | 60.0% | 33.3% | |
| 37.50% | 8 | 7.5 | 688 | 12,939 | 50.0% | 33.3% | |
| 57.14% | 7 | 7.3 | 754 | 12,861 | 100.0% | 40.0% | |
| 66.67% | 6 | 3.0 | 607 | 12,546 | 100.0% | 50.0% | |
| 16.67% | 6 | 3.5 | 718 | 8,620 | 0.0% | 100.0% | |
| 50.00% | 6 | 5.8 | 816 | 10,807 | 50.0% | 50.0% | |
| 66.67% | 6 | 7.2 | 722 | 12,358 | 100.0% | 0.0% | |
| 60.00% | 5 | 2.7 | 578 | 8,993 | 66.7% | 50.0% | |
| 80.00% | 5 | 4.4 | 690 | 12,565 | 100.0% | 75.0% | |
| 40.00% | 5 | 6.5 | 1,067 | 13,773 | 0.0% | 40.0% | |
| 80.00% | 5 | 5.1 | 898 | 13,639 | 0.0% | 80.0% | |
| 40.00% | 5 | 4.0 | 717 | 11,282 | 0.0% | 50.0% | |
| 40.00% | 5 | 5.4 | 691 | 10,771 | 0.0% | 66.7% | |
문도 박사 vs 아칼리 - 자주 묻는 질문
리그 오브 레전드에서 문도 박사는 아칼리 상대로 어떻게 하나요?
아칼리가 문도 박사 vs 아칼리 매치업에서 59.1% 승률로 문도 박사의 40.9%를 이기며, 18.2 퍼센트 포인트 차이를 보입니다. 이 데이터는 패치 26.7의 22개 최근 랭크 게임을 기반으로 합니다.
초반에 문도 박사는 아칼리 상대로 어떻게 하나요?
초반 게임에서 문도 박사가 아칼리 상대로 54.5% 대 45.5%의 승률로 우위를 점합니다. 문도 박사 플레이어는 처음 15분 동안 공격적인 교환과 웨이브 컨트롤을 통해 라인 우위를 누르세요.
후반에 문도 박사는 아칼리 상대로 어떻게 하나요?
후반 게임에서 아칼리가 문도 박사 vs 아칼리 매치업을 72.7% 대 27.3%의 승률로 장악합니다. 아칼리는 25분 이후 팀파이트와 오브젝트 싸움에서 더 잘 스케일링됩니다.
문도 박사 vs 아칼리 매치업에서 누가 이기나요?
아칼리가 리그 오브 레전드 패치 26.7에서 59.1% 승률로 문도 박사 상대 매치업을 이깁니다. 18.2 퍼센트 포인트 우위는 22개 분석된 게임을 기반으로 이 라인 매치업에서 아칼리가 significantly 유리함을 의미합니다.
아칼리 상대 최고의 문도 박사 빌드는 무엇인가요?
아칼리 상대 최고의 문도 박사 빌드는 거대한 히드라, 강철심장, 워모그의 갑옷 with 판금 장화입니다. This build achieves a 60.0% win rate in the matchup. 전체 아이템 경로와 빌드 순서는 위의 매치업 분석을 확인하세요.
아칼리 상대 최고의 문도 박사 룬은 무엇인가요?
아칼리 상대 최고의 문도 박사 룬은 결의 주 트리와 영감 보조를 사용합니다. This rune setup achieves a 50.0% win rate in the 문도 박사 vs 아칼리 matchup. 위의 매치업 비교에서 전체 룬 분석을 확인하세요.
문도 박사가 아칼리를 카운터하나요?
아니요, 문도 박사는 40.9%의 승률로 아칼리 상대로 고전합니다. 아칼리가 이 매치업에서 유리합니다. 문도 박사 플레이어는 아칼리의 리드를 최소화하기 위해 안전한 파밍에 집중하고 긴 교환을 피해야 합니다.
아칼리 상대로 문도 박사를 어떻게 플레이하나요?
아칼리 상대로 문도 박사를 플레이할 때, 조심스럽게 플레이하고 아칼리의 파워 스파이크를 피하세요. Look for jungle assistance and team-dependent plays since 아칼리 has the statistical advantage at most stages. 기회를 최적화하기 위해 위의 매치업 전용 빌드와 룬을 사용하세요.