Support Tier List
De sterkste support champions gerangschikt op echte win rate, pick rate en sample size data.
Tier wordt berekend op basis van beschikbare winrate-, pickrate- en steekproefdata — geen officiële rating.
S+2 champions
S4 champions
A9 champions
B13 champions
C9 champions
D7 champions
Over de Support Meta
Deze Support-tierlist behandelt elke champion die momenteel in de rol wordt gespeeld, op basis van live ranked data van patch 16.13.1: win rate, pick rate en hoeveel games er achter elk cijfer zitten. Aan kop van de meta staan momenteel Thresh, Seraphine, Senna, Leona en Nautilus. Thresh voert de rol aan met een win rate van 51,9% over 211.989 geregistreerde games. Zonder goud om op te leunen draait het bij support-tiers om impact: engage-bereik, peel en vision control tillen deze champions boven de rest uit.
Elke tier wordt berekend op basis van winstpercentage, pickpercentage en steekproefgrootte. Het winstpercentage telt het zwaarst mee met 55%, het pickpercentage, dat laat zien hoe vaak een champion in de meta voorkomt, met 30%, en de steekproefgrootte met 15%, zodat toevalstreffers bij kleine aantallen beperkt blijven. Champions met minder dan 100 geregistreerde games krijgen een aparte sectie Low Data in plaats van een ranglijst. Zie dit als een statistische momentopname en niet als een officieel oordeel: een goed gespeelde B-tier-champion presteert nog steeds beter dan een S+-champion die de speler nooit heeft geoefend. Elke rij linkt naar de live build van de champion (items, runes, skillvolgorde) en de counterpagina. Beide worden elke 48 uur automatisch bijgewerkt op basis van dezelfde dataset, zodat tier, build en matchup-informatie altijd bij dezelfde patch horen.
Support Tier List — FAQ
Thresh leads the role with a 51.1% win rate across 167,518 games — the full S+ and S groups above list every top pick.
Op basis van echte ranked-statistieken voor alleen deze rol: winrate (55%), pickrate (30%) en steekproefgrootte (15%). Champions met minder dan 100 geregistreerde games worden vermeld als Low Data in plaats van gerangschikt.