Hva er xG? Forventede mål forklart for fotballfans

Hver fotballsamtale de siste fem årene har plukket opp de samme tre bokstavene. Kommentatorer slipper xG i forbifarten mellom reprisene. Twitter-tidslinjer legger ut xG-resultattavler ved siden av de ekte. Analytikere refererer til forventede mål slik eldre generasjoner refererte til ballinnehav, som om alle allerede vet hva tallet betyr.

De fleste fans gjør det ikke, og det er et problem verdt å løse. xG er en av de mest nyttige måtene vi har å snakke om fotball på utover sluttresultatet, men det er også en av de mest misbrukte. Behandlet som et orakel skuffer det. Behandlet som det det faktisk er, en sannsynlighetspoeng for sjansekvalitet, skjerper det hvordan du ser kampen.

Denne artikkelen gjør to ting. Den forklarer hva xG måler på enkelt språk, uten at det kreves en statistikkgrad. Og den er ærlig om hvor xG villeder, fordi det er halvdelen de fleste nettartikler hopper over. Til slutt, neste gang du ser "xG: 1,4 mot 2,8" under et 2-1-resultat, vil du vite hva det forteller deg og hva det bevisst utelater.

Hva xG faktisk er

Forventede mål, skrevet xG, er en sannsynlighetspoeng knyttet til et enkelt skudd. Det svarer på ett spørsmål: hvor sannsynlig er det at akkurat denne sjansen, på akkurat dette stedet, etter denne typen oppbygging, ender i nettet? Svaret er et desimaltall mellom 0 og 1.

Et skudd fra cirka seks meter med plass og en innbydende innlegg kan ha 0,65 xG. Omtrent to av hver tre slike sjanser, gjennom hele det historiske utvalget, blir mål. Et spekulativt skudd fra 27 meter med to forsvarere som blokkerer vinkelen kan ha 0,03 xG. Tre av hver hundre. Tallet er et gjennomsnitt over tusenvis av lignende forsøk, ikke en forutsigelse for akkurat denne skytteren denne spesifikke dagen.

Legg sammen hvert skudd i en kamp for ett lag, og du får lagets totale xG for kampen. Et resultat på xG: 0,9 mot 2,4 mot mål på 2-1 forteller deg at siden med ett mål var den beste siden basert på sjanseskaping, og siden med to mål avsluttet langt over sin underliggende rate. Et resultat på xG: 2,7 mot 0,4 med mål på 0-0 forteller deg at noen fortjente å vinne og gjorde det ikke, som er mønsteret hver fan gjenkjenner fra kamper som føles urettferdige.

Metrikken ble først kommersielt brukt tidlig på 2010-tallet, mest synlig av Opta, og har siden blitt standardmåten å beskrive sjansekvalitet på hvert nivå av profesjonell fotball. Dens nytte er ikke kontroversiell. Dens misbruk er det.

Hvordan xG beregnes, i hovedtrekk

xG-modeller bruker ingen enkelt magisk inngang. De trenes på enorme biblioteker av historiske skudd, vanligvis hundretusener, hver merket med et endelig utfall (mål eller ikke) og en liste med kontekstuelle egenskaper. Modellen lærer hvilke egenskaper som flytter konverteringsraten opp og hvilke som flytter den ned.

Egenskapene de fleste xG-modeller baserer seg på er stort sett like på tvers av bransjen:

• Skuddets plassering. Hvor på banen skuddet ble tatt, målt som avstand og vinkel til målet. Dette er den enkeltvis sterkeste driveren.
• Kroppsdel. Høyre fot, venstre fot, hode eller annet. Headinger fra samme sted som et fotskudd konverteres i svært forskjellige rater.
• Assisttype. Var det en gjennombruddspasning, en innlegg, en cutback, en dødball, en retur. Hvert leveringsmønster produserer sin egen typiske konvertering.
• Defensivt press. Hvor mange forsvarere som var mellom skuddet og målet, og hvor nær den nærmeste var. Åpne skudd konverteres langt oftere enn lukkede.
• Spillsituasjon og fase. Åpent spill, kontring, dødball, straffespark. Straffespark spesielt behandles som nesten konstant 0,76 til 0,78 xG i de fleste offentlige modeller.

Ulike leverandører bruker ulike spesifikke egenskapssett. Noen inkluderer tracking-data-egenskaper som forsvarsposisjonering. Noen tar med målvaktens utgangsposisjon. Noen få inkluderer oppbyggingsegenskaper før skudd som pasninger per ballinnehav. Det de alle deler er den underliggende ideen: redusere hvert skudd til et lite sett beskrivende tagger, slå opp hvor ofte den taggkombinasjonen historisk har vært mål, og returnere den raten som xG.

Tactiq bruker kampdata på hendelsesnivå fra lisensierte sportskilder på tvers av mer enn 1200 ligaer for å hente kontekst per skudd for analysen. Den spesifikke måten xG-signaler kombineres med resten av hva produktet ser på blir værende inne i appen. Den nyttige lærdommen for en leser er: xG selv er bransjestandard. Det et verktøy gjør med xG etterpå er der produkter skiller seg.

Hvorfor xG betyr noe

En ligatabell rangerer lag etter resultater. En mål scoret-kolonne rangerer dem etter avslutning, som er støyete. xG gir deg en tredje linse: hvem genererte mest kvalitet, uavhengig av om ballen gikk inn.

Det betyr noe av flere grunner en fotballfan faktisk bryr seg om.

Det skiller flaks fra prestasjon. En spiss som scorer fem på tre kamper ut fra 1,8 kumulativ xG avslutter over sin rate, og den raten vil vanligvis regresseere. En spiss som scorer null ut fra 4,1 kumulativ xG er uheldig, og målene vil vanligvis komme. Over nok skudd konvergerer xG og mål. Når de divergerer skjer noe midlertidig, enten heroisk avslutning, frustrerende bom eller en keeper som har en karrieremåned.

Det belønner prosess over utfall. En side som skaper 2,5 xG i sjanser og taper 0-1 på et dødballmål er ofte den bedre siden over de 90 minuttene. xG fanger det gapet på en måte sluttresultatet ikke kan. Trenere har brukt interne versjoner av denne ideen i flere tiår. xG gjorde den offentlig.

Det løfter underliggende form foran resultater. Et midtlag hvis xG-differanse stille har forbedret seg over seks kamper er ofte i ferd med å klatre på tabellen, selv om poengene ikke har tatt igjen ennå. En side i øvre halvdel hvis xG sklir mens de fortsetter å vinne jevne kamper låner mot en regresjon som vanligvis kommer. Over et rullerende vindu på fire til åtte kamper er xG-form en mer ærlig indikator enn rå resultater.

Det gir deg en måte å snakke om skuddkvalitet på. Før xG var "god sjanse" og "dårlig sjanse" subjektive. To personer kunne se samme bom og være uenige om den burde blitt scoret. xG setter et tall på det. Tallet er ufullkomment, men det er konsistent på tvers av kamper, ligaer og sesonger.

Det reiser på tvers av ligaer. Et 0,30 xG-skudd i nederlandske Eredivisie er gjenkjennelig som et 0,30 xG-skudd i italienske Serie A. Den underliggende sjansekvaliteten er samme metrikk, selv om den taktiske konteksten rundt den er forskjellig. Den portabiliteten er en del av hvorfor xG har blitt lingua franca for moderne fotballanalyse.

Hvor xG villeder

Denne delen er den de fleste xG-forklaringene hopper over, og det er grunnen til at xG behandles som magi av folk som burde vite bedre. Å være ærlig om metrikkens svake punkter er forskjellen mellom å bruke xG godt og å bli lurt av det.

Små utvalg lyver. Én kamp er nesten aldri nok xG-data til å bedømme noe. En spiss kan poste 1,4 xG mot en dyp blokk som lar ham inn i boksen hele kvelden og poste 0,05 xG mot en høy press som aldri lar ham snu. Begge er informasjon om den spesifikke oppstillingen, ikke om spissens evne. Å rulle minimum fire til seks kamper før konklusjoner trekkes er baslinjen. Noe mindre er anekdote med et tall festet til.

Eliteavsluttere slår systematisk xG. Noen spillere, gjennom hele karrierer, scorer flere mål enn xG antyder de burde. Messi, Salah, Haaland og en liten klubb av andre har nok skuddvolum til at deres overprestasjon ikke bare er støy. En gjennomsnittlig xG-modell vet ikke hvem som skyter, bare hvor skuddet kom fra. Det er en funksjon, ikke en feil, men det betyr at rå xG undervurderer verdien av elitespisser og overvurderer verdien av volumskyttere som ikke avslutter.

Svake avsluttere bommer systematisk på xG. Det motsatte er like sant. Spisser som kronisk underpresterer xG over en full sesong er vanligvis ikke uheldige. De avslutter dårlig. Å behandle deres underprestasjon som forestående regresjon, når karrieremønsteret sier noe annet, er en vanlig felle.

Defensive feil blåser opp xG. En keeperbom som ruller til en umerket angriper seks meter ut gir høy xG, fordi skuddet skjer fra et høykvalitetssted. xG-modellen ser ikke den defensive feilen som skapte sjansen. Over én kamp kan et lag poste en imponerende xG-linje i stor grad på grunn av motstanderfeil, og det er ikke en repeterbar ferdighet.

Dødballer og straffespark forvrenger hovedtallet. Et straffespark er verdt omtrent 0,76 xG hver eneste gang. Et lag som får to straffespark i en kamp har 1,5 xG innebygd før de i det hele tatt har spilt fotball. Analytikere som bryr seg om åpent spill trekker noen ganger straffesparker og frispark fra totalen. Den offentlige tavlen gjør det vanligvis ikke.

Cupfinaler, derbyer og nedrykksavgjørere bryter modellen. xG er kalibrert mot den enorme historiske basen av ordinære seriekamper. Finaler, lokale derbyer og siste-dag-overlevelseskamper har annen psykologi, andre taktiske former, andre dommeravgjørelser og mye mindre sammenlignbare utvalg. Å bruke xG til å lese disse kampene på samme måte som du ville lese en midtsesongs seriekamp er en feil. Tallet blir fortsatt beregnet. Tilliten rundt det bør være lavere, og de fleste offentlige dashbord gjør ikke det synlig.

Senspillsituasjonseffekter vrir totalen. Et lag som jager et mål i de siste tjue minuttene skaper desperasjonssjanser som ikke er representative for deres sanne kvalitet. Et lag som beskytter en 1-0-ledelse faller inn i en form som bevisst gir fra seg ballinnehav og skuddvolum. Rå kampomfattende xG smører disse fasene sammen. Spillsituasjonsjustert xG finnes, men det er ikke det hovedtavlen viser.

Det er et signal på lagnivå feilest som et signal på spillernivå. "Spiller X har 0,8 xG denne kampen" kan bety at han tok én god sjanse og bommet eller seks halvsjanser og bommet på dem alle. Formen på den underliggende skuddfordelingen betyr noe, ikke bare summen. Å behandle kumulativ xG som et spillerkarakterkort, uten å se på skuddfrekvens og kvalitetsspredning, er hvordan fans ender opp med å krangle om tall som beskriver forskjellige ting.

Regelen som faller ut av alt dette: xG er mest nyttig som én inngang i en bredere lesning, sammenlignet over et vindu på flere kamper, med avslutterkvalitet og kampkontekst i hodet. Det er minst nyttig som en frittstående dom om én enkelt kamp.

Hvordan Tactiq bruker xG i analysen

Tactiq behandler xG slik denne artikkelen nettopp har beskrevet det: som én del av underliggende prestasjonsdata, ikke en forutsigelse i seg selv.

Inne i en kampanalyse bidrar xG-signaler til bildet av hvem som har prestert på hvilket nivå over nylige kamper, hvilke spillere og lag som over- eller underpresterer sin kvalitet, og hvor jevn eller ensidig den underliggende formen på en kamp er. xG-form sitter ved siden av flere andre innganger. Ingen av dem behandles som svaret.

Den spesifikke måten Tactiqs analyse blander xG med resten av hva den ser, vektene, de rullerende vinduene, ligaspesifikke justeringer, måtene ustabile signaler flagges på, blir værende inne i produktet. Det er et bevisst designvalg, ikke et unnvikende. Publisert metodikk blir kopiert og feilkalibrert innen uker; det som når brukeren er en tillitskvalifisert analyse med resonnementet forklart på enkelt språk, ikke en lærebok.

Hva brukeren ser på kampkortet:

• Et forventede mål-tall for hver side, med en nylig-trend-indikator slik at du kan se hvilken vei tallet beveger seg.
• Sannsynlighetstripler for utfallet, kvalifisert av en synlig tillitsindikator som reflekterer hvor stabile de underliggende signalene er for denne spesifikke kampen.
• En skriftlig analyse som navngir xG-konteksten på enkelt språk: "Hjemmesidens nylige xG-trend har løftet seg over deres siste fem kamper, stort sett fra dødballkvalitet," ikke "vår modell tildeler vekt 0,37 til egenskapsvektor tre."
• Ingen bookmaker-odds noe sted. Ingen spillpåminnelser. Ingen virtuell valuta. Rammen er statistisk analyse, og den forblir slik.

Hensikten er at en fan som leser et Tactiq-kort går derfra med en skarpere lesning av kampen, ikke et tall å kopiere andre steder.

Hvordan lese xG som en proff

Seks vaner skiller folk som bruker xG godt fra folk som siterer det.

1. Se alltid på det rullerende vinduet, ikke én kamp. Fire til åtte kamper per lag er baslinjen. Én kamp er en historie, ikke et mønster.
2. Sammenlign xG-differanse, ikke rå xG. "Hvor mye mer kvalitet dette laget genererte enn de slapp inn" er vanligvis mer informativt enn hver sides total alene.
3. Trekk fra straffesparker og frispark når du bryr deg om åpent spill. Den offentlige overskriften gjør det ofte ikke. Trekk fra 0,76 for hvert straffespark for å se hvordan formen i åpent spill så ut.
4. Sjekk hvem som skyter. En eliteavslutter som overpresterer xG er ikke nyhet. En rotasjonsangrep som overpresterer xG er et flagg som sier "utvalgsstørrelse."
5. Les xG sammen med avslutningshistorikk. Overprestasjon for noen kamper kan være støy. Overprestasjon for tre sesonger er informasjon.
6. Behandle derby-, cup- og finalekamper med forsiktighet. Senk din tillit til xG-lesningen for kamper modellen har færre sammenlignbare kamper for. Tallet blir beregnet. Båndet rundt det er bredere enn dashbordet forteller deg.

Anvendt sammen forvandler disse vanene xG fra et trivia-tall til en linse. Linsen er ærlig om hva den kan se. Det er hele poenget.

Konklusjonen

xG er en informert forutsigelse om sjansekvalitet, ikke en dom om en kamp. Brukt innenfor et vindu på flere kamper, lest sammen med avslutterkvalitet og kampkontekst, og befridd fra straffespark- og dødballinflasjon når åpent spill er spørsmålet, er det et av de skarpeste verktøyene en fan har for å snakke om fotball utover sluttresultatet.

Brukt som et enkeltkamp-orakel, eller som et topplistetall uten kontekst, eller som en erstatning for å se kampen, villeder det. Metrikken endret seg ikke. Lesningen gjorde det.

Tactiq er bygget rundt den lesningen. Appen løfter frem xG i kontekst, kvalifiserer det med tillit, forklarer hva tallet betyr på et språk en fan faktisk kan bruke, og blander det aldri med bookmaker-odds eller spillpåminnelser. Mer enn 1200 ligaer, 32-språks lokalisering på tvers av grensesnittet og analyseteksten, gratisnivå på åtte analyser per dag, ingen kredittkort nødvendig.

Hvis du syntes denne artikkelen var nyttig, er den naturlige følgesvennen den tidligere guiden om hvordan AI forutsier fotballkamper. xG er en av fire datafamilier som det stykket går gjennom i detalj, og de to artiklene sammen er grunnlaget vi fortsetter å bygge resten av bloggen på.