什么是xA（预期助攻）？写给球迷的完整分析指南
问一名球迷什么叫伟大的组织核心，你会得到同一个答案的不同版本。视野。别人看不到的那一脚传球。在所有人都会选择保险处理的那一刻，把队友送到门前的能力。你通常得不到的是一个数字。机会创造一直是足球里最难被量化的部分；进球被打进的时候，创造者往往已经在向后场回撤的路上，而最终的技术统计只会在传球恰好发生在射门前那一下时，才把助攻记到他名下。
预期助攻，也就是xA，试图修正这一点。
这是现代足球分析学目前最接近"创造型球员指标"的工具。它并不完美，也不是某家数据商的专利，而且常常以和xG同样的方式被读错：被当作裁决而不是概率，被当作成绩单而其实它更像一个分布。本文将梳理xA到底衡量什么、如何和xG搭配阅读、以及那些让本该懂行的人也会失手的陷阱。
xA到底是什么
xA会给一场比赛里的每一次传球附上一个概率分数。这个分数回答一个问题：一名平均水平的射手，在这个位置、这种防守压力下接到这次传球，随后起脚并打进的可能性有多大？
在中圈附近打出一脚没有人前插的横传，xA大约为0，因为根本没有射门产生。一次直塞把前锋送到门前六码并且角度开阔，可能会记为0.45 xA。这并不是说这名具体的前锋在这类机会下的进球率就是45%，而是说在训练数据中成千上万次类似传球之后，后续射门进球的比例是45%。
由这一定义可以得出三件事。
第一，xA衡量的是这次传球，而不是传球者本人。 一名中场在整个赛季把同等力度的传球送到同一个区域二十次，每一次累积的xA大致相同，无论队友的终结如何。这是设计特性而不是缺陷，但会让一些期待xA同时奖励"传球者加射手组合质量"的球迷感到困惑。
第二，只有引发射门的传球才会被计入。 一次穿透性的送球，被队友处理失误、变成丢失控球，在大多数公开模型里只记为0 xA。那一刻充满创造力。但射门没有发生。xA看不到它。
第三，xA和xG是同一次机会的两面。 如果前锋从一次传中打出一次0.30 xG的头球，那么制造这次头球的传中也有一个xA值（通常就是同样的0.30，因为这次传球是按其制造的机会质量来评分的）。xA = 由此产生的射门的xG，前提是射门真的发生。
最后这一点是读者最常失误的地方。把xA当作xG的另一种口味来阅读，会导致重复计算。一次0.30 xA的传球配上一次0.30 xG的射门，其实是同一次机会，只是从两个角度描述。
xA大致是如何计算的
xA模型会在海量的传球库上训练，每一次传球都标注了上下文特征以及后续射门（如果有）的结果。
大多数公开xA模型普遍依赖的特征，在各家数据商之间大体一致：
- 传球起点位置。 传球从球场什么位置发出，以到球门的距离和角度衡量。
- 传球落点位置。 传球落到哪里。这是最主要的驱动因素。落在禁区内的传球所对应的xA，会高于落在禁区外的传球，至少对于之后确实发生的射门而言是这样。
- 传球类型。 直塞、传中、倒三角、定位球传球、挑传、普通横传。不同的传球类型会以不同方式影响预期射门质量。
- 防守压力和目标接球者的身体朝向。 有些模型会加入"接球者受压程度"的近似变量。这会让xA上下浮动。
- 比赛状态。 阵地战、快速反击、定位球二次进攻。和xG一样，这些阶段对应不同的转化特征。
基于跟踪数据训练的更复杂模型，可以加入防守队员相对传球和接球者身体朝向的位置。没有跟踪数据的公开模型使用的是更简单的近似变量。
Tactiq通过覆盖1200多项赛事的授权体育数据源读取事件级传球数据。进入分析的逐次传球xA值，是从这些事件记录以及产品所关注的更广泛比赛上下文中推导出来的。xA在分析内部如何与其他信号结合，属于产品内部逻辑。
xA为什么重要
进球栏奖励终结者。助攻栏奖励进球前最后一脚传球。二者都是嘈杂的。一名中场在一场比赛里送出十几次直塞，其中三次以良好位置到达前锋脚下，而比赛结束时他的助攻数是零，仅仅因为前锋三次全部错失，这并不是一场平淡的比赛。进球栏说是。xA说不是。
xA在几个具体方面对球迷很重要。
它把创造和终结运气分开。 一名累计xA 4.5、实际助攻8次的组织者，并不是因为他的传球特别好，而是他的射手状态在帮他超越模型期望。一名累计xA 6.0、实际助攻只有2次的组织者，其实正在交付顶级创造，只是被队友的终结拖累。整个赛季里助攻与xA倾向于收敛；在10场样本里它们经常剧烈偏离，偏离的方向会告诉你有用的信息。
它让创造型中场被看见。 不靠抢助攻的10号位和后腰组织者往往累积了很高的xA。他们在xA榜和助攻榜之间的落差，通常就是创造力与终结环境之间的差距。
它可以跨联赛使用。 在荷甲Eredivisie制造出0.30 xA机会的一次直塞，和在意甲Serie A制造出0.30 xA机会的一次直塞，可以识别为同一种创造。和xG一样，这个指标具有可迁移性，这正是它能用于跨联赛球探和国际比较的原因。
它奖励持续创造，而不仅是某个瞬间。 助攻只奖励进球前的那脚传球。一个用五脚传球打穿防线的配合，第一脚即使是撬开防守的关键动作，也得不到助攻。xA能捕捉更多的传递链，因为每一次引发射门的传球都会被衡量，而不只是最后那一次。
xA在哪里会误导
这一部分是大多数xA科普文章跳过的。对这个指标在哪里失效保持诚实，比任何定义更能告诉你应该怎么使用它。
小样本会撒谎。 二十次传球不是样本。一名中场可以在一场比赛里打出1.2 xA，但队友错失一大堆机会，结果记为0次实际助攻；另一名中场可以只有0.4 xA，但前锋把两次低质量机会塞进球门，记为2次实际助攻。两个结果都不能告诉你关于底层创造能力的事情，它们告诉你的是那场比赛里射手的结果。
射手质量被隐藏。 xA公式假设一名平均水平的终结者。和Haaland、Salah或Kane搭档，会让你的xA转助攻率高于平均水平，因为这些射手超过平均。搭档终结能力偏弱的球员则会压低它。跨球队、跨时代的比较如果不校正射手情境，带来的误导多于澄清。在进阶模型里有这种校正，但大多数公开xA仪表盘里没有。
二传不是助攻。 进球前再往前一脚，往往才是撕开防线的那个创造性动作，但xA模型把归属给到了射门前的那一脚。一些现代的"expected threat"或"possession value"模型会尝试在一次控球过程中更公平地分配贡献；而xA本身不会。用xA来评价那些在中场发起进攻的后腰型组织者，会相对于那些传球直接制造射门的前场组织者，低估他们的贡献。
定位球会扭曲表头数据。 一名主罚角球者在一场比赛里送出8次角球，其中三次在小禁区附近形成头球，即使和组织意义上的创造力无关，他也会累积很高的xA。这种传送更多是技术性的，而不是组织者意义上的创造性。把定位球xA从运动战xA中剥离出来，才能更干净地刻画创造者在动态比赛中的作用。大多数公开仪表盘做不到这一点。
传中会让数量压过质量。 一名边锋整场比赛往禁区里塞了15次传中，其中前锋从难度角度打了3次头球攻门，他的xA会高于只打了两脚直塞把前锋送到禁区内的另一名边锋。前者靠数量累积xA；后者靠射门质量密度累积xA。两种风格在特定战术语境下都可能是对的；xA本身无法告诉你哪一种更合适。
点球和直接任意球会让结果失真。 造点、主罚、进球，这一连串通常不会被记为xA事件（发生的是造犯规，而不是传球）。直接任意球破门的助攻很少见，但每次发生都权重很大。这些边界情况会让累计xA有时偏离读者对"谁造的机会"的直觉判断。
比赛末段的状态效应同样适用，和xG一样。 最后十五分钟追分的球队，会用许多绝望向前塞进禁区的传球抬高xA，但并不代表可持续的创造。保持领先的球队xA很低，因为他们根本没在创造。整场的xA把这些阶段全都搅在一起。
它本质是球队层面的信号，却常被当作球员成绩单。 一名中场本场xA 0.9，可能是打出了四次进入禁区的像样传球，但没有一次是重大机会；也可能是一次绝佳直塞加上八次横传。分布本身很重要。单场累计xA会把这些掩盖。
由此得出一条经验法则：xA在若干场比赛的滚动窗口下最有用，需要与由此产生的射门的xG一起阅读，心里留着对射手质量的修正，并在关注运动战时剥离定位球造成的扭曲。把它当成单场或单个赛季的独立裁决，几乎没有什么用处。
Tactiq如何在分析中使用xA
Tactiq对xA的处理方式正如本文所描述的：它是底层创造数据中的一块拼图，而不是独立的组织者评语。
在一场比赛的分析中，xA信号参与刻画哪一方正在制造真正有意义的机会、哪一方在倒脚但没有威胁、哪些创造者当前表现高于或低于自身基础水平、以及从创造而非终结的视角看，这场对决的整体形态是什么样子。xA与xG、状态指标、历史交锋背景以及其他输入一起被考虑。其中任何一项都不会被当作最终答案。
xA在产品内部如何与其他输入组合、权重、滚动窗口、运动战与定位球的拆分、以及不稳定信号如何被标记出来，属于产品内部逻辑。被公开披露的方法论，常常在几周之内就会被复制并错误地校准；用户看到的，是带有可信度标注的分析，以及用通俗语言给出的推理。
用户在比赛卡片上看到的内容包括：
- 双方的预期进球数，创造情境在其中的解读里通过expected assists呈现。你通常不会在界面上看到"xA: 1.8"这样的数字；你看到的是创造情境对带信心标注的解读的影响。
- 比赛结果的三项概率，并附有一个可见的信心指示器，反映本场比赛底层信号的稳定程度。
- 用自然语言写出的文字分析，会把创造情境点明，比如："主队近四场比赛的整体创造趋势有所提升，不过终结效率偏低，所以xG与实际进球之间的落差比底层机会质量所暗示的更大。"
- 任何位置都不会出现外部市场数据、不会出现跳转至第三方平台的链接、不会出现虚拟货币。整体语境就是统计分析。
目标是让读者在读完之后，能更清楚地判断一支球队的终结不佳究竟是射门问题还是创造问题，而不是拿一个小数到别处去套用。
如何像专业人士一样阅读xA
六个习惯可以把xA从一个冷知识变成一副眼镜。
- 始终把xA和xG以及实际助攻放在一起看。 在一个滚动窗口里用"xA / 由此产生射门的xG / 实际助攻"这样的三栏视图，比任何单一栏都更有信息量。
- 根据射手质量做调整。 顶级队友抬高你的转化率，终结偏弱的队友压低它。如果你在比较组织者，看看谁的前锋在超额终结，谁的不是。
- 关心运动战创造时，把定位球xA剥离出来。 靠角球主罚累积0.9 xA的球员，并不是在"组织者"意义上制造了机会。
- 看滚动窗口，不要看单场。 四到八场比赛能抚平噪声。单场比赛只是附带一个数字的轶事。
- 仅凭原始xA不要拿后腰型组织者和前场创造者直接比。 进球前再往前一脚的那次传球同样重要。xA无法完整给它信用。"expected threat"这类模型会做得更好；原始xA不行。
- 更看重近期状态，而不是整个赛季累计。 一名六周没有制造像样机会的组织者，和他赛季累计xA所暗示的，已经不是同一名球员，无论累计数字怎么说。
把这些习惯放在一起使用，xA就从榜单上的一个数字，变成一块能让你更清晰地看懂比赛的证据。
小结
xA是关于机会创造的概率，而不是关于组织者的成绩单。把它放在若干场比赛的滚动窗口里，与由此产生的射门的xG和实际助攻一起阅读，考虑射手情境，并在关注运动战时剥离定位球带来的膨胀，它就是足球分析学在创造端所能提供的最干净的视角之一。
把它当作独立的裁决、当作没有情境的榜单数字、或者当作"某组织者某个赛季交付/没交付"的证据，它就会误导你。这个指标本身对自己衡量的东西是诚实的。大多数人读错的，是如何去读它。
Tactiq就是围绕"如何读它"这件事构建的。应用会在带信心标注的比赛分析里呈现创造情境，用通俗语言解释对这场具体比赛而言，"创造对比终结"的落差意味着什么，并且永远不会把它与外部市场数据混在一起。覆盖1200多项赛事、32种语言本地化、免费档每天八次分析，无需信用卡。
连续三篇文章现在构成了我们解读数据的基础。如果你还没读过，可以先从AI如何分析足球比赛和xG究竟在衡量什么开始。xA是xG那篇文章在创造端的姊妹篇，这三篇合在一起，覆盖了博客后面会不断延伸的核心指标。