2026-03-10
예상 골(xG)은 현대 축구 분석에서 없어서는 안 될 도구가 되었으며, 슛 품질을 정량적으로 측정할 수 있는 방법을 제공합니다. 그러나 모든 xG 모델이 동일하게 만들어지는 것은 아니며, 모델이 통합하는 데이터 포인트와 사용하는 알고리즘에 따라 정확도가 크게 달라질 수 있습니다. 2025-2026 시즌이 깊어짐에 따라 이러한 미묘한 차이를 자세히 살펴보면 팀 성과와 개인의 탁월함에 대한 흥미로운 통찰력을 얻을 수 있습니다.
팀의 누적 xG와 실제 골 수 사이에 종종 관찰되는 불일치를 고려해 보십시오. 일반적인 상관 관계가 존재하지만, 이상치는 흔합니다. 예를 들어, Manchester City를 생각해 보십시오. 2026년 3월 초 현재, 다양한 xG 모델은 그들을 약 58-60 예상 골로 평가하지만, 실제 골 수는 68골로 치솟았습니다. 이 8-10골 초과는 단순히 운이 아닙니다. 이는 평균 슛보다 더 높은 비율로 기회를 전환하는 일관된 능력을 나타냅니다. Erling Haaland와 같은 선수들은 믿을 수 없는 각도에서 골을 넣는 놀라운 재능으로 이에 분명히 기여합니다.
xG 모델의 정밀도는 입력 매개변수의 깊이와 폭에 달려 있습니다. 기본 모델은 슛 위치와 신체 부위만 고려할 수 있습니다. 그러나 더 정교한 버전은 다양한 추가 데이터를 통합합니다. 어시스트 유형(스루 패스, 크로스, 컷백), 슈터와 골대 사이의 수비수 수, 골키퍼 위치, 심지어 경기 상황(예: 점수, 남은 시간)까지 포함합니다. 이러한 추가적인 맥락 계층은 각 슛에 할당된 확률을 크게 개선할 수 있습니다. 더 많은 통찰력을 얻으려면 Robert Lewandowski: PSG의 박스 안의 최고 포식자에 대한 기사를 참조하십시오.
예를 들어, Arsenal의 Bukayo Saka가 박스 가장자리에서 두 명의 수비수가 그를 압박하고 골키퍼가 잘 위치한 상태에서 슛을 날린다면, Saka가 시간과 공간을 가진 동일한 슛보다 xG가 자연스럽게 낮을 것입니다. 견고한 xG 모델은 이러한 차이를 반영해야 합니다. 일부 모델은 선수별 마무리 능력을 고려하려고 시도하지만, 이는 종종 순수 xG(슛 품질)와 예측 골 득점 사이의 경계를 모호하게 만듭니다. 흥미롭지만, 선수별 데이터를 통합하면 다른 선수나 팀 간의 슛 품질을 비교하는 데 모델의 보편적 적용 가능성이 떨어질 수 있습니다.
xG의 아름다움은 초과 및 미달 성과자를 강조하는 능력에 있습니다. 예를 들어, Napoli는 시즌 내내 지속적으로 높은 xG 수치를 기록했으며, 종종 세리에 A에서 예상 골 생성 부문에서 상위 3위 안에 들었습니다. 그러나 실제 골 수는 때때로 뒤처져 전환의 잠재적 비효율성 또는 불운한 마무리 연속을 나타냅니다. Victor Osimhen은 그의 다작에도 불구하고 이번 시즌에 그의 xG가 실제 골을 앞지르는 기간이 있었는데, 이는 그가 훌륭한 위치에 있었지만 항상 그가 알려진 마무리 터치를 적용하지 못했음을 시사합니다. 더 많은 통찰력을 얻으려면 Arsenal vs Liverpool: Emirates Stadium에서의 전술적 전투에 대한 기사를 참조하십시오.
반대로, Brighton & Hove Albion은 일부 중위권 라이벌보다 누적 xG가 낮은 경우가 많았음에도 불구하고 결과를 얻는 방법을 찾았습니다. 그들의 견고한 수비와 더 적고 더 높은 품질의 기회를 활용하는 능력은 수비적으로도 xG를 능가하여 예상보다 적은 골을 허용했습니다. 이는 xG가 성공의 유일한 판단 기준이 아니라 분석 퍼즐의 중요한 부분임을 강조합니다. 이는 팀이 어떻게 성과를 내고 있는지, 단순히 최종 점수가 무엇인지를 이해하는 데 도움이 됩니다.
xG 모델의 미래는 훨씬 더 세분화될 가능성이 높습니다. 우리는 이미 'xG Chain'과 'xG Buildup'의 등장을 보고 있는데, 이는 슛으로 이어지는 소유권에 관련된 모든 선수에게, 슈터와 어시스터뿐만 아니라, 공로를 할당하려고 시도합니다. 또한, 추적 데이터의 발전은 모델이 공 없는 선수 움직임을 더 효과적으로 고려하여 수비 형태와 공격 움직임을 기반으로 슛이 발생하기 전에도 슛 가능성을 예측할 수 있도록 할 수 있습니다.
궁극적으로 xG는 결정적인 예측이 아니라 확률적 측정으로 남아 있습니다. 이는 게임을 분석하고, 근본적인 추세를 밝히고, 성과에 대한 더 객관적인 평가를 제공하는 강력한 렌즈를 제공합니다. 모델 간의 차이점과 정확도에 기여하는 요소를 이해하면 축구 분석의 진정한 깊이와 2026년 아름다운 게임에 대한 우리의 이해를 계속해서 형성하는 방법을 이해할 수 있습니다.