ดูสิ ใครก็ตามที่อยู่ในวงการฟุตบอลมานานพอจะรู้ว่าการทดสอบด้วยสายตายังคง ...

พูดตามตรง: xG วัดความน่าจะเป็นที่การยิงประตูจะส่งผลให้เกิดประตู โดยอิงจาก���ัจจัยหลายอย่าง เรากำลังพูดถึงตำแหน่งการยิง ส่วนของร่างกายที่ใช้ ประเภทการช่วยเหลือ มุมต่อประตู ไม่ว่าจะเป็นการดวลตัวต่อตัว แรงกดดันจากกองหลัง และแม้กระทั่งสิ่งต่างๆ เช่น ช่วงของการเล่นที่นำไปสู่การยิง – การเล่นแบบเปิด การตั้งเตะ การโต้กลับ มันเป็นทศนิยมระหว่าง 0 ถึง 1 โดยที่ 0.1 หมายถึงโอกาสทำประตู 10% และ 0.8 หมายถึงโอกาส 80% ดังนั้นลูกยิงโล่งๆ จากระยะหกหลา? นั่นอาจจะเป็น 0.7 หรือ 0.8 xG การยิงไกลจาก 30 หลา? อาจจะ 0.02

เบื้องหลังตัวเลข

คำนวณอย่างไร? มันไม่ใช่สูตรธรรมดาที่คุณสามารถจดลงบนกระดาษเช็ดปากได้ ผู้ให้บริการข้อมูลเช่น Opta, StatsBomb และ FBref (ซึ่งส่วนใหญ่ใช้ข้อมูล StatsBomb สำหรับ xG) ล้วนมีโมเดลที่เป็นกรรมสิทธิ์ของตนเอง ซึ่งสร้างขึ้นจากอัลกอริทึมการเรียนรู้ของเครื่องที่ได้รับการฝึกฝนจากลูกยิงในอดีตนับแสนหรือล้านลูก การยิงแต่ละครั้งในฐานข้อมูลประวัติของพวกเขาจะถูกติดแท็กด้วยปัจจัยทั้งหมดที่ฉันกล่าวถึง และโมเดลจะเรียนรู้ที่จะทำนายว่าลูกยิงที่คล้ายกันในอดีตส่งผลให้เกิดประตูบ่อยแค่ไหน

ยกตัวอย่างโมเดล Opta มีรายงานว่าใช้ลูกยิงกว่า 300,000 ลูกจากลีกชั้นนำต่างๆ เป็นข้อมูลการฝึกอบรม โมเดลของ StatsBomb มักถูกพิจารณาว่ามีความละเอียดมากกว่าเพราะพวกเขาติดตามข้อมูลเหตุการณ์ได้มากขึ้น เช่น ตำแหน่งที่แน่นอนของผู้เล่นทุกคนในสนาม ณ เวลาที่ยิง และแม้กระทั่งสิ่งต่างๆ เช่น ความเร็วในการยิง รายละเอียดพิเศษนี้อาจนำไปสู่ความแตกต่างเล็กน้อยในค่า xG สำหรับการยิงเดียวกันในผู้ให้บริการที่แตกต่างกัน ตัวอย่างเช่น การยิงที่กองหลังกำลังบล็อกวิสัยทัศน์ของประตูโดยตรงอาจมี xG ต่ำกว่าในโมเดลของ StatsBomb มากกว่าของ Opta หาก Opta ไม่ให้น้ำหนักตำแหน่งกองหลังมากนัก

ตอนนี้ มาพูดถึงฤดูกาลลาลีกา 2025-26 กัน Real Madrid ตามที่คาดไว้ กำลังทำผลงานได้อย่างยอดเยี่ยม หลังจาก 15 นัด พวกเขานั่งอยู่บนตารางคะแนนจริงด้วย 38 คะแนน โดยทำได้ 35 ประตูและเสียไป 12 ประตู แต่ตัวเลขพื้นฐานของพวกเขาก็น่าประทับใจไม่แพ้กัน xG รวมของพวกเขาคือ 32.5 และ Expected Goals Against (xGA) ของพวกเขาคือ 10.8 ซึ่งเป็นอันดับหนึ่งในลีก ซึ่งหมายความว่าพวกเขา *ทำผลงานได้ดีกว่า* xG ของพวกเขาเล็กน้อยถึง 2.5 ประตู แต่ที่สำคัญคือ *ทำผลงานได้แย่กว่า* xGA ของพวกเขาถึง 1.2 ประตู การที่พวกเขายิงเสียประตูมากกว่า xGA บ่งชี้ว่าพวกเขาอาจจะโชคร้ายเล็กน้อยกับลูกยิงที่พวกเขาเผชิญหน้า หรือผู้รักษาประตูของพวกเขาไม่ได้เซฟลูกที่ผู้รักษาประตูของทีมอื่นอาจจะเซฟได้

พิจารณา Barcelona พวกเขาอยู่อันดับ 3 ในลีกด้วย 31 คะแนน ทำได้ 28 ประตูและเสียไป 15 ประตู xG ของพวกเขาสำหรับฤดูกาลนี้คือ 29.1 และ xGA ของพวกเขาคือ 16.5 ซึ่งแสดงให้เห็นว่าพวกเขา *ทำผลงานได้แย่กว่า* xG ของพวกเขาเล็กน้อย (ทำได้น้อยกว่าที่คาดไว้ 1.1 ประตู) แต่ก็ *ทำผลงานได้ดีกว่า* xGA ของพวกเขา (เสียประตูน้อยกว่าที่คาดไว้ 1.5 ประตู) สิ่งนี้อาจชี้ให้เห็นถึงปัญหาการจบสกอร์ที่แม่นยำในแนวรุก แต่ก็ยังมีการรักษาประตูที่แข็งแกร่งหรือการบล็อกเกมรับที่ทันเวลาช่วยพวกเขาในแนวรับ

นี่คือภาพรวมของสามอันดับแรกในลาลีกาหลังจบนัดที่ 15:

| ทีม | ประตูจริง | xG | เสียประตูจริง | xGA | ผลต่างประตู | ผลต่าง xG |

| :------------- | :----------- | :----- | :-------------- | :----- | :-------------- | :------------ |

| Real Madrid | 35 | 32.5 | 12 | 10.8 | +23 | +21.7 |

| Girona | 31 | 28.9 | 18 | 17.2 | +13 | +11.7 |

| Barcelona | 28 | 29.1 | 15 | 16.5 | +13 | +12.6 |

ผลต่าง xG ของ Real Madrid ที่ +21.7 นั้นดีกว่า Girona ที่ +11.7 ถึง 9 ประตู ซึ่งอธิบายได้ว่าทำไมพวกเขาถึงรู้สึกว่าเหนือกว่ามากแม้ว่าช่องว่างคะแนนจริงจะยังไม่มากนัก ในทางกลับกัน Girona กำลังทำผลงานได้ดีเกินคาดเล็กน้อย โดยทำได้ 2.1 ประตูมากกว่าที่ xG ของพวกเขาแนะนำ นั่นเป็นสัญญาณของการจบสกอร์ที่มีคุณภาพจากผู้เล่นอย่าง Artem Dovbyk ซึ่งทำไปแล้ว 11 ประตูจาก xG 8.9

นอกเหนือจากการยิงประตูพื้นฐาน

มันซับซ้อนกว่านั้นอีก นอกจากนี้ยังมี Non-Penalty Expected Goals (NPxG) ลูกโทษโดยพื้นฐานแล้วคือการยิงที่มี xG 0.76 (ตามโมเดลของ Opta แม้ว่าจะแตกต่างกันเล็กน้อย) การรวมลูกโทษสามารถบิดเบือน xG ของทีมได้หากพวกเขาได้ลูกโทษจำนวนมาก