ดูสิ ใครก็ตามที่อยู่กับฟุตบอลมานานพอจะรู้ว่าการทดสอบด้วยสายตายังคง ...

พูดกันตรงๆ: xG วัดความน่าจะเป็นที่การยิงจะส่งผลให้เกิดประตู โดยอิงจากปัจจัยหลายอย่าง เรากำลังพูดถึงตำแหน่งการยิง ส่วนของร่างกายที่ใช้ ประเภทการช่วยเหลือ มุมที่เข้าประตู ไม่ว่าจะเป็นการดวลตัวต่อตัว แรงกดดันจากกองหลัง และแม้กระทั่งสิ่งต่างๆ เช่น ช่วงของการเล่นที่นำไปสู่การยิง – การเล่นแบบเปิด การตั้งเตะ การโต้กลับเร็ว มันเป็นทศนิยมระหว่าง 0 ถึง 1 โดย 0.1 หมายถึงโอกาสทำประตู 10% และ 0.8 หมายถึงโอกาส 80% ดังนั้นลูกยิงโล่งๆ จากระยะ 6 หลา? นั่นอาจจะเป็น 0.7 หรือ 0.8 xG ลูกยิงไกลจาก 30 หลา? อาจจะ 0.02

เบื้องหลังตัวเลข

มันคำนวณอย่างไร? มันไม่ใช่สูตรที่ง่ายที่คุณสามารถจดลงบนกระดาษเช็ดปากได้ ผู้ให้บริการข้อมูลเช่น Opta, StatsBomb และ FBref (ซึ่งส่วนใหญ่ใช้ข้อมูล StatsBomb สำหรับ xG) ล้วนมีโมเดลที่เป็นกรรมสิทธิ์ของตนเอง ซึ่งสร้างขึ้นจากอัลกอริทึมการเรียนรู้ของเครื่องที่ฝึกฝนจากลูกยิงในอดีตนับแสนหรือล้านลูก ลูกยิงแต่ละลูกในฐานข้อมูลประวัติศาสตร์ของพวกเขาจะถูกแท็กด้วยปัจจัยทั้งหมดที่ฉันกล่าวถึง และโมเดลจะเรียนรู้ที่จะทำนายว่าลูกยิงที่คล้ายกันในอดีตส่งผลให้เกิดประตูบ่อยแค่ไหน

ยกตัวอย่างโมเดล Opta มีรายงานว่าใช้ลูกยิงกว่า 300,000 ลูกจากลีกชั้นนำต่างๆ เป็นข้อมูลการฝึกฝน โมเดลของ StatsBomb มักถูกพิจารณาว่ามีความละเอียดมากกว่าเนื่องจากพวกเขามีการติดตามข้อมูลเหตุการณ์ที่มากขึ้น เช่น ตำแหน่งที่แน่นอนของผู้เล่นทุกคนในสนาม ณ เวลาที่ยิง และแม้กระทั่งสิ่งต่างๆ เช่น ความเร็วในการยิง รายละเอียดเพิ่มเติมนี้อาจนำไปสู่ความแตกต่างเล็กน้อยในค่า xG สำหรับลูกยิงเดียวกันในผู้ให้บริการที่แตกต่างกัน ตัวอย่างเช่น ลูกยิงที่กองหลังกำลังบล็อกวิสัยทัศน์ของประตูโดยตรง อาจมี xG ที่ต่ำกว่าในโมเดลของ StatsBomb มากกว่าของ Opta หาก Opta ไม่ให้น้ำหนักกับตำแหน่งกองหลังมากนัก

ตอนนี้ มาพูดถึงฤดูกาลลาลีกา 2025-26 กัน Real Madrid ตามที่คาดไว้ กำลังทำผลงานได้อย่างยอดเยี่ยม หลังจากผ่านไป 15 นัด พวกเขานั่งอยู่บนตารางคะแนนจริงด้วย 38 คะแนน โดยยิงได้ 35 ประตูและเสียไป 12 ประตู แต่ตัวเลขพื้นฐานของพวกเขาก็น่าประทับใจไม่แพ้กัน xG รวมของพวกเขาคือ 32.5 และ Expected Goals Against (xGA) ของพวกเขาคือ 10.8 ซึ่งเป็นอันดับหนึ่งของลีก นี่หมายความว่าพวกเขา *ทำผลงานได้ดีกว่า* xG เล็กน้อยถึง 2.5 ประตู แต่ที่สำคัญคือ *ทำผลงานได้แย่กว่า* xGA ถึง 1.2 ประตู การที่พวกเขายิงเสียประตูมากกว่า xGA บ่งชี้ว่าพวกเขาอาจจะโชคร้ายเล็กน้อยกับลูกยิงที่พวกเขาเผชิญ หรือผู้รักษาประตูของพวกเขาไม่สามารถเซฟได้เหมือนผู้รักษาประตูของทีมอื่น

พิจารณา Barcelona พวกเขาอยู่อันดับ 3 ในลีกด้วย 31 คะแนน ยิงได้ 28 ประตู และเสียไป 15 ประตู xG ของพวกเขาสำหรับฤดูกาลนี้คือ 29.1 และ xGA ของพวกเขาคือ 16.5 นี่แสดงให้เห็นว่าพวกเขา *ทำผลงานได้แย่กว่า* xG เล็กน้อย (ยิงได้น้อยกว่าที่คาดไว้ 1.1 ประตู) แต่ก็ *ทำผลงานได้ดีกว่า* xGA (เสียประตูน้อยกว่าที่คาดไว้ 1.5 ประตู) นี่อาจชี้ให้เห็นถึงปัญหาการจบสกอร์ที่แม่นยำในแนวรุก แต่ก็ยังมีการรักษาประตูที่แข็งแกร่งหรือการบล็อกเกมรับที่ทันเวลาช่วยพวกเขาในแนวรับ

นี่คือภาพรวมของสามอันดับแรกในลาลีกาหลังจบแมตช์เดย์ที่ 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 ประตูเต็ม ซึ่งอธิบายได้ว่าทำไมพวกเขาถึงรู้สึกว่าเหนือกว่ามาก แม้ว่าช่องว่างคะแนนจริงจะยังไม่มากนักก็ตาม ในทางกลับกัน Girona กำลังทำผลงานได้ดีเกินคาดเล็กน้อย โดยยิงได้มากกว่า xG ที่คาดไว้ 2.1 ประตู นั่นเป็นสัญญาณของการจบสกอร์ที่มีคุณภาพจากผู้เล่นอย่าง Artem Dovbyk ซึ่งยิงไปแล้ว 11 ประตูจาก xG 8.9

นอกเหนือจากการยิงพื้นฐาน

มันซับซ้อนขึ้นไปอีก นอกจากนี้ยังมี Non-Penalty Expected Goals (NPxG) การยิงจุดโทษโดยพื้นฐานแล้วคือการยิงที่มี xG 0.76 (ตามโมเดลของ Opta แม้ว่าจะแตกต่างกันเล็กน้อย) การรวมการยิงจุดโทษอาจทำให้ xG ของทีมบิดเบือนไปได้หากพวกเขาได้ลูกจุดโทษจำนวนมาก ดังนั้น NPxG จึงตัดสิ่งเหล่านี้ออกไป ทำให้ได้ภาพที่ชัดเจนขึ้นของภัยคุกคามจากการโจมตีแบบเปิด ตัวอย่างเช่น หาก Real Madrid มี xG 32.5 แต่มี 4 จุดโทษ (3.04 xG) NPxG ของพวกเขาจะอยู่ที่ 29.46 ซึ่งช่วยในการเปรียบเทียบทีมโดยไม่ต้องพึ่งโชคจากการได้ลูกจุดโทษ

จากนั้นก็มี Expected Goals On Target (xGOT) ซึ่งนำ xG ไปอีกขั้นโดยการประเมินคุณภาพของการยิง *หลังจาก* ที่ลูกถูกยิงไปแล้ว โดยเฉพาะอย่างยิ่งหากลูกเข้ากรอบ มันจะดูว่าลูกยิงไปตกที่ใดบนกรอบประตู การยิงจากตำแหน่ง xG สูงที่ตรงไปที่หน้าอกผู้รักษาประตูอาจมี xGOT ต่ำกว่าการยิงจากตำแหน่ง xG ที่ต่ำกว่าเล็กน้อยที่พุ่งเข้ามุมบน ซึ่งช่วยแยกแยะความแตกต่างระหว่างการยิงที่ดีและการ *วางลูกยิง* ที่ดี ตัวอย่างเช่น Vinicius Jr. ของ Real Madrid อาจมี 8 ประตูจาก xG 7.5 แต่ xGOT ของเขาอาจเป็น 9.2 ซึ่งบ่งชี้ว่าเขาวางลูกยิงในพื้นที่ที่ยากต่อการเซฟได้อย่างสม่ำเสมอ

นี่คือสิ่งสำคัญ: xG ไม่ใช่การทำนายผลลัพธ์ที่เฉพาะเจาะจง มันเกี่ยวกับการประเมินประสิทธิภาพในช่วงตัวอย่างที่ใหญ่ขึ้น ทีมอาจโชคดีหรือโชคร้ายในเกมเดียว จำเกมที่น่าตื่นเต้น 4-3 ระหว่าง Atlético Madrid กับ Villarreal ในแมตช์เดย์ที่ 12 ได้ไหม? Atlético ชนะ แต่ xG ของพวกเขาคือ 2.1 เทียบกับ Villarreal ที่ 3.5 นั่นเป็นกรณีคลาสสิกที่ Atlético อาศัยโชคและ Villarreal ไม่สามารถเปลี่ยนโอกาสที่เหนือกว่าให้เป็นประตูได้ ตลอดทั้งฤดูกาล ความผิดปกติเหล่านั้นมักจะเท่ากัน และตาราง xG มักจะดูคล้ายกับตารางลีกจริงอย่างน่าทึ่ง แต่มีความแตกต่างที่บอกเล่าบางอย่าง มันเน้นทีมที่ทำผลงานได้ดีเกินคาด (ยิงได้มากกว่า xG เสียประตูน้อยกว่า xGA) หรือทำผลงานได้ต่ำกว่าคาด (ตรงกันข้าม)

ความเห็นส่วนตัวของฉัน? สโมสรใดที่ยังคงพึ่งพาสถิติแบบดั้งเดิมเพียงอย่างเดียว เช่น การยิงเข้ากรอบหรืออัตราการเปลี่ยนโอกาสโดยไม่เจาะลึก xG และ xGOT กำลังทิ้งข้อมูลเชิงลึกที่นำไปใช้ได้จริงไว้บนโต๊ะ มันไม่ใช่แค่สำหรับนักวิเคราะห์อีกต่อไปแล้ว มันเป็นเครื่องมือสำคัญในการทำความเข้าใจว่าผลลัพธ์ของทีมของคุณยั่งยืนหรือไม่

การทำนายที่กล้าหาญสำหรับลาลีกา 2025-26: แม้ว่าช่องว่างคะแนนจริงของ Barcelona แต่ NPxG ที่เหนือกว่าของพวกเขาจะทำให้พวกเขาลดช่องว่างกับ Girona และจบในสองอันดับแรกได้อย่างสบายๆ โดยหลักๆ แล้วเนื่องจาก Robert Lewandowski ค้นพบความเฉียบคมในการจบสกอร์และเปลี่ยนโอกาสที่มีความน่าจะเป็นสูงที่เขากำลังพลาดไปให้เป็นประตู