2026-03-10
Bàn thắng kỳ vọng (xG) đã trở thành một công cụ không thể thiếu trong phân tích bóng đá hiện đại, cung cấp một thước đo định lượng về chất lượng cú sút. Tuy nhiên, không phải tất cả các mô hình xG đều được tạo ra như nhau, và độ chính xác của chúng có thể thay đổi đáng kể dựa trên các điểm dữ liệu mà chúng kết hợp và các thuật toán mà chúng sử dụng. Khi chúng ta đi sâu hơn vào mùa giải 2025-2026, việc xem xét kỹ hơn những sắc thái này sẽ tiết lộ những hiểu biết sâu sắc hấp dẫn về hiệu suất của đội và sự xuất sắc của cá nhân.
Hãy xem xét sự chênh lệch thường thấy giữa tổng xG của một đội và tổng số bàn thắng thực tế của họ. Mặc dù có một mối tương quan chung, nhưng các trường hợp ngoại lệ là phổ biến. Lấy ví dụ, Manchester City. Tính đến đầu tháng 3 năm 2026, các mô hình xG khác nhau của họ thường đặt họ vào khoảng 58-60 bàn thắng kỳ vọng, nhưng số bàn thắng thực tế của họ đã tăng vọt lên 68. Việc vượt trội 8-10 bàn thắng này không chỉ đơn thuần là may mắn; nó cho thấy khả năng chuyển hóa cơ hội một cách nhất quán với tỷ lệ cao hơn so với cú sút trung bình. Những cầu thủ như Erling Haaland, với khả năng ghi bàn đáng kinh ngạc từ những góc dường như không thể, rõ ràng đã đóng góp vào điều này.
Độ chính xác của một mô hình xG phụ thuộc vào chiều sâu và bề rộng của các thông số đầu vào của nó. Các mô hình cơ bản có thể chỉ xem xét vị trí sút và bộ phận cơ thể. Tuy nhiên, các phiên bản tinh vi hơn kết hợp một lượng lớn dữ liệu bổ sung: loại kiến tạo (chọc khe, tạt bóng, trả ngược), số lượng hậu vệ giữa người sút và khung thành, vị trí của thủ môn, và thậm chí cả trạng thái trận đấu (ví dụ: tỷ số, thời gian còn lại). Các lớp ngữ cảnh bổ sung này có thể tinh chỉnh đáng kể xác suất được gán cho mỗi cú sút. Để biết thêm thông tin chi tiết, hãy xem bài viết của chúng tôi về Robert Lewandowski: Kẻ săn mồi đỉnh cao của PSG trong vòng cấm.
Ví dụ, một cú sút của Bukayo Saka của Arsenal từ rìa vòng cấm, với hai hậu vệ đang áp sát anh ta và thủ môn ở vị trí tốt, đương nhiên sẽ có xG thấp hơn so với một cú sút giống hệt mà Saka có thời gian và không gian. Một mô hình xG vững chắc phải phản ánh sự khác biệt này. Một số mô hình thậm chí còn cố gắng tính đến khả năng dứt điểm cụ thể của cầu thủ, mặc dù điều này thường làm mờ ranh giới giữa xG thuần túy (chất lượng cú sút) và khả năng ghi bàn dự đoán. Mặc dù hấp dẫn, việc kết hợp dữ liệu cụ thể của cầu thủ có thể làm cho các mô hình ít áp dụng phổ biến hơn để so sánh chất lượng cú sút giữa các cầu thủ hoặc đội khác nhau.
Vẻ đẹp của xG nằm ở khả năng làm nổi bật những người chơi vượt trội và kém hiệu quả. Ví dụ, Napoli đã liên tục tạo ra các con số xG cao trong suốt mùa giải, thường xuyên nằm trong top ba ở Serie A về số bàn thắng kỳ vọng được tạo ra. Tuy nhiên, tổng số bàn thắng thực tế của họ đôi khi bị tụt lại phía sau, cho thấy một sự kém hiệu quả tiềm ẩn trong việc chuyển hóa hoặc có lẽ là một chuỗi dứt điểm không may mắn. Victor Osimhen, bất chấp khả năng ghi bàn sung mãn của mình, đã có những giai đoạn trong mùa giải này mà xG của anh ta vượt xa số bàn thắng thực tế, cho thấy anh ta đã có được những vị trí xuất sắc nhưng có lẽ không phải lúc nào cũng thực hiện được pha dứt điểm mà anh ta nổi tiếng. Để biết thêm thông tin chi tiết, hãy xem bài viết của chúng tôi về Arsenal vs Liverpool: Trận chiến chiến thuật tại Emirates Stadium.
Ngược lại, Brighton & Hove Albion, mặc dù thường có tổng xG thấp hơn một số đối thủ ở giữa bảng, đã tìm cách giành được kết quả. Sự vững chắc trong phòng ngự và khả năng tận dụng ít cơ hội chất lượng cao hơn đã giúp họ vượt trội hơn xG về mặt phòng ngự, để thủng lưới ít bàn hơn dự kiến. Điều này làm nổi bật cách xG không phải là yếu tố quyết định duy nhất của thành công mà là một phần quan trọng của câu đố phân tích. Nó giúp chúng ta hiểu cách các đội đang thể hiện, không chỉ kết quả cuối cùng là gì.
Tương lai của các mô hình xG có thể sẽ liên quan đến mức độ chi tiết hơn nữa. Chúng ta đã thấy sự xuất hiện của 'xG Chain' và 'xG Buildup', cố gắng ghi nhận tất cả các cầu thủ tham gia vào một pha bóng dẫn đến một cú sút, không chỉ người sút và người kiến tạo. Hơn nữa, những tiến bộ trong dữ liệu theo dõi có thể cho phép các mô hình tính đến chuyển động không bóng của cầu thủ hiệu quả hơn, dự đoán khả năng xảy ra một cú sút ngay cả trước khi nó xảy ra, dựa trên đội hình phòng ngự và các pha chạy chỗ tấn công.
Cuối cùng, xG vẫn là một thước đo xác suất, không phải là một dự đoán dứt khoát. Nó cung cấp một lăng kính mạnh mẽ để phân tích trận đấu, tiết lộ các xu hướng cơ bản và cung cấp một đánh giá khách quan hơn về hiệu suất. Hiểu được sự khác biệt giữa các mô hình và các yếu tố góp phần vào độ chính xác của chúng cho phép chúng ta đánh giá chiều sâu thực sự của phân tích bóng đá và cách nó tiếp tục định hình sự hiểu biết của chúng ta về môn thể thao vua vào năm 2026.