Micsoda az xG (expected goals), ami mostanra már beleívódott a köztudatba a labdarúgás terén? Van-e komolyabb jelentősége? Az elmúlt években a különböző statisztikai mutatókkal próbálták még inkább szemléltetni, melyik csapat teljesített jobban az adott mérkőzésen. Mire elterjed a kifejezés a nagyvilágban, addigra elavul a szakmai berkekben? Hogyan segít nekünk az xG a sportfogadásban?

Az xG az expected goals rövidített neve és jelenleg az egyik népszerű statisztikai mutató a foci világában, magyar fordításban a várható gólok számának nevezik. Vannak akik szerint ez a szent grál a fociban és vannak akik teljesen hülyeségnek tekintik, de ez nem más, mint egy statisztikai adat és úgy is kell kezelni: nem fogja ez a statisztika sem megmondani egy futball meccs eredményét, de lehet rá támaszkodni egy labdarúgó mérkőzés elemzésekor. 

Leegyszerűsítve az xG megpróbálja megjósolni annak a valószínűségét, hogy egy lövésből gól születhet vagy sem.

Az xG mutató kiszámítása

Ellentétben a baseball, kosárlabda vagy az amerikai foci hármasával, labdarúgásba viszonylag későn érkeztek a mélyebb statisztikai mutatók. Azt mindenki tudta, melyik csapat nyert, mint ahogyan egy idő után a kapura lövések számával is egyre többet kezdtek el foglalkozni, de ezekből még nem derült ki azok számára, akik nem látták az adott találkozót, hogy pontosan ezek milyen lövések voltak, mekkora helyzetek. Lehet, hogy egy gárda nyolc alkalommal próbálkozott lövéssel, de egyik sem volt releváns lehetőség. 

Egészen 2012-ig kellett várni, amikor az OPTA munkatársa, Sam Green bemutatta az expected goals-t (vagyis az xG-t). Majdhogynem ezzel párhuzamosan, Colin Trainor is elkezdett dolgozni egy hasonló rendszeren. Az xG lényege, hogy a helyzetek minőségét helyezi előtérbe: milyen volt a lövési szög és a távolság, mely testrészével próbált gólt elérni a játékos, milyen volt maga az akció, amiből a lehetőség kialakult, passz amit kapott, milyen módon érkezett (ívelés, lapos stb.)

Colin Trainor: Az ember, aki megmentette Jürgen Klopp karrierjét. A 2014/15-ös szezonban a Dortmund pocsékul kezdett, féltávnál az utolsók voltak a Bundesligában. Ekkor Trainor a saját adatelemzését elvégezve arra jutott, hogy a Dortmund szimplán balszerencsés, statisztikai mutatóinak köszönhetően megbizonyosodhattak róla az emberek, hogy a Dortmundnak a 4-5. hely környékén kéne állnia (szezon végén 7. helyen végzett a Dortmund, megfordult a szerencse). A StatsBomb.com-on megjelent cikkét olvasta a Liverpool kutatási vezetője, Ian Graham is, akit meggyőztek a számok, így került következő évben Angliába Klopp, ahol végül Bajnokok Ligáját nyert a Liverpool csapatával. 

Nem elég a gól és a kapura lövés

Sok különböző tényezőt vesz figyelembe a modell (a legújabbak már a kapusok és a védők helyezkedését is belekalkulálják), súlyozza a helyzeteket, ezt pedig számszerűsíti egy 0 és 1 közötti skálán. Az így kapott számot, tételezzük fel, hogy 0.55-öt, pedig lehet százalékosítani, 55%-ra, ekkora eséllyel rúgja be az illető az adott helyzetet.

A nagyobb lehetőség, amely szinte egyenértékű a góllal, az közelít az egyhez, míg az olyan szögből leadott lövés, ahonnét szinte lehetetlen gólt elérni a nullához közelít.

Az viszont már kiérezhető a szövegből, hogy különböző cégek, különböző xG-modelleket fejlesztettek, néhány alapvető mutató megegyezik azok közül, amiket figyelembe vesznek (lövés helye, testrész stb.), de igyekszik mindenki tökéletesíteni a saját xG-formuláját. A különböző statisztikai oldalak saját xG-modellt fejlesztenek, hogy ne kényszerüljenek mások adatbázisára.

Az xG anomáliái

Az expected goals formulái alapján, az egyik legbiztosabb helyzet, amiből gól lehet, az a tizenegyes (0.75, tehát 75%). Látható, hogy az érték közelít az egyhez, de meghagyva a lehetőséget a hibázásra. A modell úgy kalkulál, hogy függetlenül attól, ki áll oda a büntetőhöz, 75% az esélye, hogy berúgja. Ez viszont téves feltételezés. Vannak ugyanis kiemelkedő végrehajtók, mint Matt Le Tissier, aki pályafutása során 37 büntetőt végezhetett el és egyszer sem hibázott (100%).

Akadnak viszont gyengébb rúgók, mint a világbajnok Antoine Griezmann, aki 30 büntetőjéből 11-et elhibázott (63%-os hatékonyság). Ezek alapján, ha Le Tissier állna a büntetőhöz, akkor a 0.75-ös xG-mutató inkább 1.00, mivel szinte garantált a gól, míg Griezmann esetében 0.63 környékén kéne lennie. Magát a végrehajtót viszont nem veszi figyelembe a rendszer. Így hiába egy 0.75-ös helyzet, ha Griezmann kihagyja. 

A másik oldalon viszont van egy 0.02-es, ergo 2% az esély, hogy gól lesz a lövésből, pedig a tizenhatoson belülről adták le a lövést. A helyzetből mégis gól lesz, ami egyetlen személynek köszönhető: Marco van Basten. A holland támadó kiemelkedő képességekkel rendelkezik, ha más áll oda a lövéshez, minden bizonnyal kihagyja. Ebben az esetben viszont ott volt a klasszis faktora, úgy, mint mondjuk Maradona megoldásainak esetében, netalán Messi vagy Ronaldo villanásainál. 

Ezzel azonban az xG-modell nem számol. Ők szimplán csak a statisztikai mutatókat figyelik, azt sem veszik figyelembe, milyen állapotban van a pálya, ugyanis lehet, hogy egy távoli lövés alapjáraton nem menne be, de a csúszós fű meglepi a kapust, így lesz egy 0.05-ös lövésből gól. Ezért is csalóka az expected goals: egyfelől hasznos, hogy kicsit közelebb érezzük magunkhoz a mérkőzést a statisztikán keresztül, másfelől viszont tévútra vihet minket. 

A modell szerencsét hozott Jürgen Kloppnak, hiszen bizonyította, hogy a Dortmund szimplán csak szerencsétlen véletlenek áldozata, de nem segített a Napolinak a 2015/16-os szezonban, ahol elvileg jobb xG-mutatókkal rendelkeztek, mint a Juventus, mégis a torinóiak nyerték a bajnoki címet (9 ponttal...). Az xG egy összetett mutatónak tűnik, de még nagyon sokat kell rajta dolgozni, hogy ténylegesen megmutassa, mi történik egy adott mérkőzésen. 

Az xG hasznosítása sportfogadásban

Rávilágítottunk az xG hiányosságaira, de összességében nincsen minden csapatban Van Basten, Maradona vagy Messi, így az xG egy mankó lehet azzal kapcsolatban, milyen formában vannak a csapatok. Mennyi veszélyes helyzetet dolgoznak ki, hiszen hiába van mondjuk egy gárdánál 65%-ban a labda, ha az xG-mutatója csak 0.25, akkor azt jelenti, hogy meddő mezőnyfölényre képesek, nem veszélyesek az ellenfél kapujára, de érdemes ezt párhuzamba állítani a rúgott góljaikkal is. 

A legjobb példa erre az Union Berlin csapata, akik az egyik leghatékonyabban kontrázó csapat a 2022/23-as szezonban. Hiába van mindössze 42%-ban náluk a labda, mégis 50 gólt szereztek, azonban az xG alapján csak 34-et kellett volna szerezniük. Az Union Berlin jól sáfárkodik a helyzeteikkel, kiemelkedő hatékonysággal bírnak, így az esetükben szinte felesleges nézni az xG-mutatókat - mert kevésbé nagy helyzetekből is gólt szereznek -, de a Bundesliga többi csapatánál eléggé jól eltalálták az xG-vel a gólok mennyiségét. 

xG és xGA alkalmazása az under/over fogadásokra

Ez utóbbi az, amiben még segíthet az xG, hogy overes vagy underes lesz-e az adott találkozó. Ha két olyan klub játszik, akiknek a szezon során alacsony az xG-mutatójuk, nincsenek nagy helyzeteik, akkor valószínűleg az egymás elleni meccseiken sem fognak remekelni, ha viszont magasak a mutatók, akkor már lehetőség nyílik az overre. Ezt párhuzamba kell állítani az xGA-val (expected goals against), amely arra hivatott felhívni a figyelmet, milyen a csapat védelme.

Minél magasabb mindkét mutató (xG és xGA), annál inkább valószínű, hogy a gárda adok-kapok meccseket játszik, nem jó a védelmük, nagy helyzeteket dolgoznak ki ellenük, viszont ők is veszélyesek az ellenfél kapujára, így könnyebben lehet overezni. Ha alacsony az xG és magas az xGA, akkor azt jelenti, hogy valószínűleg egy kiscsapatról beszélünk, sok helyzetet dolgoznak ki ellenük, itt már minden a kapuson múlik, mennyi gólt kapnak belőle. 

Mit jelent az xG értéke?

Az xG 0 és 1 közötti szám, ahol az 1 jelenti a biztos gólt, a 0 pedig azt, hogy biztosan nem lesz gól. Például a 0.7-es xG 70%-os gólesélyt jelent, vagyis 10 ilyen lövésből 7 betalál a hálóba. A büntetők xG-je 0.75.

Hogyan olvassunk le egy xG térképet?

Egy ilyen térképen (mapen) általában pontokkal jelzik, hogy honnan születhet gól és a pont mérete a valószínűségszám szerint változik: a nagyobb pont nagyobb xG értéket jelent.

Milyen sportágakban vannak még hasonló mutatók?

Az expected goals mutatót főleg labdarúgásban és jégkorongban használják. Kosárlabdában már jóval a foci előtt voltak komolyabb statisztikai mutatók játékosok és csapatok szintjén is. Ilyenek a játékosok esetén a TS%, PER, eFG%, DRPM statisztikák. Amerikai fociban is vannak hasonló statisztikai mutatók.