در فوتبال مدرن، دیگر تنها نتیجه نهایی مسابقه برای تحلیل عملکرد یک تیم کافی نیست. ممکن است تیمی یک بازی را ۲ بر صفر ببازد، اما موقعیت‌های بیشتری ساخته باشد و از نظر آماری شایسته نتیجه بهتری بوده باشد. یکی از مهم‌ترین شاخص‌هایی که برای بررسی این موضوع استفاده می‌شود، امید گل یا Expected Goals با مخفف xG است.
xG دقیقاً چه چیزی را اندازه‌گیری می‌کند؟ آیا وقتی یک تیم xG بالاتری دارد، حتماً بهتر بازی کرده است؟ چرا گاهی تیمی با xG بسیار بالا گل نمی‌زند و تیم دیگری با موقعیت‌های کمتر به پیروزی می‌رسد؟
در این مطلب، مفهوم xG، نحوه محاسبه آن، کاربردهایش در تحلیل فوتبال و مهم‌تر از همه محدودیت‌هایی که هنگام تفسیر این آمار باید در نظر گرفت را بررسی می‌کنیم. با یونایتد کلاب همراه باشید.
xG چیست؟
Expected Goals یا xG، شاخصی آماری برای اندازه‌گیری کیفیت موقعیت‌های گلزنی است.
به زبان ساده، xG نشان می‌دهد یک شوت، با توجه به ویژگی‌های آن موقعیت، چه احتمالی برای تبدیل شدن به گل دارد.
برای مثال، اگر یک شوت دارای xG برابر با ۰٫۲۰ باشد، یعنی در مجموعه بزرگی از موقعیت‌های مشابه، به‌طور میانگین حدود ۲۰ درصد از این ضربات به گل تبدیل شده‌اند.
بنابراین:
- xG = ۰٫۰۵ یعنی موقعیتی با احتمال گل شدن حدود ۵ درصد
- xG = ۰٫۲۰ یعنی احتمال گل شدن حدود ۲۰ درصد
- xG = ۰٫۵۰ یعنی احتمال گل شدن حدود ۵۰ درصد
- xG = ۰٫۸۰ یعنی موقعیتی بسیار خطرناک با احتمال گل شدن حدود ۸۰ درصد
نکته مهم این است که xG پیش‌بینی قطعی نتیجه یک شوت نیست. وقتی یک بازیکن موقعیتی با xG برابر ۰٫۸۰ دارد، به این معنا نیست که «حتماً» باید گل بزند؛ بلکه یعنی موقعیت‌های مشابه در داده‌های مورد استفاده مدل، حدود ۸۰ درصد مواقع به گل تبدیل شده‌اند.
xG چگونه محاسبه می‌شود؟
مدل‌های xG با استفاده از حجم زیادی از شوت‌های ثبت‌شده در مسابقات فوتبال ساخته می‌شوند. سپس ویژگی‌های مختلف هر موقعیت بررسی می‌شود تا احتمال گل شدن آن تخمین زده شود.
مهم‌ترین عوامل مورد استفاده در بسیاری از مدل‌ها عبارت‌اند از:
- فاصله شوت تا دروازه
- زاویه شوت
- محل قرارگیری بازیکن هنگام ضربه
- نوع موقعیت و نوع پاس قبل از شوت
- اینکه ضربه با پا یا سر زده شده باشد
- ضربه در جریان بازی یا از روی ضربه ایستگاهی باشد
- برخی اطلاعات مربوط به وضعیت دفاعی، در مدل‌های پیشرفته‌تر
برای مثال، یک ضربه از فاصله شش متری و در مقابل دروازه معمولاً xG بسیار بالاتری نسبت به شوتی از فاصله ۳۰ متری دارد.
به همین دلیل است که وقتی در آمار یک مسابقه می‌بینیم:
منچستریونایتد ۲٫۱ xG – حریف ۰٫۷ xG
می‌توانیم برداشت کنیم که یونایتد در مجموع موقعیت‌های باکیفیت‌تری ایجاد کرده است؛ اما این عدد به‌تنهایی نمی‌گوید چرا مسابقه دقیقاً با یک نتیجه خاص به پایان رسیده است.
xG تیمی چه چیزی را نشان می‌دهد؟
برای به دست آوردن xG یک تیم در یک مسابقه، معمولاً ارزش xG تمام شوت‌های آن تیم با یکدیگر جمع می‌شود.
فرض کنید یک تیم در یک مسابقه پنج موقعیت ایجاد کرده است:
| موقعیت | xG |
| موقعیت اول | ۰٫۱۰ |
| موقعیت دوم | ۰٫۳۰ |
| موقعیت سوم | ۰٫۰۵ |
| موقعیت چهارم | ۰٫۶۰ |
| موقعیت پنجم | ۰٫۲۰ |
| مجموع | ۱٫۲۵ |
در این مثال، تیم موردنظر ۱٫۲۵ xG تولید کرده است.
این یعنی بر اساس مدل آماری، چنین مجموعه‌ای از موقعیت‌ها در بلندمدت به‌طور میانگین حدود ۱٫۲۵ گل ایجاد می‌کند.
اما ممکن است تیم در همان مسابقه:
- صفر گل بزند؛
- یک گل بزند؛
- دو گل بزند؛
- یا حتی بیشتر گلزنی کند.
بنابراین xG با تعداد گل واقعی یکسان نیست.
چرا xG با گل‌های واقعی تفاوت دارد؟
این یکی از مهم‌ترین نکات برای درک آمار فوتبال است.
اگر یک تیم ۲٫۵ xG داشته باشد، به این معنا نیست که «باید دقیقاً ۲٫۵ گل» بزند. xG یک احتمال آماری است و نه پیش‌بینی دقیق نتیجه مسابقه.
ممکن است تیمی با ۲٫۵ xG سه گل بزند و عملکردی بهتر از انتظار داشته باشد. ممکن است همان تیم در مسابقه دیگری با ۲٫۵ xG هیچ گلی نزند.
به همین دلیل، اختلاف میان گل‌های واقعی و xG می‌تواند برای بررسی عملکرد مهاجمان و تیم‌ها جالب باشد.
البته این اختلاف را نیز نباید بدون در نظر گرفتن عوامل دیگر، به‌سرعت به «خوش‌شانسی» یا «بدشانسی» نسبت داد.
مهم‌ترین محدودیت‌های xG چیست؟
xG یکی از مفیدترین ابزارهای تحلیل فوتبال است، اما معیار کاملی برای توضیح تمام اتفاقات یک مسابقه نیست.
شناخت محدودیت‌های آن به اندازه شناخت خود xG اهمیت دارد.
۱. xG تمام مهارت بازیکن را اندازه نمی‌گیرد
یکی از مهم‌ترین محدودیت‌های مدل‌های پایه xG این است که احتمال گل شدن موقعیت را بر اساس ویژگی‌های موقعیت تخمین می‌زنند، نه اینکه تمام توانایی فنی بازیکن را در لحظه شوت لحاظ کنند.
برای مثال، دو مهاجم ممکن است دقیقاً از یک نقطه و با زاویه مشابه شوت بزنند، اما توانایی تمام‌کنندگی یکسانی نداشته باشند.
یک مهاجم فوق‌العاده در ضربات نهایی ممکن است در طول زمان بیشتر از xG خود گل بزند، در حالی که یک فینیشر ضعیف‌تر ممکن است کمتر از مقدار مورد انتظار گلزنی کند.
البته مدل‌های پیشرفته‌تر می‌توانند برخی تفاوت‌های مربوط به بازیکن را نیز در نظر بگیرند. بنابراین نباید تصور کرد که تمام مدل‌های xG دقیقاً یکسان هستند.
۲. فشار مدافعان همیشه به‌طور کامل ثبت نمی‌شود
تصور کنید دو بازیکن از یک فاصله و تقریباً با یک زاویه مشابه شوت می‌زنند.
در موقعیت اول، مهاجم کاملاً آزاد است.
در موقعیت دوم، یک مدافع قدرتمند دقیقاً مقابل او قرار دارد و اجازه نمی‌دهد ضربه به شکل ایده‌آل زده شود.
اگر مدل xG اطلاعات کافی درباره وضعیت مدافعان نداشته باشد، ممکن است ارزش این دو موقعیت را بیش از حد مشابه ارزیابی کند.
مدل‌های پیشرفته‌تر تلاش می‌کنند اطلاعات بیشتری درباره فشار دفاعی و موقعیت بازیکنان وارد کنند، اما بازسازی کامل تمام جزئیات لحظه شوت کار ساده‌ای نیست.
۳. شرایط بازی روی تصمیم بازیکنان تأثیر می‌گذارد
نتیجه مسابقه می‌تواند رفتار بازیکنان را تغییر دهد.
تیمی که عقب افتاده است ممکن است مجبور شود بیشتر ریسک کند و شوت‌هایی بزند که احتمال گل شدن پایینی دارند.
در مقابل، تیمی که از حریف جلو است ممکن است محتاط‌تر بازی کند و کمتر به دنبال موقعیت‌های پرریسک باشد.
به همین دلیل، یک شوت کم‌کیفیت در دقایق پایانی مسابقه ممکن است کاملاً ناشی از شرایط بازی باشد، نه اینکه بازیکن تصمیم بدی گرفته باشد.
۴. xG نمی‌گوید یک موقعیت دقیقاً چگونه ساخته شده است
xG بیشتر روی خود موقعیت و شوت نهایی تمرکز دارد.
اما فوتبال فقط ضربه آخر نیست.
یک موقعیت خطرناک ممکن است حاصل:
- پاس عمقی فوق‌العاده؛
- دریبل موفق؛
- پرس شدید و توپ‌گیری در زمین حریف؛
- حرکت بدون توپ؛
- یا اشتباه مدافع باشد.
دو تیم ممکن است دقیقاً یک xG مشابه داشته باشند، اما روش ایجاد موقعیت‌هایشان کاملاً متفاوت باشد.
بنابراین xG به‌تنهایی نمی‌تواند ارزش کامل یک پلی‌میکر، هافبک خلاق یا بازیکنی که موقعیت را ساخته است، نشان دهد.
۵. اشتباهات دفاعی همیشه داستان کامل را نشان نمی‌دهند
فرض کنید یک مدافع هنگام پاس دادن توپ را از دست بدهد و مهاجم حریف در موقعیتی تک‌به‌تک با دروازه‌بان قرار بگیرد.
xG می‌تواند نشان دهد که شوت نهایی یک موقعیت بسیار خطرناک بوده است؛ اما این عدد لزوماً توضیح نمی‌دهد چرا چنین موقعیتی ایجاد شد.
برای تحلیل عملکرد دفاعی یک تیم، باید عواملی مانند اشتباهات فردی، ساختار دفاعی، پرس، فاصله خطوط و نحوه از دست رفتن توپ نیز بررسی شوند.
۶. فرم و شرایط روحی بازیکن به‌سادگی در xG دیده نمی‌شود
اعتمادبه‌نفس، فرم فعلی و شرایط روانی بازیکن از عواملی هستند که اندازه‌گیری آن‌ها بسیار دشوار است.
بازیکنی که در شرایط بسیار خوبی قرار دارد ممکن است چندین هفته ضربات خود را فوق‌العاده تمام کند.
در مقابل، بازیکنی که از نظر روحی شرایط خوبی ندارد ممکن است موقعیت‌هایی را از دست بدهد که در شرایط عادی انتظار می‌رود به گل تبدیل کند.
xG می‌تواند نتیجه این اتفاق را ثبت کند، اما الزاماً نمی‌تواند علت آن را توضیح دهد.
۷. گل‌های خاص و شوت‌های استثنایی می‌توانند xG پایینی داشته باشند
یکی از جذاب‌ترین بخش‌های فوتبال، گل‌هایی است که از نظر آماری احتمال بسیار کمی برای وقوع دارند.
شوت‌های بسیار دور، ضربات والی دشوار یا ضربات فوق‌العاده تکنیکی معمولاً xG پایینی دارند.
اما بعضی بازیکنان به دلیل مهارت استثنایی خود می‌توانند در چنین موقعیت‌هایی بهتر از میانگین عمل کنند.
به همین دلیل، اگر بازیکنی بارها از خارج محوطه جریمه گلزنی کند، صرفاً با نگاه کردن به xG ممکن است ارزش واقعی مهارت او را به‌درستی درک نکنیم.
۸. ضربات آزاد مستقیم نیز داستان متفاوتی دارند
ضربات آزاد مستقیم نمونه دیگری از موقعیت‌هایی هستند که مهارت فردی اهمیت زیادی دارد.
برای یک بازیکن معمولی، تبدیل یک ضربه آزاد مستقیم به گل احتمال کمی دارد؛ اما بازیکنانی با مهارت ویژه در ضربات ایستگاهی می‌توانند عملکرد متفاوتی داشته باشند.
بازیکنانی مانند لیونل مسی یا جیمز وارد-پروس نمونه‌هایی هستند که نشان می‌دهند مهارت فردی می‌تواند در موقعیت‌های خاص اهمیت زیادی داشته باشد.
بنابراین تفسیر xG مربوط به ضربات آزاد نیز باید با توجه به نوع مدل و توانایی بازیکن انجام شود.
۹. دروازه‌بان در xG معمولی به‌طور کامل دیده نمی‌شود
یکی از مهم‌ترین محدودیت‌های xG پایه، نحوه برخورد آن با عملکرد دروازه‌بان است.
فرض کنید دو تیم دقیقاً یک موقعیت مشابه ایجاد کنند. در یک مسابقه، دروازه‌بانی فوق‌العاده دروازه را حفظ می‌کند و در مسابقه دیگر، همان شوت وارد دروازه می‌شود.
xG موقعیت در هر دو حالت تقریباً یکسان خواهد بود، زیرا کیفیت موقعیت قبل از واکنش نهایی دروازه‌بان اندازه‌گیری شده است.
در نتیجه، برای تحلیل عملکرد دروازه‌بان بهتر است در کنار xG از شاخص‌های تخصصی‌تر مانند Post-Shot xG یا PSxG نیز استفاده شود؛ شاخصی که ویژگی‌های خود ضربه، از جمله کیفیت و محل ضربه نهایی، را بهتر برای ارزیابی عملکرد دروازه‌بان در نظر می‌گیرد.
۱۰. پنالتی‌ها معمولاً xG بالایی دارند
پنالتی در بسیاری از مدل‌های xG ارزشی در حدود ۰٫۷۵ تا ۰٫۸۰ دارد؛ هرچند مقدار دقیق آن بسته به مدل و داده‌های مورد استفاده متفاوت است.
این عدد منطقی است، زیرا بخش قابل توجهی از پنالتی‌ها در فوتبال به گل تبدیل می‌شوند.
اما باز هم همه پنالتی‌ها یکسان نیستند.
مهارت پنالتی‌زن، کیفیت ضربه، انتخاب جهت و شرایط روانی مسابقه می‌توانند روی نتیجه تأثیر بگذارند.
بنابراین وقتی یک تیم مثلاً ۱٫۸ xG دارد که بخشی از آن مربوط به یک پنالتی است، نباید بدون توجه به نحوه شکل‌گیری این عدد، عملکرد هجومی تیم را ارزیابی کرد.
آیا xG برای یک مسابقه کافی است؟
خیر.
این یکی از مهم‌ترین نکاتی است که هنگام استفاده از آمار xG باید به خاطر داشت.
فرض کنید منچستریونایتد در یک مسابقه:
xG: ۲٫۴
و حریف:
xG: ۰٫۸
داشته باشد.
در نگاه اول، می‌توان گفت یونایتد موقعیت‌های گلزنی باکیفیت‌تری ایجاد کرده است.
اما برای تحلیل کامل مسابقه باید پرسید:
- این موقعیت‌ها چگونه ایجاد شدند؟
- چند شوت از داخل محوطه جریمه بود؟
- چند موقعیت حاصل اشتباه حریف بود؟
- مهاجمان چقدر در تمام‌کنندگی ضعیف یا خوب عمل کردند؟
- دروازه‌بان حریف چه عملکردی داشت؟
- یونایتد بعد از به دست آوردن برتری چگونه بازی کرد؟
- کیفیت موقعیت‌های حریف چقدر بود؟
- وضعیت بازی هنگام ایجاد این موقعیت‌ها چگونه بود؟
بنابراین xG شروع تحلیل است، نه پایان آن.
چرا xG در تحلیل منچستریونایتد اهمیت دارد؟
برای هواداران منچستریونایتد، xG می‌تواند ابزار بسیار خوبی برای بررسی این سؤال باشد که:
آیا مشکل تیم در نتیجه‌گیری است یا در ساختن موقعیت؟
فرض کنیم یونایتد در چند مسابقه متوالی xG بالایی تولید کند، اما گل‌های کمی بزند. این وضعیت می‌تواند نشان‌دهنده مشکلاتی در تمام‌کنندگی، تصمیم‌گیری در یک‌سوم نهایی یا عملکرد دروازه‌بان حریف باشد.
در مقابل، اگر یونایتد مرتباً xG پایینی داشته باشد، مشکل عمیق‌تر است و احتمالاً باید به کیفیت ساخت موقعیت، تاکتیک هجومی، پیشروی توپ و ایجاد موقعیت‌های خطرناک توجه کرد.
به همین دلیل، مقایسه گل‌های واقعی با xG در یک بازه طولانی می‌تواند اطلاعات بسیار بیشتری نسبت به بررسی یک مسابقه منفرد ارائه دهد.
تفاوت xG و گل واقعی چیست؟
برای درک ساده‌تر، این دو مفهوم را از هم جدا کنیم:
گل واقعی: اتفاقی که در زمین رخ داده است.
xG: احتمال آماری گل شدن موقعیتی که ایجاد شده است.
برای مثال، اگر یک مهاجم در طول یک فصل ۱۰ گل بزند و xG او ۷ باشد، می‌توان گفت او در مجموع بیشتر از میزان مورد انتظار مدل گل زده است.
اما این موضوع به‌تنهایی ثابت نمی‌کند که بازیکن حتماً «خوش‌شانس» بوده یا عملکردش در آینده نیز دقیقاً به همین شکل ادامه خواهد داشت.
از سوی دیگر، اگر بازیکنی ۵ گل با xG برابر ۱۰ داشته باشد، احتمالاً مسئله‌ای در تمام‌کنندگی یا عوامل دیگر وجود دارد؛ اما باز هم برای رسیدن به نتیجه قطعی باید جزئیات بیشتری بررسی شود.
آیا xG برای مقایسه بازیکنان هم مناسب است؟
بله، اما با احتیاط.
xG می‌تواند برای بررسی میزان و کیفیت موقعیت‌هایی که یک مهاجم به دست می‌آورد بسیار مفید باشد.
اما برای مقایسه دو مهاجم نباید تنها به xG نگاه کرد.
معیارهای دیگری مانند:
- تعداد شوت‌ها
- شوت در چارچوب
- گل‌های واقعی
- xG بدون پنالتی یا npxG
- پاس گل
- xA
- لمس توپ در محوطه جریمه
- کیفیت موقعیت‌هایی که بازیکن ایجاد می‌کند
- میزان مشارکت در ساخت حملات
نیز می‌توانند اهمیت داشته باشند.
برای مثال، مهاجمی که xG بالایی دارد اما بیشتر موقعیت‌هایش حاصل پاس‌های فوق‌العاده هم‌تیمی‌هاست، با مهاجمی که خودش دائماً موقعیت ایجاد می‌کند، نقش یکسانی ندارد.
چرا نباید xG یک بازی را بیش از حد جدی گرفت؟
فوتبال ورزشی با نمونه‌های آماری نسبتاً کوچک است.
ممکن است یک تیم در یک مسابقه چهار موقعیت بسیار خوب ایجاد کند و هیچ‌کدام گل نشوند. در مسابقه بعد، تنها یک موقعیت جدی داشته باشد و همان موقعیت به گل تبدیل شود.
به همین دلیل، روند چندین مسابقه معمولاً از یک مسابقه منفرد اطلاعات بیشتری در اختیار تحلیلگر قرار می‌دهد.
xG در بازه‌های طولانی‌تر می‌تواند برای تشخیص الگوهایی مانند:
- کیفیت حمله یک تیم؛
- میزان خلق موقعیت؛
- کیفیت موقعیت‌های واگذارشده به حریف؛
- عملکرد مهاجمان؛
- و تفاوت میان نتایج واقعی و کیفیت موقعیت‌ها
بسیار مفید باشد.
آیا همه مدل‌های xG یکسان هستند؟
خیر.
این نکته برای خواندن آمار سایت‌های مختلف بسیار مهم است.
شرکت‌ها و پلتفرم‌های آماری مختلف ممکن است مدل‌های متفاوتی برای محاسبه xG داشته باشند و متغیرهای متفاوتی را در نظر بگیرند.
یک مدل ممکن است بیشتر روی مکان شوت و نوع ضربه تمرکز کند، در حالی که مدل پیشرفته‌تر اطلاعات بیشتری درباره زاویه، فشار مدافعان، موقعیت بازیکنان و ویژگی‌های دیگر داشته باشد.
در نتیجه، اگر دو منبع آماری برای یک مسابقه عدد xG متفاوتی ارائه کنند، لزوماً یکی از آن‌ها اشتباه نیست.
ممکن است مدل آماری متفاوتی استفاده شده باشد.
جمع‌بندی؛ xG را ابزار تحلیل بدانید، نه حکم نهایی
امید گل یا Expected Goals یکی از ارزشمندترین شاخص‌های آماری فوتبال مدرن است. این معیار کمک می‌کند کیفیت موقعیت‌های گلزنی را بهتر از صرفاً نگاه کردن به تعداد شوت‌ها ارزیابی کنیم.
اما xG نمی‌تواند تمام پیچیدگی‌های فوتبال را توضیح دهد.
مهارت مهاجم، کیفیت پاس آخر، اشتباه مدافع، فشار دفاعی، فرم بازیکن، شرایط مسابقه، عملکرد دروازه‌بان و حتی تفاوت مدل‌های آماری، همگی می‌توانند روی تفسیر این عدد تأثیر بگذارند.
بنابراین اگر در یک گزارش درباره منچستریونایتد می‌خوانیم که این تیم ۲٫۳ xG داشته، نباید بلافاصله نتیجه بگیریم که یونایتد «باید ۲٫۳ گل می‌زد» یا حتماً شایسته پیروزی بوده است.
تفسیر درست این است که مجموع موقعیت‌های ایجادشده توسط یونایتد، بر اساس مدل آماری مورد استفاده، کیفیتی معادل حدود ۲٫۳ گل مورد انتظار داشته‌اند.
در نهایت، بهترین تحلیل زمانی شکل می‌گیرد که xG در کنار گل‌های واقعی، کیفیت موقعیت‌ها، تاکتیک تیم، عملکرد بازیکنان و مشاهده خود مسابقه قرار بگیرد.
xG به ما می‌گوید یک تیم چه موقعیت‌هایی ایجاد کرده است؛ اما برای فهمیدن اینکه چرا آن موقعیت‌ها ایجاد شده‌اند و چرا به گل تبدیل شده‌اند، باید فراتر از xG رفت.
