Indice
Gli expected goals (xG) sono oggi uno degli strumenti più citati per leggere il calcio in chiave statistica. Si tratta di un modello che stima la qualità delle occasioni da gol create da una squadra, aiutando a capire se un risultato racconta davvero cosa è successo in campo oppure nasconde un andamento diverso. In questo articolo vediamo cosa indica questo indicatore, come viene costruito il calcolo e perché viene usato sempre più spesso anche per analizzare le partite di campionato, compresa la Serie A.
Cosa sono gli expected goals
Il termine xG indica il valore atteso di gol generato da un singolo tiro: viene calcolato confrontando le caratteristiche di quell’azione con un ampio archivio storico di conclusioni simili. In pratica, il modello risponde a una domanda precisa: dato il tipo di tiro, da dove è partito e in quali condizioni, quante probabilità aveva, in media, una conclusione di quel tipo di trasformarsi in rete.
Sommando il valore di ogni singolo tiro di una partita si ottiene l’xG complessivo di una squadra per quell’incontro. Più il numero è alto, più le occasioni create erano, nel loro insieme, pericolose. È importante sottolineare che il dato non misura ciò che è davvero accaduto, ma la qualità delle occasioni: una squadra può segnare meno gol di quanti il modello suggerisca, oppure superare ampiamente quel valore, senza che questo renda la stima sbagliata.
Expected goals, cosa sono in due parole? Un modo per misurare quanto siano state pericolose le occasioni create da una squadra, al di là del risultato finale e di quanti gol siano effettivamente arrivati.
Come si calcolano gli expected goals
Non esiste un’unica formula pubblica e universale: ogni fornitore di dati costruisce il proprio modello statistico, ma il principio di base è condiviso da tutti. Partendo da un grande numero di tiri osservati in passato, il modello assegna a ciascuna nuova conclusione un valore di probabilità, stimando quanto fosse realistico che quel tipo di tiro si trasformasse in gol.
Il calcolo non si basa solo sulla posizione del pallone al momento del tiro, ma su una combinazione di variabili che insieme descrivono quanto fosse facile o difficile quella conclusione. È qui che entra in gioco il vero lavoro del modello xG: trasformare informazioni che normalmente guardiamo in modo qualitativo durante una partita in un valore confrontabile tiro dopo tiro, azione dopo azione.
Quali elementi considera il modello xG
Per stimare il valore di ogni conclusione, il modello analizza tipicamente diversi aspetti della stessa azione. Tra gli elementi più comuni:
- la distanza del tiro dalla porta e l’angolo rispetto ai pali
- il tipo di azione che ha portato al tiro, ad esempio un cross, un passaggio filtrante o un’iniziativa personale
- la parte del corpo utilizzata per calciare, come piede preferito, piede debole o colpo di testa
- la pressione esercitata dai difensori avversari nell’istante del tiro
- il contesto della giocata, per esempio un’azione di contropiede oppure un calcio da fermo
Combinando questi fattori, il modello restituisce un valore numerico per ogni tiro, che viene poi sommato per ottenere l’xG complessivo di una squadra o di un singolo giocatore in una partita, in un periodo di tempo o nell’arco di un intero campionato.
xG e xGA: la lettura completa di una squadra
Oltre al valore offensivo, molti strumenti calcolano anche l’xGA, cioè l’equivalente costruito sulle occasioni concesse agli avversari. Mentre l’xG racconta quanto pericolosa sia stata una squadra in attacco, l’xGA descrive quanto rischiose siano state le occasioni lasciate alla squadra avversaria.
Guardare questi due valori insieme offre un quadro più completo rispetto a uno dei due soli. Una squadra con un xG alto e un xGA basso sta probabilmente dominando le partite sotto entrambi gli aspetti del gioco; una squadra con entrambi i valori elevati produce spettacolo ma lascia spazio anche agli avversari; una squadra con valori bassi su entrambi i fronti sta probabilmente giocando con grande cautela, controllando il ritmo più che l’iniziativa. Combinare l’analisi offensiva e difensiva resta quindi il modo più solido per capire lo stile e l’efficacia reale di una squadra, al di là del solo possesso palla o del piazzamento in classifica.
Perché l’xG è utile per leggere una partita
Guardare solo il risultato finale di una partita racconta una parte della storia. Una squadra può vincere nonostante abbia creato poco, sfruttando un episodio isolato, così come può perdere pur avendo dominato il gioco e costruito le occasioni migliori. L’xG aiuta a distinguere questi due scenari, offrendo un punto di vista complementare al tabellino.
Per questo motivo questo indicatore viene usato non solo per commentare una singola partita, ma anche per valutare il rendimento di una squadra su un arco di tempo più ampio. Se un attacco produce con regolarità occasioni di qualità ma fatica a trasformarle in gol, è più probabile che quella tendenza si inverta con il tempo rispetto a una squadra che segna sfruttando episodi sporadici. Allo stesso modo, una fase difensiva che concede poche occasioni pericolose, anche quando subisce gol, viene letta in modo diverso rispetto a una difesa che concede occasioni di qualità con continuità.
Expected goals in Serie A: come interpretarli
Anche nel contesto della Serie A, il dato xG è entrato stabilmente nel vocabolario di chi analizza il gioco, dai media sportivi agli appassionati più attenti ai numeri. Il campionato italiano, storicamente attento agli aspetti tattici e difensivi, si presta bene a questo tipo di lettura: una squadra organizzata può limitare le occasioni concesse agli avversari pur non dominando il possesso palla, e questo indicatore aiuta a rendere visibile proprio questo tipo di efficienza.
Quando si osservano i valori xG di una squadra di Serie A, ha senso guardare più alla tendenza nel tempo che al dato di una singola partita. Un distacco isolato tra gol segnati e valore atteso può dipendere da episodi specifici, da prestazioni individuali del portiere avversario o dal semplice andamento imprevedibile del gioco. Se invece quello scostamento si mantiene costante nel corso di diverse partite, diventa un indizio più solido su come una squadra stia realmente giocando, al di là dei risultati che sta ottenendo.
L’xG e le scommesse: un uso consapevole della statistica
Chi segue il calcio anche per interesse verso le scommesse sportive trova in questo tipo di dato uno strumento utile per leggere le squadre in modo più approfondito rispetto al solo piazzamento in classifica. Un attacco che genera con continuità occasioni di qualità, anche se non lo si vede ancora pienamente nei gol segnati, racconta qualcosa di diverso rispetto a un attacco che produce poco e segna per episodi isolati — un’informazione che può aiutare a inquadrare meglio mercati come il risultato finale (1X2) o il numero di gol complessivo di una partita, ad esempio nelle linee Over/Under 2.5.
È però importante usare questo dato con equilibrio: l’xG offre un contesto aggiuntivo, non una previsione certa del risultato. Nessuna statistica, per quanto sofisticata, elimina l’incertezza intrinseca del calcio, ed è bene trattare ogni informazione di questo tipo come un elemento da valutare insieme ad altri, mai come una garanzia. Un approccio consapevole al gioco, qualunque dato si utilizzi per orientarsi, resta sempre la base di partenza più solida.
Limiti e critiche del modello xG
Come ogni modello statistico, anche l’xG ha dei limiti che vale la pena conoscere. Il primo riguarda la qualità della finalizzazione: il modello stima quanto fosse pericolosa un’occasione, ma non misura l’abilità del singolo giocatore nel concludere quell’azione in porta. Due calciatori diversi, davanti alla stessa occasione, possono avere esiti opposti, e questo non viene colto dal valore stimato per quel tiro.
Un altro limite riguarda i modelli stessi: fornitori diversi di dati possono costruire algoritmi leggermente differenti, basati su archivi storici non identici, e questo può produrre valori non perfettamente comparabili da una fonte all’altra per la stessa partita. Per questo motivo è buona norma restare coerenti con un’unica fonte quando si confrontano squadre o periodi diversi, piuttosto che mescolare dati provenienti da modelli differenti.
Il significato degli expected goals, in fondo, resta questo: un tassello utile all’interno di un’analisi più ampia, non un giudizio definitivo su una squadra o su una partita. Aspetti come il controllo del ritmo, la gestione dei momenti chiave o la solidità mentale di una squadra restano fuori dal calcolo, e nessun numero, da solo, racconta tutta la storia di una partita di calcio.