Gli expected goals hanno rivoluzionato l’analisi calcistica nell’ultimo decennio. Nati negli ambienti della data science applicata allo sport, sono diventati uno strumento standard per valutare le prestazioni delle squadre al di là del semplice risultato. Per gli scommettitori, rappresentano una finestra su ciò che il tabellino non mostra: quanto una squadra avrebbe meritato di segnare, indipendentemente da ciò che è effettivamente successo.
Il concetto è semplice nella sostanza: ogni tiro ha una probabilità storica di trasformarsi in gol, basata su posizione, angolo, tipo di azione, pressione difensiva. Sommando queste probabilità si ottiene il numero di gol che una squadra avrebbe dovuto segnare in media. Quando i gol reali divergono significativamente dagli xG, qualcosa di interessante sta accadendo — e quello è il territorio dove lo scommettitore informato può trovare valore.
Cosa Sono gli Expected Goals
Gli expected goals (xG) misurano la qualità delle occasioni da gol create da una squadra. Ogni tiro viene valutato in base alla probabilità storica che un tiro simile si trasformi in rete. Un rigore ha un xG di circa 0.76 — storicamente, il 76% dei rigori viene segnato (fonte: Hudl StatsBomb). Un tiro dalla distanza con il portiere ben piazzato può avere un xG di 0.03. Un tap-in a porta vuota da due metri supera 0.90.
La somma degli xG di tutti i tiri di una squadra in una partita dà l’xG totale della squadra per quel match. Se il Milan tira 15 volte e accumula 2.3 xG, significa che, in media, con quelle occasioni ci si aspetta 2.3 gol. Se ne ha segnati 4, ha sovraperformato. Se ne ha segnati 0, ha sottoperformato gravemente.
L’xG cattura informazioni che il semplice conteggio dei tiri ignora. Dieci tiri dalla distanza valgono meno di due occasioni nitide in area. Una squadra può dominare il possesso e accumulare tiri senza mai impensierire davvero il portiere avversario. L’xG rivela questa differenza, distinguendo il dominio sterile dalla pericolosità reale.
Parallelamente esiste l’xGA — expected goals against — che misura la qualità delle occasioni concesse alla difesa. Una squadra può avere pochi tiri subiti ma di alta qualità, segno di una difesa che concede poco ma male. O può subire molti tiri innocui, segno di una difesa che piega ma non si spezza. L’xGA completa il quadro prestazionale.
La differenza tra xG e xGA — l’xG difference — indica se una squadra sta creando più di quanto concede. Un xG difference positivo sostenuto nel tempo suggerisce una squadra che merita più punti di quanti ne stia raccogliendo. Viceversa, un xG difference negativo con molti punti in classifica è un campanello d’allarme: prima o poi la realtà presenta il conto.
Come Si Calcolano gli xG
I modelli xG sono costruiti analizzando centinaia di migliaia di tiri storici e calcolando, per ciascuno, la percentuale che si è trasformata in gol. Le variabili principali includono la distanza dalla porta, l’angolo di tiro, la parte del corpo usata (piede, testa), se l’azione derivava da un cross, un passaggio filtrante, o un recupero palla, e la posizione del portiere.
I modelli più sofisticati aggiungono variabili come la pressione difensiva sul tiratore, il numero di difensori tra palla e porta, la velocità dell’azione, se il tiro arrivava dopo un dribbling. Più variabili si includono, più il modello diventa accurato — ma anche più complesso da costruire e mantenere.
Diversi provider di dati usano modelli leggermente diversi, il che spiega perché gli xG riportati da fonti diverse per la stessa partita possono non coincidere esattamente. Understat, FBref, Opta, StatsBomb: ciascuno ha il proprio approccio. Le differenze sono generalmente marginali, ma esistono.
Per lo scommettitore, non è necessario costruire un proprio modello xG. È sufficiente capire cosa misurano e come interpretarli. I dati sono disponibili gratuitamente o a basso costo, e saperli leggere offre già un vantaggio significativo rispetto a chi si ferma ai gol segnati.
Interpretare gli xG per Scommettere
L’applicazione più diretta è identificare squadre che stanno sovra o sottoperformando rispetto agli xG. Una squadra con 15 gol segnati ma solo 10 xG sta probabilmente beneficiando di fortuna o di un attaccante in stato di grazia. Prima o poi, la regressione verso la media arriverà. Scommettere contro quella squadra quando il mercato la prezza ancora come se fosse inarrestabile può offrire valore.
Viceversa, una squadra con pochi punti ma xG favorevoli è candidata a un rimbalzo. Se crea occasioni di qualità ma non le concretizza, il problema potrebbe essere temporaneo — un attaccante in crisi, sfortuna sui legni, portieri avversari in giornata di grazia. Quando la conversione tornerà normale, i risultati seguiranno.
Per le scommesse over/under, gli xG sono particolarmente utili. Una partita tra due squadre con xG alti ma gol bassi nelle ultime giornate può essere candidata ideale per un over: le occasioni ci sono, i gol arriveranno. Una partita con xG bassi da entrambe le parti ma gol gonfiati da episodi fortunati potrebbe vedere un ritorno alla normalità con un under.
L’xG difference aiuta a valutare la forza relativa delle squadre meglio della classifica. Due squadre con gli stessi punti possono avere xG difference molto diversi: una domina le partite e non concretizza, l’altra sopravvive su episodi favorevoli. Scommettere sulla prima contro la seconda, se le quote non riflettono questa differenza, può essere value.
Attenzione però a non cadere nella trappola dell’xG come oracolo infallibile. I dati descrivono tendenze statistiche, non certezze. Un attaccante di classe può sistematicamente superare il proprio xG perché finalizza meglio della media. Un portiere eccezionale può tenere l’xGA della sua squadra artificialmente basso. Il contesto conta sempre.
Dove Trovare i Dati xG
Understat è una delle fonti gratuite più popolari, con copertura dei principali campionati europei e dati dettagliati partita per partita. L’interfaccia è semplice, i dati sono scaricabili, e la copertura storica è buona. Per chi inizia con gli xG, è un ottimo punto di partenza.
FBref, parte della famiglia Sports Reference, offre dati xG integrati con statistiche tradizionali estese. La copertura è ampia, includendo campionati minori spesso ignorati da altre fonti. La navigazione richiede un po’ di pratica, ma la profondità dei dati ripaga lo sforzo.
Per chi cerca dati premium, provider come Opta, StatsBomb, e Wyscout offrono modelli xG proprietari con variabili aggiuntive e maggiore granularità. I costi sono significativi e giustificati solo per chi opera professionalmente o vuole costruire modelli predittivi sofisticati.
Molti siti di analisi calcistica integrano ormai gli xG nei loro report. Anche seguire account Twitter specializzati può fornire sintesi utili delle partite appena concluse. L’ecosistema informativo attorno agli xG è ricco: si tratta solo di trovare le fonti che si integrano meglio nel proprio workflow.
Limiti degli Expected Goals
Gli xG non catturano tutto. La qualità del tiratore non è inclusa nei modelli base: un tiro di Haaland dalla stessa posizione di un difensore adattato ha lo stesso xG teorico, ma probabilità reali molto diverse. Alcuni modelli avanzati correggono per questo, ma la maggior parte dei dati pubblici non lo fa.
Il contesto tattico sfugge in parte agli xG. Un tiro ad alta pressione nei minuti finali con la squadra che insegue è diverso dallo stesso tiro sul 3-0 a partita in ghiaccio. La pressione psicologica, la stanchezza, l’importanza della partita: fattori che influenzano la conversione ma non entrano nel modello.
Gli xG descrivono il passato, non predicono il futuro. Una squadra può cambiare allenatore, sistema di gioco, interpreti chiave, e i pattern xG della stagione precedente diventano irrilevanti. I dati vanno sempre contestualizzati: cosa è cambiato? I numeri storici sono ancora rappresentativi?
La varianza nel calcio è alta. Anche con xG perfettamente calibrati, una squadra può sovra o sottoperformare per periodi prolungati. Scommettere ciecamente sulla regressione verso la media ignora che il calcio non è una simulazione statistica: è uno sport giocato da esseri umani imprevedibili.
xG nel Tuo Toolkit Analitico
Gli expected goals non sono la risposta a tutto, ma sono uno strumento che ogni scommettitore serio dovrebbe conoscere e utilizzare. Aggiungono una dimensione di analisi che il semplice risultato non fornisce, e aiutano a identificare situazioni dove il mercato potrebbe non aver ancora recepito la realtà sottostante.
Integrali nella tua routine di analisi pre-partita. Confronta gli xG delle squadre, cerca scostamenti significativi tra gol reali e attesi, valuta se le quote riflettono la qualità delle prestazioni o solo i risultati. Usali come uno strumento tra tanti, non come verità assoluta. E col tempo, svilupperai un intuito per quando i numeri stanno raccontando una storia che il tabellino nasconde.