ไขปริศนา xG: สถิติเบื้องหลังประตูฟุตบอลคำนวณอย่างไร?

Expected Goals หรือที่เรียกกันติดปากว่า xG ได้กลายเป็นหนึ่งในสถิติที่ถูกพูดถึงมากที่สุดในโลกฟุตบอลยุคใหม่ มันไม่ใช่แค่ตัวเลขธรรมดาๆ แต่เป็นเครื่องมือวิเคราะห์ที่ทรงพลังซึ่งช่วยให้เราเข้าใจคุณภาพของโอกาสในการทำประตูได้ลึกซึ้งยิ่งขึ้น แทนที่จะมองแค่จำนวนครั้งที่ยิงหรือจำนวนประตูที่ทำได้ xG จะประเมินว่าจากการยิงแต่ละครั้งนั้น ควรจะ เป็นประตูมากน้อยเพียงใด โดยอ้างอิงจากข้อมูลการยิงลักษณะเดียวกันในอดีตนับแสนนับล้านครั้ง ข้อมูลนี้อัปเดตล่าสุดเมื่อวันศุกร์ที่ 9 พฤษภาคม 2025

ไฮไลท์สำคัญของการคำนวณ xG

การวิเคราะห์จากข้อมูลมหาศาล: ค่า xG ไม่ได้มาจากการคาดเดา แต่มาจากการวิเคราะห์ข้อมูลการยิงประตูในอดีตจำนวนมหาศาล เพื่อสร้างแบบจำลองทางสถิติที่แม่นยำ
ปัจจัยหลากหลายมีผลต่อค่า xG: ระยะทาง มุมในการยิง ส่วนของร่างกายที่ใช้ยิง ประเภทของบอลที่ส่งมาให้ และความกดดันจากฝ่ายตรงข้าม ล้วนเป็นปัจจัยสำคัญในการคำนวณ
ค่าความน่าจะเป็น 0 ถึง 1: xG ของการยิงแต่ละครั้งจะมีค่าระหว่าง 0 (ไม่มีโอกาสเป็นประตูเลย) ถึง 1 (โอกาสเป็นประตู 100%) ซึ่งบ่งบอกถึง "คุณภาพ" ของโอกาสนั้นๆ

xG คืออะไร และทำไมจึงสำคัญ?

Expected Goals (xG) คือตัวชี้วัดทางสถิติที่ประเมินความน่าจะเป็นที่การยิงแต่ละครั้งจะส่งผลให้เป็นประตู ค่า xG จะถูกกำหนดให้กับการยิงทุกลูก โดยมีค่าตั้งแต่ 0 ถึง 1 ยิ่งค่า xG สูง หมายความว่าโอกาสที่การยิงนั้นจะเป็นประตูยิ่งมีมาก ตามลักษณะของการยิงและข้อมูลในอดีต

ความสำคัญของ xG อยู่ที่การให้ภาพที่ชัดเจนกว่าสถิติแบบดั้งเดิม (เช่น จำนวนการยิง หรือการยิงเข้ากรอบ) ในการประเมินประสิทธิภาพเกมรุกของทีมหรือผู้เล่น ทีมที่สร้างโอกาสที่มีค่า xG สูงอย่างสม่ำเสมอ แม้บางครั้งผลการแข่งขันอาจไม่เป็นใจในระยะสั้น แต่ในระยะยาวมีแนวโน้มที่จะทำประตูได้มากตามคุณภาพโอกาสที่สร้างขึ้น ในทางกลับกัน ทีมที่ยิงประตูได้มากจากโอกาสที่มีค่า xG ต่ำ อาจบ่งบอกถึงความเฉียบคมเป็นพิเศษ หรืออาจมีองค์ประกอบของโชคเข้ามาเกี่ยวข้อง

แผนภาพแสดงตำแหน่งการยิงและค่า xG ที่เกี่ยวข้องในสนามฟุตบอล

แผนภาพแสดงตัวอย่างตำแหน่งการยิงในสนามและค่า xG ที่แตกต่างกัน การยิงจากระยะใกล้และมุมที่ดีมักมีค่า xG สูงกว่า

หลักการและปัจจัยในการคำนวณค่า xG

การคำนวณค่า xG อาศัยการวิเคราะห์ข้อมูลการยิงจำนวนมหาศาล (หลายแสนหรือหลายล้านครั้ง) จากเกมฟุตบอลในอดีต โมเดลทางสถิติที่ซับซ้อน ซึ่งมักใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) เช่น Logistic Regression หรือ XGBoost จะถูกนำมาใช้เพื่อระบุว่าปัจจัยใดบ้างที่มีผลต่อโอกาสในการเป็นประตู และให้น้ำหนักความสำคัญของแต่ละปัจจัยอย่างเหมาะสม

ปัจจัยหลักที่ส่งผลต่อค่า xG

ปัจจัยต่างๆ ที่โมเดล xG ส่วนใหญ่นำมาพิจารณา ได้แก่:

ระยะห่างจากประตู (Distance to goal): โดยทั่วไป ยิ่งยิงจากระยะใกล้ประตูมากเท่าไร โอกาสเป็นประตูก็จะยิ่งสูงขึ้นเท่านั้น การยิงจากในกรอบเขตโทษ 6 หลา ย่อมมีค่า xG สูงกว่าการยิงจากนอกกรอบเขตโทษ 30 หลาอย่างเห็นได้ชัด
มุมในการยิง (Angle to goal): มุมที่ผู้เล่นยิงไปยังประตูส่งผลอย่างมากต่อความน่าจะเป็นในการทำประตู การยิงจากตำแหน่งตรงกลางหน้าประตูย่อมมีโอกาสดีกว่าการยิงจากมุมแคบๆ ด้านข้าง
ส่วนของร่างกายที่ใช้ยิง (Body part): การยิงด้วยเท้า (โดยเฉพาะเท้าข้างถนัด) มักจะมีโอกาสเป็นประตูสูงกว่าการโหม่ง หรือการยิงด้วยส่วนอื่นๆ ของร่างกาย
ประเภทของการผ่านบอลหรือสถานการณ์ก่อนยิง (Type of assist/preceding event):
- การยิงจากการผ่านบอลทะลุช่อง (through ball) ที่ทำให้หลุดเดี่ยว มักจะมี xG สูง
- การยิงจากการเปิดบอลจากด้านข้าง (cross) อาจมี xG แตกต่างกันไปขึ้นอยู่กับคุณภาพของการเปิดและตำแหน่งที่เข้าทำ
- การยิงจากลูกตั้งเตะ (set-piece) เช่น ฟรีคิกโดยตรง หรือการยิงหลังจากการเล่นลูกเตะมุม ก็มีโมเดล xG เฉพาะในการประเมิน
- การยิงหลังจากผู้เล่นเลี้ยงหลบคู่ต่อสู้ (dribble)
ความกดดันจากผู้เล่นฝ่ายรับ (Defensive pressure): การมีผู้เล่นฝ่ายตรงข้ามเข้ามาบล็อกหรือกดดันในจังหวะยิง ย่อมทำให้โอกาสเป็นประตูยากขึ้น และส่งผลให้ค่า xG ลดลง
สถานการณ์ของเกม (Game state): แม้จะไม่ใช่ปัจจัยหลักในทุกโมเดル แต่บางโมเดลอาจพิจารณาสถานการณ์ เช่น การยิงในขณะที่ทีมกำลังนำหรือตาม หรือช่วงเวลาของเกม
ลักษณะการยิงพิเศษ:
- จุดโทษ (Penalty): โดยทั่วไปมีค่า xG ค่อนข้างคงที่และสูงมาก เนื่องจากเป็นโอกาสทองในการทำประตู มักจะอยู่ที่ประมาณ \(0.76\) ถึง \(0.79\) xG ซึ่งหมายความว่าโดยเฉลี่ยแล้ว จุดโทษ 100 ครั้ง ควรจะเป็นประตู 76-79 ประตู
- ฟรีคิกโดยตรง (Direct Free-Kick): มีโมเดล xG แยกต่างหาก โดยพิจารณาระยะทางและตำแหน่งของฟรีคิก

โมเดล xG จะนำปัจจัยเหล่านี้มาประมวลผลร่วมกัน เพื่อคำนวณค่าความน่าจะเป็น (ระหว่าง 0 ถึง 1) ของการยิงแต่ละครั้ง ตัวอย่างเช่น การยิงด้วยเท้าจากระยะ 12 เมตร ในมุม 30 องศา โดยไม่มีผู้เล่นฝ่ายรับกดดัน อาจมีค่า xG ประมาณ \(0.41\)

ภาพกราฟิกแสดงการคำนวณมุมยิงและระยะทางที่มีผลต่อ xG

ภาพแสดงแนวคิดปัจจัยเรื่องมุมและระยะทางในการยิง ซึ่งเป็นส่วนสำคัญในการคำนวณ xG

กระบวนการสร้างโมเดล xG

การรวบรวมข้อมูล (Data Collection): เก็บข้อมูลการยิงจำนวนมหาศาลจากลีกต่างๆ ทั่วโลก พร้อมรายละเอียดของแต่ละช็อต เช่น ตำแหน่ง, ส่วนที่ใช้ยิง, ลักษณะการแอสซิสต์, ผลลัพธ์ (เข้า/ไม่เข้า/ติดบล็อก)
การสร้างแบบจำลองทางสถิติ (Statistical Modeling): ใช้เทคนิคทางสถิติและการเรียนรู้ของเครื่อง (เช่น Logistic Regression, Support Vector Machines, Neural Networks, XGBoost) เพื่อวิเคราะห์ความสัมพันธ์ระหว่างปัจจัยต่างๆ กับโอกาสในการเกิดประตู
การตรวจสอบและปรับปรุงโมเดล (Model Validation and Refinement): ทดสอบความแม่นยำของโมเดลกับชุดข้อมูลที่ไม่ได้ใช้ในการฝึกสอน และปรับปรุงโมเดลอย่างต่อเนื่องเพื่อให้มีความแม่นยำสูงสุด

สมการพื้นฐานอย่างง่ายอาจดูคล้ายกับ: \[ \text{xG} = f(\text{ระยะทาง}, \text{มุม}, \text{ประเภทการยิง}, \text{ประเภทการจ่ายบอล}, \dots) \] โดย \(f\) คือฟังก์ชันที่ได้จากการเรียนรู้ของโมเดลจากข้อมูลในอดีต

ประเภทของ xG ที่ควรรู้จัก

นอกจากค่า xG พื้นฐานที่คำนวณจากคุณภาพของโอกาสก่อนทำการยิง (Pre-Shot xG) แล้ว ยังมีค่าสถิติที่เกี่ยวข้องซึ่งให้ข้อมูลเชิงลึกเพิ่มเติม:

Pre-Shot xG (xG ปกติ)

นี่คือค่า xG มาตรฐานที่เรามักพูดถึงกัน โดยจะประเมินคุณภาพของโอกาสในการทำประตู ก่อนที่ลูกบอลจะถูกยิงออกจากเท้าหรือศีรษะของผู้เล่น โดยพิจารณาปัจจัยต่างๆ ที่กล่าวมาข้างต้น เช่น ระยะทาง มุม และประเภทของการแอสซิสต์ ไม่ได้คำนึงถึงคุณภาพของการยิงนั้นๆ เช่น ยิงตรงตัวผู้รักษาประตู หรือยิงเสียบสามเหลี่ยม

Post-Shot xG (PSxG) หรือ Expected Goals on Target (xGOT)

PSxG หรือ xGOT จะถูกคำนวณ หลังจากที่ลูกบอลถูกยิงไปแล้วและเป็นการยิงที่ตรงกรอบประตูเท่านั้น มันจะพิจารณาถึงตำแหน่งที่ลูกบอลกำลังจะพุ่งเข้าประตู (เช่น มุมประตู หรือกลางประตู) และบางโมเดลอาจรวมถึงความเร็วของลูกยิง และตำแหน่งของผู้รักษาประตูด้วย PSxG ให้เครดิตกับการยิงที่มีคุณภาพ ซึ่งสามารถเอาชนะผู้รักษาประตูได้หากไม่มีการป้องกันที่ยอดเยี่ยม

ถ้า PSxG > xG อย่างมีนัยสำคัญ อาจบ่งบอกว่าผู้ยิงมีความสามารถในการจบสกอร์ที่ดีเยี่ยม สามารถเปลี่ยนโอกาสธรรมดาให้เป็นประตูได้ด้วยการยิงที่มีคุณภาพ
ถ้า PSxG ≈ xG หมายความว่าคุณภาพการยิงสอดคล้องกับคุณภาพของโอกาส
ถ้า PSxG < xG (สำหรับการยิงตรงกรอบ) อาจบ่งบอกว่าผู้ยิงจบสกอร์ได้ไม่ดีเท่าที่ควรจากโอกาสนั้นๆ (เช่น ยิงตรงตัวผู้รักษาประตูจากโอกาสที่ควรเป็นประตู)

ค่า PSxG มีประโยชน์อย่างยิ่งในการประเมินความสามารถของผู้รักษาประตูด้วยเช่นกัน โดยการเปรียบเทียบจำนวนประตูที่เสียไปกับค่า PSxG ทั้งหมดที่พวกเขาเผชิญ

เปรียบเทียบปัจจัยที่มีผลต่อ xG ผ่าน Radar Chart

เพื่อให้เห็นภาพชัดเจนยิ่งขึ้นว่าปัจจัยต่างๆ ส่งผลต่อค่า Expected Goals (xG) อย่างไร ลองพิจารณา Radar Chart ด้านล่างนี้ ซึ่งแสดงการประเมินเชิงคุณภาพของปัจจัยหลัก 5 ประการสำหรับสถานการณ์การยิงที่แตกต่างกัน 4 รูปแบบ ได้แก่ การยิงจุดโทษ, การยิงจ่อๆ (Tap-in), การยิงไกลนอกกรอบ และการโหม่งจากลูกครอส ค่าที่สูง (ใกล้เคียง 1) หมายถึงปัจจัยนั้นเอื้อต่อการเป็นประตูมาก

จากกราฟ จะเห็นได้ว่า:

จุดโทษ (Penalty): มีค่าสูงในเกือบทุกปัจจัย (ระยะใกล้, มุมดี, ไม่มีความกดดัน, เป็นโอกาสที่ถูกสร้างมาอย่างชัดเจน) ทำให้มีค่า xG สูงมาก
การยิงจ่อๆ (Tap-in): คล้ายกับจุดโทษในแง่ระยะทางและมุม แต่คุณภาพการแอสซิสต์และความกดดันอาจแตกต่างกันเล็กน้อย แต่โดยรวมยังคงมี xG สูงมาก
การยิงไกล (Long Shot): ระยะทางไกลและมักมีมุมที่ไม่อำนวยนัก รวมถึงอาจมีความกดดันจากแนวรับ ทำให้มีค่า xG ต่ำ
การโหม่งจากลูกครอส (Header from Cross): แม้ระยะทางอาจไม่ไกลมาก แต่มักมีความกดดันสูงจากกองหลังคู่แข่ง และการโหม่งโดยทั่วไปมีโอกาสเป็นประตูต่ำกว่าการยิงด้วยเท้า ทำให้ค่า xG อยู่ในระดับปานกลางหรือต่ำ ขึ้นอยู่กับคุณภาพของลูกครอสและตำแหน่งการโหม่ง

สรุปภาพรวมการคำนวณ xG ด้วย Mindmap

Mindmap ด้านล่างนี้จะช่วยให้คุณเห็นภาพรวมขององค์ประกอบและกระบวนการในการคำนวณ Expected Goals (xG) ได้อย่างชัดเจนยิ่งขึ้น โดยจะสรุปปัจจัยสำคัญ วิธีการ และการนำไปประยุกต์ใช้

mindmap root["การคำนวณ Expected Goals (xG)"] id1["ปัจจัยหลักที่มีผลต่อ xG"] id1a["ระยะทางจากประตู"] id1b["มุมในการยิง"] id1c["ส่วนของร่างกายที่ใช้ยิง
(เท้า, ศีรษะ, อื่นๆ)"] id1d["ประเภทการแอสซิสต์
(จ่ายทะลุช่อง, เปิดจากด้านข้าง, ฯลฯ)"] id1e["สถานการณ์การเล่น
(Open Play, Set-piece, Penalty)"] id1f["ความกดดันจากฝ่ายรับ"] id2["กระบวนการคำนวณ"] id2a["การรวบรวมข้อมูล
(ฐานข้อมูลการยิงจำนวนมาก)"] id2b["การสร้างโมเดลทางสถิติ"] id2b1["Logistic Regression"] id2b2["Machine Learning (เช่น XGBoost)"] id2c["กำหนดค่าความน่าจะเป็น (0-1)"] id3["ประเภทของ xG"] id3a["Pre-Shot xG
(คุณภาพโอกาสก่อนยิง)"] id3b["Post-Shot xG (PSxG / xGOT)
(คุณภาพการยิงเมื่อตรงกรอบ)"] id4["การนำ xG ไปใช้"] id4a["วิเคราะห์ประสิทธิภาพทีม"] id4b["ประเมินฟอร์มผู้เล่น (การจบสกอร์)"] id4c["เปรียบเทียบกับประตูที่เกิดขึ้นจริง"] id4d["ช่วยในการตัดสินใจของโค้ชและแมวมอง"]

Mindmap นี้แสดงให้เห็นว่า xG ไม่ได้เป็นเพียงตัวเลขเดี่ยวๆ แต่เป็นผลลัพธ์จากกระบวนการวิเคราะห์ที่ซับซ้อน ซึ่งพิจารณาหลายแง่มุมของโอกาสในการทำประตู ทำให้เป็นเครื่องมือที่มีประโยชน์อย่างยิ่งในการทำความเข้าใจเกมฟุตบอลในเชิงลึก

ตารางสรุปผลกระทบของปัจจัยต่างๆ ต่อค่า xG

ตารางด้านล่างนี้สรุปให้เห็นภาพรวมว่าปัจจัยต่างๆ ที่กล่าวมาข้างต้นส่งผลต่อค่า Expected Goals (xG) โดยทั่วไปอย่างไร

ปัจจัย (Factor)	ลักษณะที่ส่งผลให้ xG สูงขึ้น	ลักษณะที่ส่งผลให้ xG ต่ำลง	หมายเหตุ
ระยะทางจากประตู	ใกล้ประตู (เช่น ในกรอบ 6 หลา)	ไกลจากประตู (เช่น นอกกรอบเขตโทษ)	เป็นปัจจัยสำคัญอันดับต้นๆ
มุมในการยิง	มุมกว้าง, ตำแหน่งตรงกลาง	มุมแคบ, ด้านข้างของประตู	มุมที่ดีช่วยเพิ่มโอกาสอย่างมาก
ส่วนของร่างกายที่ใช้ยิง	เท้า (โดยเฉพาะข้างถนัด)	ศีรษะ, ส่วนอื่นๆ	การยิงด้วยเท้าควบคุมทิศทางและน้ำหนักได้ดีกว่า
ประเภทการแอสซิสต์/การสร้างโอกาส	จ่ายทะลุช่องให้หลุดเดี่ยว, ได้บอลโล่งๆ หน้าประตู	การเปิดบอลโด่งๆ เข้าไปลุ้น, การยิงจากจังหวะที่ยากลำบาก	คุณภาพของการสร้างสรรค์โอกาสมีผลโดยตรง
ความกดดันจากฝ่ายรับ	ไม่มีผู้เล่นฝ่ายตรงข้ามกดดันหรืออยู่ใกล้	มีผู้เล่นฝ่ายตรงข้ามกดดัน, บล็อก, หรืออยู่ขวางหน้า	ลดเวลาและพื้นที่ในการตัดสินใจของผู้ยิง
สถานการณ์พิเศษ	จุดโทษ	ฟรีคิกจากระยะไกลมาก	จุดโทษมีค่า xG สูงและค่อนข้างคงที่ (ประมาณ 0.76-0.79)
การยิงซ้ำ (Rebound)	ยิงซ้ำจ่อๆ จากระยะใกล้มาก	ยิงซ้ำจากระยะไกลหรือมุมแคบ	มักมี xG สูงหากเกิดขึ้นในระยะอันตราย

สิ่งสำคัญคือต้องเข้าใจว่าปัจจัยเหล่านี้ทำงานร่วมกัน โมเดล xG ที่ดีจะพิจารณาปฏิสัมพันธ์ระหว่างปัจจัยต่างๆ เพื่อให้ได้ค่า xG ที่แม่นยำที่สุดสำหรับแต่ละโอกาสในการยิง

ชมวิดีโอ: ทำความเข้าใจ xG ให้ลึกซึ้งยิ่งขึ้น

วิดีโอนี้จะอธิบายแนวคิดของ Expected Goals (xG) วิธีการคำนวณเบื้องต้น การนำไปใช้ และสิ่งที่ xG สามารถบอกเราได้เกี่ยวกับเกมฟุตบอล การทำความเข้าใจผ่านภาพและคำอธิบายเพิ่มเติมจะช่วยให้คุณเห็นภาพรวมและประโยชน์ของสถิตินี้ได้ชัดเจนยิ่งขึ้น

Expected Goals - Everything you need to know! (xG) - Football: วิดีโออธิบายหลักการของ xG โดยละเอียด

วิดีโอนี้จะช่วยเสริมความเข้าใจว่า xG ไม่ใช่แค่ตัวเลขที่ซับซ้อน แต่เป็นเครื่องมือที่มีประโยชน์ในการวิเคราะห์เกมฟุตบอล โดยจะอธิบายถึงปัจจัยต่างๆ ที่นำมาพิจารณา เช่น ระยะยิง มุมยิง และอื่นๆ รวมถึงตัวอย่างการนำ xG ไปใช้ในการประเมินผลงานของทีมและผู้เล่น