Expected Goals (xG) Begrijpen en Gebruiken

Expected Goals, afgekort als xG, heeft de manier waarop we voetbal analyseren fundamenteel veranderd. Waar traditionele statistieken als balbezit en schoten op doel slechts een deel van het verhaal vertellen, kwantificeert xG de kwaliteit van scoringskansen. Een schot van vijf meter recht voor het doel is niet hetzelfde als een poging van dertig meter met twee verdedigers in de weg, en xG maakt dit verschil meetbaar.

Voor wedders opent xG een wereld van mogelijkheden. Het stelt je in staat om te zien wanneer een team boven zijn niveau presteert door geluk of een geweldige keeper, en wanneer een team betere resultaten verdient dan de stand suggereert. Deze inzichten zijn goud waard voor wie verder wil kijken dan de oppervlakkige statistieken.

Wat Is xG Precies?

Expected Goals is een statistische maat die aan elke scoringskans een waarde toekent tussen 0 en 1. Deze waarde representeert de kans dat een gemiddelde speler in een gemiddelde situatie scoort vanuit die specifieke positie. Een penalty heeft een xG van ongeveer 0.76, wat betekent dat 76 procent van de penalties gemiddeld wordt benut. Een kopbal van twaalf meter heeft een xG van misschien 0.08.

De berekening van xG is gebaseerd op historische data van tienduizenden schoten. Factoren die meewegen zijn de afstand tot het doel, de hoek van waaruit geschoten wordt, het type schot zoals volley of kopbal, de druk van verdedigers en of de kans voortkomt uit open spel of een standaardsituatie.

Door alle xG-waarden van schoten in een wedstrijd op te tellen, krijg je de totale xG voor elk team. Als team A een xG van 2.3 had en team B een xG van 0.8, dan creëerde team A objectief betere kansen, ongeacht de werkelijke uitslag. Dit verschil tussen verwachte en werkelijke doelpunten onthult trends die met traditionele statistieken verborgen blijven.

Hoe Gebruik Je xG voor Weddenschappen?

De kracht van xG voor wedders zit in het identificeren van over- en onderprestatie. Een team dat consequent meer scoort dan zijn xG suggereert, profiteert waarschijnlijk van geluk of beschikt over een uitzonderlijke afmaker. Dit niveau is op lange termijn moeilijk vol te houden, wat betekent dat toekomstige resultaten kunnen tegenvallen.

Omgekeerd is een team met hoge xG maar weinig goals een kandidaat voor verbetering. De kansen zijn er, maar de afronding ontbreekt. Dit kan komen door pech, tijdelijke vormdip van de spits of een keepende tegenstander in de vorm van zijn leven. Op termijn zullen de goals komen als de kansencreatie aanhoudt.

Vergelijk ook de xG against, oftewel de xG die een team weggeeft aan tegenstanders. Een team dat weinig tegengoals incasseert maar wel veel kansen weggeeft, heeft een keeper die boven zijn niveau presteert of verdedigers die geluk hebben met de afronding van de tegenstander. Dit evenwicht herstelt zich uiteindelijk.

Beperkingen van xG

Geen enkele statistiek is perfect, en xG heeft zijn beperkingen. De modellen verschillen per aanbieder. StatsBomb, Opta en FBref hanteren elk eigen berekeningen, wat betekent dat de xG voor dezelfde wedstrijd kan variëren afhankelijk van de bron. Voor consistente analyse is het verstandig om bij een bron te blijven.

xG houdt geen rekening met de specifieke kwaliteiten van spelers. Lionel Messi scoort vanuit lastige posities vaker dan een gemiddelde speler, maar xG kent hem dezelfde waarde toe als een willekeurige aanvaller. Elite-afmakers overpresteren structureel hun xG, en dit is geen geluk maar vaardigheid. Houd hier rekening mee bij teams met uitzonderlijk talent.

Ook de context ontbreekt soms. Een schot in de 89e minuut bij een stand van 4-0 heeft dezelfde xG als een schot bij 0-0, maar de mentale situatie is compleet anders. Spelers nemen meer risico wanneer de wedstrijd beslist is, en verdedigers laten meer toe. Dit soort nuances vang je niet in een enkel getal.

Waar Vind Je xG Data?

Verschillende websites bieden gratis xG-statistieken. FBref is een van de meest uitgebreide bronnen met data voor alle grote Europese competities. De site toont xG per wedstrijd, per team en per speler, inclusief historische trends over meerdere seizoenen. Understat focust specifiek op xG en biedt visuele representaties die patronen snel zichtbaar maken.

Sofascore en Fotmob tonen xG in hun wedstrijdverslagen, wat handig is voor snelle checks. Voor diepgaandere analyse zijn betaalde diensten zoals StatsBomb en Opta beschikbaar, maar voor de meeste recreatieve wedders volstaan de gratis bronnen. De kunst is niet zozeer toegang tot data, maar weten hoe je deze interpreteert.

Bookmakers gebruiken zelf ook xG-modellen bij het bepalen van hun odds. Door je eigen xG-analyse te vergelijken met de implied probability in de odds, kun je discrepanties ontdekken. Als jouw model een team hoger inschat dan de bookmaker doet, heb je mogelijk value gevonden.

xG in Combinatie met Andere Statistieken

xG werkt het beste als onderdeel van een bredere analyse. Combineer het met statistieken als balbezit, pressing-intensiteit en pass-completion rates voor een completer beeld. Een team met hoge xG maar laag balbezit speelt waarschijnlijk op de counter en is afhankelijk van snelle omschakelingen.

Expected assists, afgekort als xA, meet de kwaliteit van de laatste pass voor een schot. Een speler met hoge xA maar weinig daadwerkelijke assists heeft pech met de afronding van zijn teamgenoten. Dit kan relevant zijn voor spelersmarkten of bij het inschatten van de aanvallende potentie van een team.

Let ook op de verdeling van xG binnen een wedstrijd. Een team dat al zijn kansen in de eerste helft creëerde en in de tweede helft instortte, heeft een ander profiel dan een team dat gelijkmatig kansen creëerde. Deze dynamiek kan relevant zijn voor live wedden of HT/FT markten.

Praktische Toepassing voor Weddenschappen

Begin met het analyseren van de xG-trends over de laatste vijf tot tien wedstrijden. Een team dat structureel meer xG creert dan het scoort, is rijp voor een positieve ommekeer. Omgekeerd kan een team dat boven verwachting presteert een regressie tegemoet gaan.

Vergelijk de xG van beide teams in een aankomende wedstrijd met de odds die de bookmaker biedt. Als team A gemiddeld 1.8 xG per wedstrijd creert tegen vergelijkbare tegenstanders en team B gemiddeld 1.2 xG weggeeft, heb je een indicatie van de verwachte kansenverdeling. Wijkt deze significant af van de implied probability in de odds, dan is er mogelijk value.

Wees geduldig. xG-gebaseerde analyse werkt op lange termijn, niet per wedstrijd. Een team kan in een individuele wedstrijd enorm onder- of overpresteren ten opzichte van zijn xG, maar over twintig wedstrijden middelen deze fluctuaties uit. Gebruik xG als een van je tools, niet als het enige criterium.

De Evolutie van xG

Sinds de introductie van xG is het model steeds verfijnder geworden. Moderne varianten zoals post-shot xG houden rekening met de plaatsing en het type schot nadat de bal is geraakt. Dit geeft een nauwkeuriger beeld van de werkelijke scoringskans dan alleen de positie van het schot.

xG-ketens analyseren de hele aanval die leidt tot een schot, niet alleen het eindpunt. Dit helpt om te begrijpen welke teams systematisch gevaarlijke aanvallen opbouwen versus teams die afhankelijk zijn van individuele acties. Voor wedders biedt dit extra inzicht in de duurzaamheid van prestaties.

De toekomst brengt waarschijnlijk nog meer verfijning. Met tracking-data van spelersposities en bewegingen kunnen modellen steeds preciezer worden. Voor nu is de beschikbare xG-data al een enorme verbetering ten opzichte van traditionele statistieken en een waardevolle toevoeging aan het arsenaal van elke serieuze wedder.

xG als Mindset

Meer dan een specifieke statistiek is xG een manier van denken. Het dwingt je om verder te kijken dan de eindstand en de onderliggende prestatie te evalueren. Een 1-0 overwinning waarbij de winnaar 0.3 xG creeerde en de verliezer 2.1 xG, vertelt een heel ander verhaal dan de uitslag suggereert.

Deze analytische benadering beschermt je tegen de valkuil van resultaatdenken. Een weddenschap die verliest ondanks correcte analyse was niet per se een slechte weddenschap. Andersom is een gewonnen weddenschap gebaseerd op geluk geen validatie van je methode. xG helpt je om proces en resultaat te scheiden en je beslissingen te evalueren op basis van de beschikbare informatie, niet op basis van de uitkomst.

Geverifieerd door een expert: Luuk de Wit