Expected Goals (xG): Cosa Sono e Come Usarli per Scommettere

Se negli ultimi anni hai letto un’analisi calcistica un po’ più approfondita del solito, ti sarai imbattuto nella sigla xG. Gli Expected Goals sono diventati la metrica più discussa nel calcio moderno, amata dagli analisti e guardata con sospetto dai puristi. Per lo scommettitore, rappresentano uno degli strumenti più potenti disponibili — a patto di capire cosa misurano davvero e, soprattutto, cosa non misurano.

Il concetto di base è semplice: non tutti i tiri sono uguali. Un tiro da dentro l’area piccola su assist rasoterra ha una probabilità di trasformarsi in gol molto più alta di una conclusione dalla distanza deviata da un difensore. Gli xG assegnano a ciascun tiro un valore tra 0 e 1 che rappresenta la probabilità storica che quel tipo di tiro diventi gol, basandosi su centinaia di migliaia di conclusioni registrate in passato.

L’obiettivo di questa guida è portarti dalla definizione all’applicazione pratica: come vengono calcolati, dove trovare i dati gratuitamente e come integrarli nel tuo processo decisionale per individuare scommesse con valore.

Come Si Calcolano gli Expected Goals

I modelli xG analizzano ogni tiro registrato durante una partita e assegnano un valore basato su diverse variabili. Le più importanti sono la posizione del tiro rispetto alla porta, l’angolo di tiro, la parte del corpo utilizzata (piede, testa, altro), il tipo di assist ricevuto (cross, passaggio filtrante, palla lunga) e la situazione di gioco (azione manovrata, contropiede, calcio piazzato).

Un tiro dal dischetto del rigore ha un valore xG di circa 0.76 — il che significa che storicamente il 76% dei rigori viene trasformato. Un colpo di testa su cross dall’esterno dell’area ha un valore xG di 0.03-0.06. Una conclusione a tu per tu con il portiere dopo un contropiede può raggiungere 0.40-0.60, a seconda della distanza e dell’angolo.

La somma degli xG di tutti i tiri di una squadra in una partita dà il totale degli Expected Goals di quella partita. Se una squadra ha generato 2.3 xG e l’altra 0.8, il modello suggerisce che, in media, il risultato “atteso” sarebbe un 2-1 o 2-0 per la prima squadra. Questo non significa che quel risultato si verificherà — il calcio non funziona così — ma indica chi ha avuto le occasioni migliori, indipendentemente dal risultato effettivo.

È importante capire che esistono modelli xG diversi con sofisticazioni diverse. I modelli base considerano solo posizione e tipo di tiro; quelli avanzati, come il modello di StatsBomb, includono la posizione dei difensori, la velocità dell’azione e la pressione sul tiratore. Per lo scommettitore, le differenze tra modelli sono raramente decisive: ciò che conta è usare una fonte consistente e confrontare i dati nel tempo con la stessa metodologia.

La Differenza tra xG e Gol Reali

Qui sta il cuore dell’utilità degli xG per le scommesse. Se una squadra ha un xG cumulativo di 25 in stagione ma ha segnato 32 gol, sta sovraperformando le proprie occasioni. Se un’altra ha un xG di 22 ma ha segnato solo 15, sta massicciamente sottoperformando. Nel calcio, la tendenza a lungo termine è verso la regressione alla media: chi sovraperforma tenderà a segnare meno in futuro, e chi sottoperforma tenderà a segnare di più.

Questo fenomeno è oro per lo scommettitore. Le quote dei bookmaker sono influenzate dai risultati recenti, non dagli xG sottostanti. Una squadra che ha vinto cinque partite di fila con una media di 0.9 xG a partita — vincendo cioè con pochissime occasioni — avrà quote basse perché “sta vincendo”. Ma il modello xG suggerisce che quei risultati non sono sostenibili, e che un calo è probabile.

Al contrario, una squadra che ha perso tre partite consecutive ma generando 2.0+ xG a partita è in una crisi di risultati, non di gioco. Le quote saranno alte perché “sta perdendo”, ma le performance sottostanti indicano che la vittoria è più vicina di quanto il mercato creda. Questo disallineamento tra percezione del mercato e metriche oggettive è esattamente ciò che definisce una value bet.

La cautela è d’obbligo: la regressione alla media è un fenomeno statistico che si manifesta su campioni ampi, non su singole partite. Un xG elevato non garantisce gol nella prossima partita. Ma su un orizzonte di 10-15 partite, la convergenza tra xG e gol reali è statisticamente robusta — e questo è l’orizzonte su cui lavora uno scommettitore serio.

Dove Trovare i Dati xG Gratuitamente

Non serve un abbonamento costoso per accedere a dati xG di qualità. Tre piattaforme gratuite coprono praticamente ogni esigenza dello scommettitore: Understat, FBref e FotMob.

Understat è la risorsa più accessibile per iniziare. Copre i cinque maggiori campionati europei (Serie A, Premier League, La Liga, Bundesliga, Ligue 1) e la Russian Premier League. Per ogni partita mostra gli xG di ciascuna squadra, la mappa dei tiri con il valore xG di ogni conclusione e i dati cumulativi stagionali. L’interfaccia è spartana ma funzionale, e i dati vengono aggiornati rapidamente dopo ogni giornata. Il punto di forza principale è la possibilità di visualizzare la distribuzione degli xG nel tempo attraverso grafici che mostrano immediatamente se una squadra sta sovra o sottoperformando.

FBref, alimentato dai dati di Opta (Stats Perform), offre una profondità analitica superiore. Oltre agli xG base, include gli xAG (Expected Assisted Goals), i dati sulla progressione della palla, le statistiche difensive avanzate e i report dettagliati giocatore per giocatore. La copertura è più ampia di Understat, estendendosi a campionati minori e competizioni giovanili. Il limite è che l’interfaccia può risultare ostica per chi non è abituato a navigare tabelle dense di dati.

FotMob è l’opzione migliore per chi preferisce un’esperienza mobile. L’app mostra gli xG in tempo reale durante le partite e offre riassunti visivi intuitivi. Non ha la profondità analitica di FBref ma compensa con velocità e accessibilità, rendendola perfetta per consultazioni rapide pre-partita.

Come Integrare gli xG nel Processo Decisionale

L’errore più comune tra chi scopre gli xG è trattarli come un oracolo. Una squadra con xG elevati non è automaticamente una buona scommessa, così come una con xG bassi non è automaticamente da evitare. Gli xG sono un indicatore tra molti, non un sistema di betting autosufficiente.

Il modo corretto di usarli è come filtro iniziale nell’analisi pre-partita. Prima di analizzare formazioni, infortuni e precedenti, controlla i dati xG stagionali delle due squadre. Cerca disallineamenti significativi tra xG e gol reali — almeno 4-5 gol di differenza cumulativa sulla stagione — perché sono questi gap ad avere potere predittivo. Differenze minori rientrano nella varianza normale e non giustificano decisioni operative.

Il secondo utilizzo pratico riguarda il mercato Over/Under. La somma degli xG delle due squadre è un indicatore più affidabile della somma dei gol effettivi per prevedere se una partita andrà Over o Under. Se due squadre hanno una media combinata di 3.1 xG a partita ma la media dei gol reali è 2.3, le quote sull’Over saranno probabilmente troppo alte perché il bookmaker prezza (anche) i risultati effettivi. Questa è una delle applicazioni più dirette e profittevoli degli xG per lo scommettitore.

Il terzo utilizzo è la valutazione delle difese. Una squadra che ha subìto pochi gol ma concede costantemente xG elevati agli avversari sta vivendo in prestito — il portiere sta parando tutto, o gli avversari stanno sbagliando l’impossibile, o entrambe le cose. Prima o poi i gol arriveranno. Scommettere sulla tenuta difensiva di una squadra con xGA (Expected Goals Against) alti è una strategia perdente sul lungo periodo, anche se i risultati recenti sembrano darle ragione.

Quando gli xG Mentono

Nessuna metrica è perfetta, e gli xG hanno limiti che lo scommettitore deve conoscere per non cadere in trappole analitiche. Il limite principale è che i modelli base non tengono conto della qualità del tiratore. Un tiro dalla stessa posizione ha lo stesso valore xG indipendentemente dal fatto che lo calci un centravanti di livello mondiale o un terzino con il piede sbagliato. Questo significa che squadre con attaccanti d’élite possono legittimamente sovraperformare i propri xG in modo sistematico — non per fortuna, ma per qualità individuale superiore alla media del dataset.

Un secondo limite riguarda le situazioni di gioco particolari. I rigori, per esempio, hanno un xG fisso di circa 0.76, ma una squadra che ottiene molti rigori avrà xG “gonfiati” da situazioni che dipendono più dall’abilità nel procurarsi falli in area che dalla qualità complessiva del gioco offensivo. Allo stesso modo, i calci piazzati — punizioni e corner — generano xG che non riflettono il gioco su azione.

Il consiglio finale è pragmatico: usa gli xG come punto di partenza, non come verdetto finale. Incrocia i dati xG con l’analisi tattica, le informazioni sulle assenze e il contesto della partita. Il valore reale degli Expected Goals non sta nella precisione del singolo numero, ma nella capacità di rivelare tendenze invisibili ai risultati grezzi — e per uno scommettitore, vedere ciò che gli altri non vedono è esattamente il vantaggio che fa la differenza.