การวิเคราะห์ฟุตบอลพรีเมียร์ลีกในปัจจุบันไม่ได้หยุดอยู่แค่การดูว่าใครชนะ ใครแพ้ หรือทีมใดครองบอลมากกว่า เพราะตัวเลขบนสกอร์บอร์ดบอกเพียงสิ่งที่เกิดขึ้นหลังจบเกม แต่ไม่ได้อธิบายทั้งหมดว่าแต่ละทีมสร้างโอกาสที่มีคุณภาพมากน้อยเพียงใด สำหรับผู้ที่ติดตาม กระแสต่างประเทศ และข้อมูลฟุตบอลจากหลายแหล่ง การเข้าใจสถิติเหล่านี้ยังช่วยให้แยกข้อมูลที่มีประโยชน์ออกจากกระแสหรือผลการแข่งขันระยะสั้นได้ดีขึ้น
หนึ่งในเครื่องมือที่ช่วยให้เราอ่านเกมได้ลึกขึ้นคือ xG (Expected Goals) และ xGA (Expected Goals Against) สถิติที่ใช้ประเมินคุณภาพของโอกาสทำประตูและโอกาสที่ทีมเปิดให้คู่แข่งสร้างขึ้น เมื่อใช้ร่วมกับข้อมูลอื่นอย่างจำนวนครั้งยิง ตำแหน่งการยิง ฟอร์มเหย้าเยือน และสภาพทีม จะช่วยให้การประเมินผลงานมีเหตุผลมากกว่าการมองผลการแข่งขันเพียงอย่างเดียว
บทความนี้จะอธิบายตั้งแต่พื้นฐาน วิธีอ่านค่า ไปจนถึงขั้นตอนนำข้อมูลไปใช้จริง โดยเหมาะสำหรับคนที่เพิ่งเริ่มศึกษาสถิติฟุตบอลและต้องการมีกรอบวิเคราะห์ที่เป็นระบบมากขึ้น
ลองจินตนาการถึงการแข่งขันที่ทีมหนึ่งครองบอล 65% ยิง 18 ครั้ง แต่ส่วนใหญ่เป็นการยิงไกลหรือยิงจากมุมแคบ ขณะที่อีกทีมครองบอลเพียง 35% ยิง 7 ครั้ง แต่มีโอกาสหลุดเดี่ยวและยิงจากบริเวณหน้าประตูหลายครั้ง หากดูเพียงเปอร์เซ็นต์ครองบอลและจำนวนครั้งยิง เราอาจเข้าใจผิดว่าทีมแรกเล่นเกมรุกได้ดีกว่ามาก
ปัญหาเดียวกันเกิดขึ้นกับผลการแข่งขัน ทีมที่ชนะ 1-0 ไม่จำเป็นต้องเป็นฝ่ายสร้างโอกาสได้ดีกว่าเสมอไป บางเกมทีมชนะจากโอกาสเพียงไม่กี่ครั้ง ขณะที่คู่แข่งสร้างโอกาสคุณภาพสูงจำนวนมากแต่จบสกอร์ไม่ได้ หรือเจอกับผู้รักษาประตูที่อยู่ในฟอร์มดี นี่คือเหตุผลที่สถิติ Expected Goals เข้ามามีบทบาท เพราะแทนที่จะถามเพียงว่า “ยิงกี่ครั้ง” เราสามารถถามต่อได้ว่า “แต่ละจังหวะมีคุณภาพมากแค่ไหน”
ค่า xG จึงไม่ได้ถูกสร้างขึ้นเพื่อทำนายผลการแข่งขันแบบตายตัว แต่ทำหน้าที่เป็นอีกชั้นของข้อมูลที่ช่วยอธิบายว่าเบื้องหลังสกอร์ที่เราเห็น มีโอกาสแบบใดเกิดขึ้นบ้าง
ก่อนนำข้อมูลไปใช้ สิ่งสำคัญคือแยกความหมายของ xG, xGA และ xGD ให้ชัดเจน เพราะแม้ทั้งสามค่าจะเกี่ยวข้องกัน แต่ตอบคำถามคนละด้านของเกม
xG หรือ Expected Goals คือค่าประมาณความน่าจะเป็นที่จังหวะยิงหนึ่งครั้งจะกลายเป็นประตู โดยโมเดลจะพิจารณาคุณลักษณะของจังหวะยิงจากข้อมูลในอดีต เช่น ตำแหน่งและระยะยิง มุมยิง ส่วนของร่างกายที่ใช้ยิง ลักษณะของสถานการณ์ และตัวแปรอื่นตามโมเดลของผู้ให้บริการแต่ละราย
ค่าของการยิงหนึ่งครั้งมักแสดงอยู่ระหว่าง 0.00 ถึง 1.00
ตัวอย่างเช่น หากจังหวะหนึ่งมีค่า xG เท่ากับ 0.10 สามารถตีความแบบง่ายได้ว่า โอกาสลักษณะใกล้เคียงกันมีความน่าจะเป็นประมาณ 10% ที่จะกลายเป็นประตู ส่วนจังหวะที่มี xG 0.70 ถือเป็นโอกาสที่มีคุณภาพสูงกว่ามาก
สิ่งที่มือใหม่ควรรู้คือ ค่า xG ระหว่าง 0 ถึง 1 หมายถึง xG ของการยิงแต่ละครั้ง เมื่อรวมการยิงทั้งหมดของทีมตลอดเกม ค่า xG รวมสามารถสูงกว่า 1.00 ได้ เช่น ทีมหนึ่งอาจจบเกมด้วย xG 2.35 จากโอกาสยิงหลายครั้งรวมกัน
อีกประเด็นคือโมเดล xG ของแต่ละเว็บไซต์อาจให้ตัวเลขไม่ตรงกัน 100% เนื่องจากผู้ให้บริการใช้ชุดข้อมูลและสูตรคำนวณต่างกัน ดังนั้น หากกำลังเปรียบเทียบฟอร์มหลายเกม ควรพยายามใช้ข้อมูลจากแหล่งเดียวกันเพื่อให้มาตรฐานสม่ำเสมอ
xGA หรือ Expected Goals Against คือค่า xG ที่คู่แข่งสร้างขึ้นเมื่อพบกับทีมที่เรากำลังวิเคราะห์ พูดง่ายๆ คือ หาก xG มองคุณภาพโอกาสที่ทีมสร้างได้ xGA จะมองกลับกันว่าทีมนั้น เปิดโอกาสคุณภาพสูงให้คู่แข่งมากเพียงใด ตัวอย่างเช่น หากทีมหนึ่งมี xGA เฉลี่ย 0.80 ต่อเกม หมายความว่าโดยภาพรวมพวกเขาจำกัดคุณภาพโอกาสของคู่แข่งได้ค่อนข้างดีเมื่อเทียบกับทีมที่มี xGA 1.80 ต่อเกม แต่ไม่ควรตัดสินเกมรับจากตัวเลขนี้เพียงค่าเดียว เพราะระดับคู่แข่ง สกอร์ ณ ขณะนั้น ใบแดง และรูปแบบการแข่งขันสามารถส่งผลต่อ xGA ได้เช่นกัน เมื่อติดตามหลายแมตช์ ค่า xGA มีประโยชน์ในการค้นหาทีมที่ผลการแข่งขันอาจดูดี แต่แนวรับเริ่มเปิดพื้นที่อันตรายให้คู่แข่งมากขึ้นก่อนที่ปัญหาจะสะท้อนออกมาเป็นจำนวนประตูเสีย
xGD หรือ Expected Goal Difference คือผลต่างระหว่าง xG และ xGA
สูตร: xGD = xG – xGA
สมมติทีมหนึ่งมีค่าเฉลี่ย xG 1.90 และ xGA 1.10 จะได้ xGD เท่ากับ +0.80
ค่าเป็นบวกหมายถึงทีมสร้างคุณภาพโอกาสได้มากกว่าที่เปิดให้คู่แข่ง ส่วนค่าติดลบสะท้อนภาพตรงกันข้าม หากติดตาม xGD ต่อเนื่องหลายเกม เราจะมองเห็นสมดุลระหว่างเกมรุกกับเกมรับได้ชัดกว่าการดูจำนวนประตูได้เสียเพียงอย่างเดียว
แนวคิดสำหรับ Infographic: xG + Shot Map
Shot Map ไม่ได้ดูแค่ว่าทีมยิงกี่ครั้ง ให้สังเกตตำแหน่งของจุดยิงและค่า xG ของแต่ละจังหวะด้วย หากจุดยิงจำนวนมากกระจุกอยู่ในเขตโทษและมีค่า xG สูง ทีมกำลังสร้างโอกาสที่มีคุณภาพ ต่างจากทีมที่ยิงเยอะแต่ส่วนใหญ่เป็นการยิงจากนอกกรอบ
การมีตัวเลขจำนวนมากไม่ได้ทำให้การ วิเคราะห์บอลอังกฤษ แม่นขึ้นโดยอัตโนมัติ สิ่งสำคัญกว่าคือรู้ว่าควรเปรียบเทียบอะไร และไม่ตีความค่าหนึ่งค่าใดเกินขอบเขตของมัน
เริ่มจากนำจำนวนประตูที่ทีมทำได้จริงมาเปรียบเทียบกับ xG สะสมในช่วงเวลาเดียวกัน วิธีนี้ช่วยค้นหาว่าผลงานด้านการจบสกอร์กำลังสูงหรือต่ำกว่าคุณภาพโอกาสที่สร้างขึ้น สมมติในช่วงหนึ่งทีม A ยิงได้ 15 ประตูจาก xG 7.5 นั่นหมายความว่าทีมทำประตูได้สูงกว่าค่าคาดการณ์อย่างชัดเจน หรือเรียกว่า Overperforming xG สิ่งนี้อาจเกิดจากกองหน้าที่จบสกอร์ยอดเยี่ยม การยิงยากแล้วเป็นประตูหลายครั้ง หรือความผันผวนในตัวอย่างขนาดเล็ก จึงไม่ควรสรุปทันทีว่าทีมจะฟอร์มตก เพราะนักเตะระดับสูงบางรายสามารถทำผลงานเหนือ xG ได้ต่อเนื่อง
ในทางกลับกัน หากทีม B ยิงเพียง 5 ประตูจาก xG 14.0 จะถือว่าเป็น Underperforming xG หมายถึงทีมสร้างโอกาสได้มากกว่าจำนวนประตูที่เกิดขึ้นจริงอย่างมาก กรณีนี้เป็นสัญญาณให้ตรวจสอบต่อว่าเกิดจากอะไร เช่น การจบสกอร์ไม่ดี ตัวรุกหลักบาดเจ็บ หรือเป็นเพียงช่วงที่ผลลัพธ์ไม่เข้าทาง ไม่ควรตีความว่า “ทีมนี้จะต้องยิงได้มากขึ้นในเกมต่อไป” เพราะ xG ไม่ได้มีคุณสมบัติรับประกันการกลับเข้าสู่ค่าเฉลี่ยในแมตช์ถัดไป
พรีเมียร์ลีกเป็นลีกที่สภาพแวดล้อมของเกมเหย้าและเกมเยือนสามารถทำให้รูปแบบการแข่งขันเปลี่ยนไป การดูค่าเฉลี่ยทั้งฤดูกาลเพียงชุดเดียวจึงอาจซ่อนรายละเอียดบางอย่าง
ให้ลองแยกข้อมูลออกเป็น
สมมติทีมหนึ่งมี Home xG อยู่ที่ 2.10 แต่ Away xG ลดเหลือ 1.15 ความแตกต่างนี้บอกได้ว่าประสิทธิภาพการสร้างโอกาสของทีมเปลี่ยนค่อนข้างมากเมื่อต้องออกไปเล่นนอกบ้าน จากนั้นจึงนำไปจับคู่กับข้อมูลของคู่แข่ง เช่น หากเจ้าบ้านมี Home xG สูง ขณะที่ทีมเยือนมี Away xGA สูงต่อเนื่อง รูปแบบข้อมูลทั้งสองด้านกำลังชี้ไปในทิศทางเดียวกันว่าฝั่งเจ้าบ้านอาจมีโอกาสสร้างสถานการณ์อันตรายได้มาก ควรใช้ตัวอย่างอย่างน้อยหลายเกมแทนการตัดสินจากนัดเดียว เพราะ xG ของเกมหนึ่งสามารถถูกกระทบจากใบแดง จุดโทษ หรือสถานการณ์ที่ทีมต้องเร่งเกมหลังตกเป็นฝ่ายตาม
สำหรับเกมรับ อย่าดูเพียงจำนวนประตูเสีย ให้เปรียบเทียบกับ xGA ด้วย ทีมที่เสียเพียง 4 ประตูในช่วงหนึ่งอาจดูเหมือนมีแนวรับแข็งแกร่ง แต่หากมี xGA สะสมถึง 10.0 นั่นหมายความว่าคู่แข่งสร้างโอกาสที่มีคุณภาพรวมสูงกว่าจำนวนประตูที่เกิดขึ้นจริงมาก
สาเหตุอาจมาจากผู้รักษาประตูเซฟดี คู่แข่งจบสกอร์ไม่ดี หรือความผันผวนของผลลัพธ์ การเห็นช่องว่างลักษณะนี้จึงเป็นจุดเริ่มต้นสำหรับการตรวจสอบ ไม่ใช่ข้อสรุปสุดท้าย ในอีกด้าน ทีมที่เสียประตูมากแต่ xGA ไม่สูงมากอาจเจอกับช่วงที่คู่แข่งจบสกอร์ได้มีประสิทธิภาพผิดปกติ หรือมีลูกยิงยากกลายเป็นประตูหลายครั้ง
หากต้องการเจาะลงไปถึงผลงานของผู้รักษาประตู ควรเพิ่ม Post-Shot Expected Goals หรือ PSxG เข้ามา ไม่ควรใช้ xGA เพียงอย่างเดียว xG ประเมินคุณภาพของโอกาสในจังหวะก่อนหรือขณะยิง ส่วน PSxG จะประเมินลูกยิงที่เข้ากรอบโดยคำนึงถึงผลลัพธ์หลังการยิง เช่น ตำแหน่งที่ลูกถูกส่งไปยังกรอบประตู จึงเหมาะกับการวิเคราะห์ภาระและประสิทธิภาพการเซฟของผู้รักษาประตูมากกว่า
FBref มีตาราง Advanced Goalkeeping ที่แสดง PSxG และ PSxG+/- สำหรับการประเมินผู้รักษาประตูโดยเฉพาะ ตัวอย่างเช่น หากผู้รักษาประตูเผชิญ PSxG 10.0 แต่เสียจริง 7 ประตู ช่องว่างดังกล่าวสามารถใช้เป็นข้อมูลหนึ่งในการประเมินว่าเขาป้องกันประตูได้มากกว่าที่คุณภาพของลูกยิงเข้ากรอบคาดไว้หรือไม่
นี่จึงแม่นยำกว่าการสรุปว่า “xGA สูงแต่เสียประตูน้อย แปลว่าผู้รักษาประตูเทพ” เพราะ xGA ยังรวมเรื่องคุณภาพโอกาสก่อนพิจารณาว่าลูกยิงนั้นเข้ากรอบอย่างไร
ค่า xG รวม 1.50 ของสองทีมไม่ได้หมายความว่าทั้งสองทีมสร้างเกมรุกแบบเดียวกัน ทีมแรกอาจสร้างโอกาส 3 ครั้งจากบริเวณใกล้ประตู ขณะที่อีกทีมยิง 15 ครั้งจากพื้นที่คุณภาพต่ำจนรวมกันได้ xG ใกล้เคียงกัน ดังนั้น Shot Map จะช่วยให้เห็นว่า xG เกิดขึ้นจาก โอกาสใหญ่ไม่กี่ครั้ง หรือ การสะสมโอกาสขนาดเล็กจำนวนมาก การอ่าน Shot Map ให้ดูพร้อมกัน 3 อย่าง คือ ตำแหน่งยิง ค่า xG ของแต่ละจังหวะ และจำนวนครั้งยิง วิธีนี้จะให้บริบทมากกว่าการอ่านค่า xG รวมเพียงตัวเลขเดียว
ปัจจุบันมีหลายเว็บไซต์ที่ช่วยให้ผู้ใช้งานทั่วไปเข้าถึง Expected Goals ได้โดยไม่จำเป็นต้องซื้อฐานข้อมูลระดับมืออาชีพ แต่แต่ละแพลตฟอร์มมีจุดแข็งต่างกัน
| เว็บไซต์ | จุดเด่น | เหมาะสำหรับ |
| Understat | เน้น Expected Goals โดยตรง มี Shot Map รายแมตช์และข้อมูลผู้เล่น พร้อมสถิติอย่าง xG, xA, xGChain และ xGBuildup | มือใหม่ที่ต้องการเริ่มจากภาพการยิงและ xG |
| FBref | ฐานข้อมูลเชิงลึก มี xG, npxG และข้อมูล Advanced Goalkeeping เช่น PSxG โดยข้อมูล Advanced Data ระบุว่าให้บริการร่วมกับ Opta | วิเคราะห์ระยะยาว เปรียบเทียบทีมและผู้เล่น |
| FotMob / SofaScore | ใช้งานบนมือถือสะดวก เหมาะกับการติดตามข้อมูลรายแมตช์ โดย FotMob มี Live xG, xGOT และ Shot Map | ผู้ที่ต้องการดูข้อมูลระหว่างการแข่งขัน |
| WhoScored | มี xG ประกอบกับข้อมูลทีม ผู้เล่น ตำแหน่ง และระบบ Player Rating ทำให้ดูบริบทของเกมได้สะดวก | วิเคราะห์ฟอร์มผู้เล่นและภาพรวมการแข่งขัน |
Understat มีฐานข้อมูล xG และ Shot Map พร้อมตัวกรองสถานการณ์การยิง รวมถึงข้อมูล xG90 และตัวชี้วัด Expected Goals อื่นๆ ส่วน FBref ให้บริการ Advanced Data รวมถึง Expected Goals ร่วมกับ Opta และมีข้อมูลพรีเมียร์ลีกแยกตามฤดูกาล สำหรับการติดตามเกมสด FotMob ระบุว่ามี Live xG พร้อมข้อมูล xG และ xA ของผู้เล่น รวมถึง Shot Map และ xGOT ในหน้าการแข่งขัน ขณะที่ WhoScored เพิ่ม Expected Goals เข้าสู่ระบบและสามารถใช้ประกอบการดู Overperformance หรือ Underperformance ของผู้เล่นและทีมได้
ข้อควรจำ: ไม่ควรนำ xG จากเว็บไซต์ A ไปเปรียบเทียบตรงๆ กับ xG จากเว็บไซต์ B แล้วคาดหวังว่าตัวเลขต้องเท่ากัน เพราะแต่ละผู้ให้บริการอาจใช้โมเดลและตัวแปรต่างกัน หากกำลังติดตามแนวโน้มของทีมพรีเมียร์ลีกตลอด 5-10 นัด ควรเลือกแหล่งหลักหนึ่งแห่งแล้วใช้ต่อเนื่อง
สมมติว่าเรากำลังวิเคราะห์คู่ระหว่าง ทีม A พบ ทีม B โดยใช้ข้อมูล 5 นัดล่าสุด และแยกผลงานตามสถานที่แข่งขันแล้วได้ข้อมูลดังนี้
| ตัวชี้วัด | ทีม A | ทีม B |
|---|---|---|
| xG เฉลี่ย | 1.85 | 1.25 |
| xGA เฉลี่ย | 0.95 | 1.70 |
| xGD เฉลี่ย | +0.90 | -0.45 |
| ประตูจริงเฉลี่ย | 1.40 | 1.60 |
| ประตูเสียจริงเฉลี่ย | 0.80 | 1.20 |
จากข้อมูลตัวอย่าง ทีม A มีจุดน่าสนใจตรงที่สร้าง xG 1.85 แต่ยิงจริงเฉลี่ยเพียง 1.40 ประตู จึงควรตรวจสอบ Shot Map ต่อว่าทีมสร้างโอกาสคุณภาพสูงได้จริงหรือไม่ และปัญหาอยู่ที่การจบสกอร์หรือเป็นเพียงความผันผวนระยะสั้น ทีม B มีอีกสถานการณ์หนึ่ง แม้ยิงจริงเฉลี่ย 1.60 ประตู แต่ xG อยู่ที่ 1.25 ขณะที่ xGA สูงถึง 1.70 หากรูปแบบนี้เกิดขึ้นต่อเนื่องหลายเกม ผลการแข่งขันที่เห็นอาจดูดีกว่าคุณภาพโอกาสโดยรวมของทีม
เมื่อเทียบ xGD ทีม A อยู่ที่ +0.90 ส่วนทีม B อยู่ที่ -0.45 ข้อมูลจึงชี้ว่าทีม A มีสมดุลระหว่างการสร้างและป้องกันโอกาสที่ดีกว่าในช่วงตัวอย่างนี้ ซึ่งการ วิเคราะห์บอลพรีเมียร์ลีก ด้วยข้อมูลลักษณะนี้ช่วยให้มองเห็นรายละเอียดที่ผลแพ้ชนะเพียงอย่างเดียวอาจไม่สะท้อนออกมา แต่ยังไม่ควรหยุดการวิเคราะห์ตรงนี้ ขั้นต่อไปต้องตรวจสอบตัวจริง การบาดเจ็บ โปรแกรมการแข่งขัน คุณภาพคู่แข่งที่ผ่านมา เกมเหย้าเยือน และรูปแบบแท็กติกก่อนสรุปภาพของแมตช์
หมายเหตุ: ตัวเลขทีม A และทีม B เป็นตัวอย่างเพื่ออธิบายวิธีอ่านค่า ไม่ใช่สถิติของสโมสรพรีเมียร์ลีกจริง
ข้อผิดพลาดที่พบบ่อยที่สุดคือการมอง xG เป็นคำทำนายผลการแข่งขัน เช่น เจ้าบ้านมี xG 2.10 ส่วนทีมเยือนมี 0.70 แล้วสรุปว่าเกม “ควรจบ 2-1” ความจริง xG ไม่ได้ทำงานในลักษณะนั้น เพราะมันเป็นค่าความน่าจะเป็นที่สะสมจากโอกาสยิง ไม่ใช่สกอร์ที่ควรเกิดขึ้นแบบตายตัว อีกข้อผิดพลาดคือการใช้ข้อมูลเพียงหนึ่งหรือสองเกมแล้วตัดสินคุณภาพของทีม ตัวอย่างขนาดเล็กได้รับผลกระทบจากสถานการณ์เฉพาะเกมสูงมาก เช่น ใบแดง จุดโทษ หรือการขึ้นนำเร็วแล้วเปลี่ยนมาเล่นเกมรับ
นอกจากนี้ การเห็นทีมยิงเกิน xG ไม่ได้แปลว่าทีมนั้น “โชคดี” ทุกกรณี นักเตะที่มีความสามารถด้านการจบสกอร์สูงสามารถทำประตูเหนือค่า xG ได้ต่อเนื่อง ขณะที่ทีมซึ่งยิงต่ำกว่า xG ก็ไม่ได้หมายความว่าจะกลับมายิงถล่มในเกมถัดไปโดยอัตโนมัติ แนวทางที่ปลอดภัยกว่าคือใช้ xG เป็นข้อมูลตั้งต้น แล้วตรวจสอบว่าแนวโน้มเดียวกันปรากฏซ้ำใน Shot Map, xGA, จำนวน Big Chances, ฟอร์มเหย้าเยือน และสภาพผู้เล่นหรือไม่
เมื่ออ่าน xG และ xGA ได้คล่องแล้ว ยังมีตัวเลขอีกหลายประเภทที่ช่วยเพิ่มรายละเอียดให้การวิเคราะห์พรีเมียร์ลีก
npxG คือ Expected Goals ที่ตัดผลของจุดโทษออก เหมาะสำหรับการประเมินว่าทีมหรือผู้เล่นสร้างโอกาสจาก Open Play และสถานการณ์อื่นได้มากเพียงใดโดยไม่ให้จุดโทษเพิ่มตัวเลข xG มากเกินไป ตัวอย่างเช่น ผู้เล่นสองคนมี xG 10.0 เท่ากัน แต่คนแรกมีจุดโทษจำนวนมาก ขณะที่อีกคนมี npxG สูงจากการหาพื้นที่ยิงในเกมปกติ การดูเพียง xG อาจทำให้มองความแตกต่างด้านการสร้างโอกาสไม่ครบ FBref เป็นหนึ่งในแหล่งข้อมูลที่แสดงทั้ง xG และ npxG ทำให้สามารถเปรียบเทียบสองค่านี้ได้โดยตรง
PPDA ใช้ศึกษาความเข้มข้นของการเพรสซิ่ง โดยพิจารณาจำนวนครั้งที่คู่แข่งสามารถผ่านบอลได้ในพื้นที่ที่กำหนดก่อนทีมฝ่ายรับจะทำ Defensive Action โดยทั่วไป ค่า PPDA ต่ำมักสัมพันธ์กับการเข้าเพรสที่ถี่กว่า แต่ต้องดูระบบการเล่นประกอบ เพราะทีมที่ตั้งใจรับในพื้นที่ต่ำอาจมี PPDA สูงโดยไม่ได้หมายความว่าเกมรับไม่มีประสิทธิภาพ การนำ PPDA มาประกอบกับ xGA ช่วยตอบคำถามที่ละเอียดขึ้น เช่น ทีมที่เสียโอกาสน้อยทำได้เพราะเพรสคู่แข่งตั้งแต่แดนบน หรือเพราะตั้งบล็อกรับลึกแล้วป้องกันพื้นที่อันตรายได้ดี
สำหรับผู้ที่ศึกษาการเคลื่อนไหวของราคาบอล CLV หรือ Closing Line Value เป็นแนวคิดที่ใช้เปรียบเทียบราคาที่ประเมินหรือเลือกไว้กับราคาตลาดช่วงใกล้เริ่มการแข่งขัน CLV ไม่ใช่สถิติผลงานในสนามเหมือน xG และไม่ควรนำมารวมเป็นตัวชี้วัดเดียวกัน แต่สามารถใช้ศึกษาว่าการประเมินความน่าจะเป็นก่อนเกมสอดคล้องกับทิศทางของตลาดในเวลาต่อมาหรือไม่ หากนำมาใช้ ควรมองเป็นเครื่องมือสำหรับตรวจสอบกระบวนการวิเคราะห์ย้อนหลังมากกว่าการรับประกันผลลัพธ์ของการเดิมพันแต่ละคู่
หากไม่ต้องการเปิดสถิติจำนวนมากในช่วงเริ่มต้น สามารถใช้ลำดับตรวจสอบพื้นฐานดังนี้
หลักสำคัญคืออย่าพยายามหาตัวเลขหนึ่งค่าที่สามารถตอบทุกคำถาม แต่ให้ใช้หลายข้อมูลเพื่อยืนยันหรือหักล้างสมมติฐานของตัวเอง
หัวใจของ วิธีวิเคราะห์บอลพรีเมียร์ลีกด้วยสถิติ xG และ xGA ไม่ใช่การพยายามใช้ตัวเลขทำนายสกอร์ให้ตรงทุกเกม แต่คือการใช้ข้อมูลเพื่อแยก “ผลการแข่งขัน” ออกจาก “คุณภาพของผลงาน” xG ช่วยบอกว่าทีมสร้างโอกาสยิงที่มีคุณภาพเพียงใด ส่วน xGA ช่วยประเมินคุณภาพโอกาสที่เปิดให้คู่แข่ง และเมื่อนำมาคำนวณเป็น xGD เราจะเห็นสมดุลระหว่างเกมรุกกับเกมรับชัดขึ้น
ถ้าต้องการวิเคราะห์ละเอียดกว่าเดิม ควรเพิ่ม Shot Map, npxG, PSxG, PPDA รวมถึงข้อมูลด้านแท็กติกและความพร้อมของผู้เล่นเข้ามาประกอบ เพราะฟุตบอลมีตัวแปรมากเกินกว่าจะอธิบายด้วยสถิติชนิดเดียว ดังนั้น xG และ xGA จึงเหมือน “แว่นขยาย” มากกว่า “ลูกแก้วทำนายผล” มันช่วยให้เราเห็นสิ่งที่สกอร์สุดท้ายอาจซ่อนเอาไว้ แต่ไม่ได้กำจัดความไม่แน่นอนออกจากฟุตบอลทั้งหมด
สำหรับการทดลองครั้งแรก ลองเลือกบิ๊กแมตช์พรีเมียร์ลีกหนึ่งคู่ เปิด Understat, FBref หรือ FotMob แล้วเปรียบเทียบ xG, xGA และ Shot Map ของทั้งสองทีมย้อนหลัง จากนั้นจดข้อสรุปก่อนเกมไว้ เมื่อการแข่งขันจบค่อยกลับมาเปรียบเทียบว่าข้อมูลใดช่วยอธิบายเกมได้ดี และข้อมูลใดที่เราตีความผิด กระบวนการนี้จะช่วยพัฒนาทักษะการอ่านสถิติได้มากกว่าการจำตัวเลขเพียงอย่างเดียว
Q1: ค่า xG สูงกว่าคู่แข่งหมายความว่าทีมนั้นต้องชนะหรือไม่?
A1: ไม่จำเป็น ค่า xG แสดงคุณภาพของโอกาสทำประตูที่ทีมสร้างขึ้น แต่ไม่ได้รับประกันผลการแข่งขันจริง ทีมที่มี xG สูงกว่าอาจแพ้ได้หากจบสกอร์ไม่ดี ขณะที่คู่แข่งอาจใช้โอกาสที่มีได้อย่างมีประสิทธิภาพมากกว่า จึงควรใช้ xG ร่วมกับข้อมูลด้านแท็กติก ฟอร์มผู้เล่น และสถานการณ์ของเกม
Q2: ควรดูสถิติ xG ย้อนหลังกี่นัดก่อนวิเคราะห์พรีเมียร์ลีก?
A2: สำหรับการดูแนวโน้มระยะสั้น สามารถเริ่มจากประมาณ 5-10 นัดล่าสุด แต่ควรพิจารณาคุณภาพของคู่แข่งและแยกผลงานในบ้านกับนอกบ้านด้วย หากต้องการประเมินศักยภาพโดยรวมของทีม การเพิ่มช่วงข้อมูลให้ยาวขึ้นจะช่วยลดผลกระทบจากเกมที่มีเหตุการณ์ผิดปกติ เช่น ใบแดงหรือจุดโทษ
Q3: xG และ xGA ของแต่ละเว็บไซต์ทำไมถึงไม่เท่ากัน?
A3: ผู้ให้บริการแต่ละรายใช้โมเดลและชุดข้อมูลสำหรับคำนวณแตกต่างกัน ตัวแปรที่นำมาพิจารณาอาจรวมถึงตำแหน่งยิง มุมยิง ประเภทของจังหวะก่อนยิง และรายละเอียดอื่น จึงเป็นเรื่องปกติที่ค่า xG ของแมตช์เดียวกันจะแตกต่างกันเล็กน้อย หากต้องการเปรียบเทียบผลงานหลายเกม ควรใช้ข้อมูลจากเว็บไซต์เดียวกันอย่างต่อเนื่อง
Q4: xGA สูงแต่ทีมเสียประตูน้อย แปลว่าเกมรับดีหรือผู้รักษาประตูเก่ง?
A4: ยังสรุปไม่ได้จาก xGA เพียงค่าเดียว เพราะทีมอาจเปิดโอกาสคุณภาพสูงให้คู่แข่ง แต่ผู้รักษาประตูช่วยเซฟไว้ หรือคู่แข่งจบสกอร์ไม่ดี หากต้องการประเมินผู้รักษาประตูโดยเฉพาะ ควรดู PSxG, PSxG+/- หรือสถิติการเซฟร่วมด้วย เพื่อแยกผลงานของแนวรับออกจากประสิทธิภาพของผู้รักษาประตู
Q5: มือใหม่ควรเริ่มวิเคราะห์จาก xG, xGA หรือ xGD ก่อน?
A5: แนะนำให้ดูทั้งสามค่าร่วมกัน เริ่มจาก xG เพื่อดูคุณภาพเกมรุก จากนั้นดู xGA เพื่อประเมินโอกาสที่ทีมเปิดให้คู่แข่ง และใช้ xGD เพื่อดูสมดุลระหว่างสองด้าน หลังจากนั้นจึงตรวจ Shot Map ฟอร์มเหย้าเยือน ผู้เล่นที่พร้อมลงสนาม และรูปแบบแท็กติกก่อนสรุปภาพรวมของการแข่งขัน
ข้อมูลเชิงนิยามและคุณสมบัติของแพลตฟอร์มในบทความตรวจสอบจากแหล่งข้อมูลที่เปิดให้เข้าถึงในช่วงเดือนสิงหาคม 2026 โดยข้อมูล Expected Goals อาจแตกต่างกันระหว่างผู้ให้บริการตามโมเดลที่ใช้คำนวณ
หมายเหตุ: สถิติฟุตบอลสามารถมีการปรับปรุงย้อนหลังจากผู้ให้บริการข้อมูล และตัวเลข xG ของเหตุการณ์เดียวกันไม่จำเป็นต้องตรงกันระหว่างทุกเว็บไซต์
บทความนี้เรียบเรียงโดย Tanawat Kiatpongsak – Football Analyst | Betting Strategist ผู้เขียนคอนเทนต์ด้านฟุตบอลที่ให้ความสำคัญกับการวิเคราะห์จากข้อมูล สถิติการแข่งขัน และบริบทของเกม เนื้อหามุ่งอธิบายตัวชี้วัดอย่าง xG, xGA และสถิติฟุตบอลสมัยใหม่ให้ผู้อ่านสามารถนำไปประยุกต์ใช้ได้ง่าย โดยยึดหลักการตรวจสอบข้อมูลจากหลายมุม ไม่ตัดสินคุณภาพของทีมจากผลการแข่งขันหรือสถิติเพียงตัวเดียว และเน้นการนำเสนอข้อมูลในลักษณะเพื่อการศึกษาและพัฒนาทักษะการวิเคราะห์ฟุตบอล ติดตามผลงานอื่นๆ ได้ที่ linkedin: Tanawat Kiatpongsak
เนื้อหาในบทความผ่านการเรียบเรียงและตรวจสอบเพื่อให้สอดคล้องกับหลักการใช้สถิติฟุตบอลสมัยใหม่ โดยให้ความสำคัญกับความถูกต้องของคำศัพท์ วิธีตีความข้อมูล และข้อจำกัดของตัวชี้วัดแต่ละประเภท ข้อมูลจากแพลตฟอร์มสถิติอาจเปลี่ยนแปลงหรือแตกต่างกันตามโมเดลของผู้ให้บริการ จึงควรตรวจสอบข้อมูลล่าสุดจากแหล่งต้นทางก่อนนำไปใช้อ้างอิง บทความมีวัตถุประสงค์เพื่อให้ความรู้และสนับสนุนการวิเคราะห์อย่างมีเหตุผล ไม่ได้ยืนยันผลการแข่งขันหรือรับประกันความแม่นยำของการคาดการณ์ในแต่ละแมตช์
