Prima degli Expected Goals, giudicare una partita di calcio era un esercizio di impressioni. “Ha dominato ma non ha segnato” era un’opinione. “Ha creato 2.4 xG contro 0.7 xG concessi” è un fatto misurabile, e nel mondo delle scommesse la differenza tra opinioni e fatti misurabili si traduce direttamente in denaro.

Il modello xG è diventato lo standard dell’analisi calcistica avanzata non perché sia perfetto, ma perché è il miglior strumento disponibile per separare la prestazione dalla fortuna. Per lo scommettitore, questa separazione è tutto: è il meccanismo che permette di individuare squadre sopravvalutate e sottovalutate dal mercato.

Come nasce il modello xG e cosa misura

L’idea alla base degli Expected Goals è relativamente semplice: non tutti i tiri sono uguali. Un tiro da dentro l’area piccola dopo un cross basso ha una probabilità di diventare gol molto superiore a un tiro da trenta metri. Il modello xG assegna a ogni tiro un valore compreso tra 0 e 1, che rappresenta la probabilità storica che quel tipo di tiro si trasformi in rete.

I primi modelli xG sono emersi intorno al 2012 nella comunità dell’analisi calcistica, ma le origini concettuali risalgono al lavoro di Sam Green e altri ricercatori che iniziarono a catalogare sistematicamente la qualità dei tiri. Oggi i principali provider di dati xG includono StatsBomb, Opta e Wyscout, ciascuno con il proprio modello proprietario che differisce leggermente dagli altri per le variabili considerate e la metodologia di calcolo.

I fattori che determinano il valore xG di un tiro sono numerosi. La posizione del tiro è il più importante: la distanza dalla porta e l’angolo rispetto ai pali determinano gran parte del valore. Un tiro dal centro dell’area di rigore a cinque metri dalla porta può avere un xG di 0.40-0.60, mentre lo stesso tiro da venticinque metri vale 0.03-0.05. Il tipo di giocata che genera il tiro conta: un’azione su calcio d’angolo, un contropiede, un passaggio filtrante o un dribbling producono xG diversi per lo stesso punto del campo. La parte del corpo usata per tirare influisce: i colpi di testa hanno storicamente un tasso di conversione inferiore rispetto ai tiri di piede. Alcuni modelli avanzati includono anche la pressione difensiva sul tiratore e la velocità dell’azione.

La somma dei valori xG di tutti i tiri di una squadra in una partita produce l’xG totale di quella squadra per quel match. Se una squadra ha accumulato 2.3 xG, significa che, storicamente, quel set di tiri avrebbe prodotto in media 2.3 gol. Se ne ha segnati solo uno, ha sottoperformato. Se ne ha segnati quattro, ha sovraperformato. In entrambi i casi, il 2.3 è la misura della prestazione reale, depurata dal rumore della fortuna.

Come si calcola e dove trovare i dati

Lo scommettitore non ha bisogno di costruire il proprio modello xG da zero, anche se può essere un esercizio utile per chi ha competenze statistiche. I dati xG sono oggi ampiamente disponibili, spesso gratuitamente.

FBref ha offerto per anni dati xG avanzati, inizialmente forniti da StatsBomb e dal 2022 da Opta (Stats Perform), con granularità per partita, per giocatore e cumulativa stagionale. A inizio 2026 Opta ha interrotto la fornitura dei dati avanzati, riducendo temporaneamente la copertura del sito. Understat è specializzato in xG e offre visualizzazioni delle mappe dei tiri particolarmente intuitive, oltre a confronti tra xG e gol reali che evidenziano immediatamente le squadre in sovra o sottoperformance. FotMob e SofaScore forniscono dati xG in tempo reale durante le partite, essenziali per chi opera nel mercato live.

Un aspetto importante è che i modelli xG di diversi provider non sono identici. StatsBomb include la pressione difensiva, che altri modelli ignorano. I valori xG di Understat per la stessa partita possono differire da quelli di Opta del 5-10%. Questo non invalida lo strumento, ma significa che è preferibile usare sempre la stessa fonte per mantenere la coerenza nelle analisi. Confrontare l’xG di una squadra su una fonte con quello di un’altra su Understat produce distorsioni.

Squadre sopravvalutate e sottovalutate: il vero uso degli xG

Il valore degli xG per lo scommettitore non sta nel prevedere il risultato di una singola partita, ma nell’identificare squadre il cui rendimento reale diverge significativamente dalla qualità delle loro prestazioni. Queste divergenze creano inefficienze di mercato che il bookmaker corregge lentamente, offrendo finestre di opportunità.

Il caso classico è la squadra che sottoperforma gli xG offensivi. Se nell’arco di dieci partite una squadra ha accumulato 18 xG ma ha segnato solo 11 gol, sta convertendo a un tasso del 61% rispetto all’atteso. Questo succede per periodi limitati a causa di sfortuna pura (pali, parate eccezionali, errori sottoporta) o di un attaccante in crisi di confidenza. Il mercato, che si basa prevalentemente sui risultati e sui gol reali, tende a penalizzare queste squadre nelle quote. Lo scommettitore che riconosce la discrepanza può trovare valore nella vittoria o nell’Over delle partite successive, aspettando la regressione verso la media.

Il caso opposto è la squadra che sovraperforma gli xG difensivi. Un portiere in stato di grazia o una serie di conclusioni avversarie imprecise possono produrre una striscia di clean sheet che non riflette la qualità difensiva reale. Se una squadra ha concesso 14 xGA ma subito solo 8 gol in dieci partite, sta vivendo una fase insostenibile. Quando il tasso di conversione degli avversari tornerà alla media, i gol subiti aumenteranno. Per il mercato Over e per il Goal/NoGoal, queste squadre sono obiettivi primari.

Un approccio più sofisticato combina le due analisi. La differenza tra xPTS (punti attesi) e punti reali racconta la storia completa: una squadra con 10 punti reali ma 16 xPTS è stata massacrata dalla fortuna e quasi certamente migliorerà. Una squadra con 18 punti reali ma 12 xPTS sta vivendo un momento di grazia che non durerà. I bookmaker aggiornano le quote in base ai risultati recenti, non sempre in base alla qualità delle prestazioni, e questa asimmetria informativa è il terreno su cui lo scommettitore preparato costruisce il proprio vantaggio.

Limiti del modello e trappole da evitare

Gli xG sono uno strumento potente, ma non sono una sfera di cristallo, e trattarli come tali è il modo più rapido per perdere denaro. Conoscerne i limiti è altrettanto importante quanto sapere come usarli.

Il primo limite è che gli xG non catturano tutto. La qualità del tiratore non è inclusa nella maggior parte dei modelli base. Un tiro dal limite dell’area vale lo stesso xG sia che lo calci un difensore sia che lo calci un fuoriclasse con un piede educatissimo. I modelli più avanzati tentano di incorporare la skill del tiratore, ma rimane un fattore di imprecisione. Questo significa che squadre con attaccanti d’élite tenderanno a sovraperformare sistematicamente gli xG, e non per fortuna.

Il secondo limite riguarda i campioni statistici ridotti. Dopo cinque partite di campionato, i dati xG sono troppo volatili per trarre conclusioni affidabili. Servono almeno otto-dieci partite perché le tendenze inizino a stabilizzarsi, e venti-venticinque per avere un quadro robusto. Lo scommettitore che a settembre scommette basandosi sugli xG delle prime tre giornate sta lavorando con dati insufficienti.

Il terzo limite è il contesto tattico. Gli xG misurano ciò che è successo in campo, non il perché. Una squadra che ha giocato con il tridente offensivo nelle ultime cinque partite potrebbe schierare un centrocampo più coperto nella prossima. Gli xG storici non predirranno questa variazione tattica. Per questo l’analisi xG va sempre integrata con le informazioni qualitative: formazioni probabili, dichiarazioni dell’allenatore, contesto della partita.

Il futuro che già esiste

C’è un paradosso nell’evoluzione degli xG: più lo strumento diventa popolare, meno vantaggio offre a chi lo usa. Quando gli Expected Goals erano un concetto di nicchia conosciuto da pochi analisti, il vantaggio informativo era enorme. Nel 2026, con xG disponibili su ogni app di livescore e commentatori televisivi che li citano in diretta, il mercato ha già incorporato gran parte dell’informazione.

Ma questo non rende gli xG inutili, li rende necessari. Non usarli significa essere in svantaggio rispetto a chi li usa. Il vantaggio, oggi, non viene più dal semplice confronto xG-gol, ma dall’analisi di secondo livello: la combinazione degli xG con metriche meno diffuse come il possesso nel terzo finale, i passaggi progressivi e la pressione alta. È nella stratificazione dei dati che si nascondono le inefficienze residue, quelle che il bookmaker medio non ha ancora completamente prezzato.

Gli xG sono diventati il vocabolario base del calcio analitico. Chi non lo parla è escluso dalla conversazione. Chi lo parla fluentemente e lo combina con altri linguaggi, dalla tattica alla psicologia del mercato, è lo scommettitore che nel 2026 ha ancora qualcosa da dire.