あれは隅にあったもので、誰も助けないよ」。
"彼らにはそれを救う権利はなかった"
「十中八九は、彼らが救ってくれると思っていただろう。
解説者のセリフの中には、あまりに頻繁に繰り返されるものがあるため、試合中にシュートを見るたびに、ファンの潜在意識のどこかにそのセリフがあるように感じられることがある。
しかし、質の高いチャンスを仕留める選手の能力や、チャンスを止めるGKの能力といった主観的な決まり文句は、どれほど正確なのだろうか？
10年以上前のExpected Goals (xG)の成功に続き、Opta もう一つのモデル、Expected Goals on Target (xGOT) を導入しました。xGOTは、Optaシュートデータの履歴データベースを活用し、シュートの軌道、ゴールマウス内の終了位置、その他多くの状況要因に基づいて、ゴールが決まる可能性を特定します。
現在、OptaAIチームはxGOTの様々な機能強化を監修しており、解説者、studio アナリスト、そしてクラブで働く専属のパフォーマンス・アナリストにとって、より強力なモデルとなっている。
この強化されたxGOTは、Opta収集した男子サッカー32大会、女子サッカー31大会のデータを使用し、男子と女子の別々のモデルにも分割されている。これは、最近の歴史的な大会の30万以上のオンターゲットのシュートでトレーニングされています。また、PKに特化した別のモデルもあり、こちらは20,000以上のPKに対してトレーニングされている。
では、xGOTモデルは何を考慮してリアルタイムのインサイトを提供しているのだろうか？その前に、 xGOTがxGとどう違うのかを簡単に説明しよう。
期待される目標について説明
OptaxGモデルは、シュートの位置と、シュートが打たれた瞬間から得られたフィールド上の数十の状況要因に基づいて、チャンスの質を測定する。つまり、ゴール至近距離から放たれたシュートは、枠外から放たれた投機的なシュートよりもはるかに高いxG値を生み出すということだ。
シュートの位置から、平均的な選手がどのような得点を期待できるかを理解することで、チャンスの質を知ることができる。このチャンスから放たれたシュートがゴール上隅に向かうことは、ゴールの真ん中にまっすぐ放たれたシュートよりもゴールにつながる可能性がはるかに高い。
そこで、次のレベルのコンテクストを測定するためにxGOTが登場する。
xGOTは、基本的なチャンスの質（xG）と、ゴールマウス内のショットエンドの位置を含むショットの実行に関する情報の組み合わせに基づいて、オンターゲットのショットがゴールにつながる可能性を測定する。
つまり、xGがシュート位置に基づくチャンスの質であると考えるならば、xGOTはシュート後のチャンスの質を記録する。その名が示すように、このモデルはオンターゲットのシュートにのみ使用される。つまり、シュートがオンターゲットに入らなければ、ゴールにつながる可能性は0％ということだ。
昨シーズンのプレミアリーグでxGOTが活躍した良い例だ。
トッテナムのジェームズ・マディソンは、アストン・ヴィラ戦で直接フリーキックの上に立ち、フリーキックの位置のxG値は0.12だった。マディソンが蹴ったフリーキックは、ビラの壁を回り込み、エミ・マルティネスのニアポストの内側に入り、xGOTは0.73を記録した。基本的に、これはxG値で測定される難しいチャンスであったが、非常に高いクオリティで実行され、はるかに高いxGOT値に反映された。
マディソンがこのフリーキックを決めたシーンはこちらで見ることができる（イギリスのみ ）。
では、xGOTはどのように強化されたのか？
モデルの詳細な複雑さに深入りすることなく、xGOTの機能強化は4つのポイントに要約できる：
#1 男女のサッカーに別々のモデル
2023年FIFA女子ワールドカップ以降、Opta キャプチャした女子の試合のチャンスからのすべてのxG値は、過去の女子の試合のショットでトレーニングされた専用モデルを使用して生成されています。当社の女子xGモデルの詳細については、こちらをご覧ください。
xGOTの最新版では、男女別の試合モデルも用意しました。男子モデルは32の男子大会のデータでトレーニングされ、女子モデルは31の大会でトレーニングされました。
昨年のイングランド、フランス、ドイツ、イタリア、スペインの女子トップリーグのxGOTの値から、シュートの質を一貫して向上させた選手を特定することができる。
シュート・ゴール・アディッドという指標を使うと、その選手のシーズン中のxGOTの合計がxGを上回ったかどうかがわかる。これは、オープンプレーのチャンスから、彼女がシュートを狙い通りに放ち、GKがセーブしにくい良い場所にシュートを打ったことを示している。
#2 GKデータの深化
xGOTは、基本的なチャンスの質(xG)とシュートの軌道だけでなく、ゴールキーパーの位置がゴールの確率にどのような影響を与えるかについての詳細な情報を組み込んでいる。これは、シュート軌道までの距離だけでなく、シュート時のシュート位置とゴールマウスとの相対的な位置にも関係している。
例えば、シュートの軌道に近いゴールキーパーほどセーブしやすい。同様に、ゴール左隅に立つゴールキーパーは、右下に向かうシュートをセーブする可能性が低くなる。下のゴールマウス・グラフィックは、ゴールから14メートルの距離で、初期値xGが0.26で、xGOT値が0.95の好機を表示している。
#3位 ショットの実行に関する洞察
xGOT はショットの実行そのものに関連する余分な修飾子を考慮するようになった。例えば、ショットがディフレク トされたり、ミシットされた場合、ショットに適用されるスワーブと同様に、ショットに帰 属する xGOT 値に影響を与えるようになった。
#4 ペナルティ専用モデル
PKは、オープンプレーからのシュートとは性質が異なり、シュートを打つ選手にはゴールへの明確な進路があり、GKはキックを蹴るときにゴールライン上に足がなければならない。
その結果、ペナルティキックの過去のデータセットのみを用いて訓練されたxGOTモデルが開発された。
バイエルン・ミュンヘンのストライカー、ハリー・ケインは、ブンデスリーガ王者として9本中9本のスポットキックを決め、5本以上PKを試みた選手の中で、シュート1本あたりのxGOTが最も高かった（0.86）。
では、『xGOT』から見た昨シーズンの他の傑出したパフォーマーは？
この強化モデルを昨シーズンのイングランド・プレミアリーグの全ショットに適用してみると、エヴァートンのジョーダン・ピックフォードが他のどのゴールキーパー（6人）よりも多くのゴールをセーブで防いだことがわかる。下のゴールマウス図が示すように、ピックフォードは50失点（50 xGOT conceded）すると予想されたが、キャンペーンを通して44失点にとどまった。
ゴールキーパーのシュート阻止能力を示すためにxGOTを応用したもう一つの指標は、Goals Prevented Rate（ゴール阻止率）である。これは、各GKが直面したシュート数に基づいてxGOTの指標を標準化するもので、より多くのシュート数に直面したGKを、より強力なディフェンスを前にしたGKとともに、より公平に評価することができる。
例えば、昨シーズンのリーガ・エスパニョーラでは、降格したレガネスでゴールを守ったマリオ・ドミトロビッチが、レアル・マドリードのティボー・クルトワ（2.8）よりも多くの失点を防いだ（4.75）。しかし、シュート数で正規化すると、両GKとも1.1失点と、お互いにゴールを防いでいることがわかる。
攻撃側の視点に立てば、比較的チャンスの質が低いシュートでも、最初のxGに基づけば、その選手がどの程度効果的にシュートを決めることができるかを知ることができる。もう一つの良い例は、昨年のボーンマス戦でのマン・シティのオマール・マームッシュのゴールで、xGは0.02だったが、xGOTは0.63だった。
2024-25シーズンのプレミアリーグ・ゴール・オブ・ザ・シーズンに選ばれたこのゴールのビデオは、こちらで見ることができる（イギリスのみ）。
xGOTとそのアプリケーションについてもっと知りたいのですが？
他のOptaAIメトリクスと同様に、これらのメトリクスは、様々なフィードや製品統合を介して利用することができ、ゴール前での選手のパフォーマンスやゴールキーパーのシュートストップ能力に関する強力な洞察を共有することができます。これらのソリューションの詳細は Stats Perform製品検索.
クラブ内でデータサイエンティストとして働いておられる方には、プロ・ソリューション・チームがモデルの開発と全機能についてご説明いたします。prosolutions@statsperform.comまでご連絡ください。
Opta モデル説明の全リストは、以下をご覧ください。 メトリックの説明 Opta ページをご覧ください。
