그건 바로 구석에 있었는데 아무도 구하지 못했습니다."
"그들은 그것을 저장할 권리가 없었습니다."
"열에 아홉은 절약할 수 있을 거라고 예상했을 겁니다."
일부 해설자의 대사는 너무 자주 반복되어 라이브 경기 중 골대를 볼 때마다 팬의 잠재의식 어딘가에 자리 잡고 있는 것처럼 느껴질 수 있습니다.
하지만 선수가 좋은 찬스를 마무리하는 능력이나 골키퍼가 이를 막아내는 능력에 대한 이러한 주관적인 평가가 얼마나 정확할까요?
10년 전 예상 골(xG) 의 성공적인 출시에 이어 Opta 또 다른 모델인 예상 골 온 타겟(xGOT) 을 도입했습니다. xGOT는 Opta과거 샷 데이터 데이터베이스를 활용하여 샷의 궤적, 골문 내 최종 위치 및 기타 여러 상황적 요소를 기반으로 득점 가능성을 식별합니다.
이제 OptaAI 팀은 해설자, studio 분석가, 클럽에서 일하는 전담 경기력 분석가에게 더욱 강력한 모델을 제공하기 위해 xGOT의 다양한 개선 사항을 감독했습니다.
Opta 수집한 32개 남자 대회와 31개 여자 대회의 데이터를 사용하여 개선된 xGOT은 이제 남자 축구와 여자 축구용 모델로 분리되어 있습니다. 이 모델은 최근의 역대 대회에서 나온 30만 개 이상의 슛을 대상으로 훈련했습니다. 또한 페널티킥 전용 모델도 별도로 존재하며, 20,000개 이상의 페널티킥에 대해 훈련되었습니다.
그렇다면 이제 이러한 xGOT 모델은 실시간 인사이트를 제공하기 위해 무엇을 고려할까요? 이에 대해 알아보기 전에 xGOT이 xG와 어떻게 다른지 간단히 살펴보겠습니다.
목표에 대한 예상 목표 설명
OptaxG 모델은 슛의 위치와 슛이 날아가는 순간부터 수십 가지의 현장 상황적 요소를 바탕으로 찬스의 품질을 측정합니다. 즉, 가까운 거리에서 골대를 명확하게 볼 수 있다면 박스 밖에서 슛을 시도하는 것보다 훨씬 더 높은 xG 값을 얻을 수 있습니다.
슛 위치에 따라 평균적으로 어떤 선수가 득점할 것으로 예상되는지 파악하면 찬스의 품질에 대한 통찰력을 얻을 수 있지만, 같은 찬스라도 선수마다 다르게 실행할 수 있다는 사실도 알 수 있습니다. 이 찬스에서 상단 구석으로 향하는 슛이 골대 중앙에 정확히 맞는 슛보다 골로 연결될 가능성이 훨씬 높습니다.
바로 이 지점에서 다음 단계의 컨텍스트를 측정하기 위해 xGOT이 등장합니다.
xGOT은 기본 기회 품질(xG)과 골문 내 슛 끝 위치 등 슛 실행과 관련된 정보의 조합을 기반으로 목표물에 맞힌 슛이 골로 이어질 가능성을 측정합니다.
따라서 xG가 슛 위치에 따른 찬스 품질이라고 생각하면, xGOT는 슛 후 찬스 품질을 기록하여 골대 중앙으로 직진하는 슛보다 코너에 들어간 슛에 더 많은 점수를 부여합니다. 이름에서 알 수 있듯이 이 모델은 슛이 목표물에 맞지 않으면 골로 연결될 확률이 0%이기 때문에 목표물에 맞는 슛에만 사용됩니다.
다음은 지난 시즌 프리미어 리그에서 xGOT이 활약한 좋은 예입니다.
토트넘의 제임스 매디슨이 애스턴 빌라를 상대로 직접 프리킥을 얻어냈는데, 프리킥 위치의 xG 값은 0.12였습니다. 매디슨이 빌라의 벽을 돌아 에미 마르티네즈의 니어 포스트 안쪽에서 프리킥을 성공시킨 위치는 0.73의 xGOT를 기록했습니다. 본질적으로 이것은 xG 값으로 측정한 어려운 기회였으며, 매우 높은 품질로 실행되어 훨씬 더 높은 xGOT 값에 반영되었습니다.
매디슨이 이 프리킥을 성공시키는 장면은 여기에서 볼 수 있습니다 (영국만 해당).
그렇다면 xGOT은 어떻게 개선되었나요?
모델의 세부적인 복잡성에 대해 너무 자세히 설명하지 않고, xGOT의 개선 사항을 네 가지 핵심 사항으로 요약할 수 있습니다:
#1위 남자 축구와 여자 축구를 위한 별도의 모델
2023 FIFA 여자 월드컵부터 Opta 캡처한 여자 경기의 모든 xG 값은 역대 여자 경기의 장면을 학습한 전용 모델을 사용하여 생성되었습니다. 여자부 xG 모델에 대한 자세한 정보는 여기에서 확인할 수 있습니다.
xGOT의 최신 버전에서는 이제 남자 경기와 여자 경기를 위한 별도의 모델도 있습니다. 남자 모델은 32개의 남자 대회 데이터를, 여자 모델은 31개의 대회 데이터를 기반으로 학습했습니다.
영국, 프랑스, 독일, 이탈리아, 스페인의 작년 여자 1부 리그의 xGOT 값을 사용하면, 공을 깨끗하게 쳐서 코너에 슛을 넣는 등 슈팅의 질을 지속적으로 개선한 선수를 파악할 수 있습니다.
시즌 동안 한 선수의 총 xGOT가 자신의 xG를 초과한 총계를 측정하는 슈팅 골 추가 메트릭을 사용하면 오픈 플레이에서 TSG 호펜하임의 공격수 셀리나 세르치가 프리슛 찬스의 질을 4.6골 향상시킨 것을 볼 수 있습니다. 이는 오픈 플레이 기회에서 골키퍼가 선방하기 어려운 좋은 위치에서 슛을 성공시켰음을 나타냅니다.
#2 더 깊이 있는 골키퍼 데이터
기본적인 찬스 품질(xG)과 슛의 궤적뿐만 아니라 이제 xGOT에는 골키퍼의 위치가 득점 확률에 미치는 영향에 대한 자세한 정보가 통합됩니다. 이는 슛 궤적까지의 거리뿐만 아니라 슛 위치 및 슛 당시 골키퍼의 위치와도 관련이 있습니다.
예를 들어, 슛의 궤적에 더 가까이 있는 골키퍼가 선방할 확률이 높다는 것을 알 수 있습니다. 마찬가지로 골대 왼쪽 구석에 서 있는 골키퍼는 오른쪽 하단으로 향하는 슛을 막아낼 가능성이 낮으며, 아래 골문 그래픽에서 볼 수 있듯이 골대에서 14미터 떨어진 곳에서 초기 xG가 0.26이고 xGOT 값이 0.95인 좋은 기본 기회를 표시하고 있습니다.
#3 샷 실행 인사이트
이제 xGOT은 샷 자체의 실행과 관련된 추가 한정어를 설명합니다. 예를 들어, 샷이 빗나갔거나 잘못 맞았다면 이제 샷에 적용된 스웨이브와 마찬가지로 해당 샷의 xGOT 값에 영향을 미칩니다.
#4 전용 페널티 모델
페널티킥은 슛을 하는 선수에게 골로 향하는 명확한 경로가 있고 골키퍼가 킥을 할 때 골라인에 발이 있어야 한다는 점에서 오픈 플레이에서 슛을 하는 것과는 성격이 다릅니다.
그 결과, 페널티킥의 과거 데이터 세트에 대해서만 학습된 별도의 xGOT 모델이 개발되었습니다.
지난 시즌 남자 유럽 리그 빅5에서 바이에른 뮌헨의 공격수 해리 케인은 페널티킥을 5번 이상 시도한 선수 중 공동 1위(0.86)를 기록했으며, 분데스리가 챔피언의 9번 중 9번의 페널티킥을 성공시켰습니다.
그렇다면 지난 시즌 xGOT을 기반으로 눈에 띄는 활약을 펼친 다른 선수는 누구였을까요?
지난 시즌 잉글랜드 프리미어리그 캠페인의 모든 슈팅에 향상된 모델을 적용하면 에버턴의 조던 픽포드 골키퍼가 다른 어떤 골키퍼(6개)보다 더 많은 실점을 막아낸 것을 볼 수 있습니다. 아래 골머스 그래픽에서 볼 수 있듯이 픽포드는 50골을 실점할 것으로 예상되었지만(50 xGOT 실점) 캠페인 기간 동안 44골만 실점했습니다.
골키퍼의 슈팅 저지 능력을 설명하기 위해 xGOT를 적용하는 또 다른 메트릭은 골을 막는 비율입니다. 이 비율은 각 골키퍼가 직면한 슈팅 수를 기준으로 xGOT 메트릭을 표준화하여, 더 많은 슈팅에 직면한 골키퍼를 더 강력한 수비를 갖춘 골키퍼와 함께 더 공정하게 측정할 수 있도록 합니다.
예를 들어, 지난 시즌 라리가에서 강등된 레가네스의 골키퍼로 활약한 마리오 드미트로비치는 레알 마드리드의 티보 쿠르투아(2.8개)보다 더 많은 골(4.75개)을 막아냈습니다. 그러나 두 골키퍼가 맞닥뜨린 슈팅 수를 정규화하면 두 골키퍼 모두 1.1골을 실점하며 서로 비슷하게 골을 막았다는 것을 알 수 있습니다.
공격수의 관점에서 볼 때, 초기 xG를 기준으로 상대적으로 낮은 기본 기회 품질을 가진 선수가 얼마나 효과적으로 슛을 실행하여 훨씬 더 높은 xGOT로 골대를 맞추는지에 대한 인사이트를 얻을 수 있습니다. 또 다른 좋은 예로 지난해 맨시티가 본머스를 상대로 넣은 오마르 마르무쉬의 골은 xG가 0.02였으나 xGOT는 0.63이었습니다.
2024-25 시즌 프리미어리그 올해의 골로 선정된 이 골의 동영상은 여기에서 시청할 수 있습니다 (영국만 해당).
xGOT과 그 애플리케이션에 대해 자세히 알아보려면 어떻게 해야 하나요?
모든 OptaAI 지표와 마찬가지로 다양한 피드 및 제품 통합을 통해 활용할 수 있으며, 골대 앞에서의 선수 퍼포먼스 및 골키퍼의 슈팅 저지 능력에 대한 강력한 인사이트를 공유할 수 있습니다. 이러한 솔루션에 대한 자세한 내용은 다음을 통해 확인할 수 있습니다. Stats Perform제품 찾기.
클럽에서 사내 데이터 과학자로 근무하는 경우, 프로 솔루션 팀에서 모델 개발과 전체 기능 목록을 안내해 드릴 수도 있습니다. prosolutions@statsperform.com 으로 문의하실 수 있습니다.
Opta 모델 설명자의 전체 목록을 보려면 다음을 방문하세요. 메트릭 설명 페이지를 참조하세요.
