주요 요점
- 옵타프로의 포제션 가치(PV) 프레임워크는 개별 포제션에서 팀이 득점할 확률을 설정합니다.
- 이 프레임워크는 주요 경기 중 이벤트에 대한 긍정적인 기여도와 부정적인 기여도를 기준으로 개별 선수에게 크레딧을 부여합니다.
- 맨체스터 시티의 리야드 마레즈와 케빈 데 브라위너는 이번 시즌 현재까지 프리미어리그에서 가장 뛰어난 활약을 펼치며 가장 높은 PV+(Possession Value Added)를 기록 중입니다.
골을 넣고 어시스트를 제공하는 선수는 모든 축구 팀의 핵심입니다. 하지만 이 두 가지 지표에만 초점을 맞추면 경기장에서 일어나는 다른 모든 행동을 무시하게 됩니다. 예를 들어, 수비형 미드필더가 하는 모든 동작의 99%를 무시한다면 어떻게 수비형 미드필더의 온더볼 기술을 제대로 평가할 수 있을까요?
이상적으로는 플레이어의 모든 행동에 가치를 부여하고 싶습니다. 선수의 행동이 팀을 더 좋게 만들었나요, 나쁘게 만들었나요? 팀이 골을 넣거나 경기에서 승리할 확률을 높였나요?
대부분의 경우, 중앙 미드필더를 평가할 때 일반적으로 매우 낮기 때문에 xG 및 xA 수치를 연구하는 것은 특별히 인사이트가 되지 않습니다. 대신 '프로그레시브' 패스 횟수나 '최종 3번째 진입' 횟수와 같은 다른 지표를 살펴봅니다.
이러한 지표에는 가치가 있지만 많은 정보를 놓치는 경우도 있습니다. 공격적인 선수를 판단할 때 골대를 맞힌 슛을 사용하는 것과 비교할 수 있습니다. 이 시나리오에서 우리는 그 슛이 얼마나 가치 있는 슛이었는지 알고 싶을 것입니다. '최종 3번째 항목'에 대해서도 마찬가지입니다. 각 최종 3번째 항목은 얼마나 가치가 있었을까요?
2012년에는 슛의 가치에 대한 평가를 개선하기 위해 응용 축구 분석에 xG를 도입했습니다. 이를 통해 공격수와 공격수의 득점 능력을 판단하는 방법이 개선되었습니다.
이를 확장하여 경기장 내 모든 행동에 가치를 부여할 수 있다면 어떨까요?
소유권에서 득점 가능성 설정하기
플레이어는 경기 중에 끊임없이 결정을 내려야 합니다. 한편으로는 득점 확률을 최대화하려고 노력하지만 다른 한편으로는 실점 확률을 최소화하려고 노력합니다.
공격수를 골로 연결시키는 패스나 소유권을 획득하는 가로채기 등 어떤 행동이 긍정적인지 매우 명확할 때가 있습니다.
하지만 대부분의 액션은 이보다 더 미묘한 차이가 있습니다.
옵타프로의 포제션 가치 프레임워크가 바로 여기에 있습니다. 농구에서 볼 수 있는 EPV/예상 소유권 가치 모델과 유사하게, 소유권가치 또는 PV는 팀이 소유권에서 득점할 확률을 측정합니다.
이 모델은 아직 개발 중이며 2019/20 시즌 동안 옵타프로 고객들의 피드백을 바탕으로 발전해 나갈 예정입니다.
다음은 리버풀의 일련의 동작에 초점을 맞춘 소유 가치 적용 방법의 예시입니다. 마지막 이벤트는 제임스 밀너의 패스입니다.
이 단계에서 이 소유권이 골로 이어질 가능성은 얼마나 되나요? 골이 어떻게 득점되는지는 중요하지 않다는 점을 기억하세요. 리시브하는 선수가 직접 슈팅하여 득점하면 골이 될 수 있습니다. 또는 코너에서 20번의 터치를 거쳐 득점할 수도 있습니다. 그 사이에 팀이 소유권을 잃지 않는다면 득점으로 인정됩니다. 동일한 소유권 내에서 골이 발생할 가능성은 모델이 추정하는 것입니다.
이 경우 모델은 확률을 3.3%, 즉 30명 중 1명 정도로 추정합니다. 그렇다면 이 수치는 어떻게 얻을 수 있을까요?
이 모델은 위 그림과 같이 동일한 소유권 내에서 최대 5개의 이전 이벤트를 기반으로 이 추정을 수행합니다. 그런 다음 이를 과거 데이터와 비교하여 목표가 발생할 가능성을 추정합니다. 일반적으로 시퀀스에서 동작이 나중에 발생할수록 더 중요한 것으로 간주됩니다. 이 예에서는 밀너의 마지막 패스가 5번 전에 발생한 패스보다 더 큰 영향을 미친다는 의미입니다.
이쯤 되면 '그래서 어떻게 경기장 내 모든 행동에 가치를 부여할 수 있을까요?"라고 자문할 수 있습니다.
리버풀의 예를 계속 이어서 밀너의 패스에 따른 두 가지 동작을 살펴봅시다:
피르미누가 밀너로부터 공을 받은 후 박스 쪽으로 공을 운반한 후 사디오 마네에게 스루패스를 성공시킵니다. 이제 모델은 골이 발생할 확률을 33.9%로 추정합니다. 다시 말해, 이 선수의 행동이 팀의 득점 가능성을 30% 이상 높인 것입니다. 이를 우리는 소유 가치 추가(또는 PV+).
따라서 소유 가치 프레임워크를 적용하면 경기장에서의 모든 행동이 팀의 득점 가능성을 어떻게 증가시키거나 감소시키는지 살펴봄으로써 가치를 평가할 수 있습니다.
팀의 득점 확률에 대한 플레이어의 기여도를 정량화하기
플레이어의 PV+ 출력이 전개 동작에 긍정적인 기여를 하지만 높은 xG 또는 xA 값을 생성하지 않는 동작을 예로 들어 보겠습니다.
아스널의 알렉상드르 라카제트가 상대 선수들에게 둘러싸인 채 자기 진영 안에서 스로인 패스를 받고 있습니다.
공을 받은 후 방향을 바꾼 프랑스 선수는 상대 진영 깊숙이 공을 운반하고, 9초 후 왼쪽에 있는 콜라시낙에게 공을 패스하기 위해 이 위치에 섭니다.
아스널의 공격에 기여한 것은 분명하지만 콜라시나츠는 코너킥을 위해 수비수에게 헤딩으로 연결한 크로스가 좋지 못했습니다.
라카제트의 뛰어난 활약은 해당 위치에서 콜라시낙이 직접 득점할 가능성이 낮기 때문에 xG나 xA에는 나타나지 않습니다. 하지만 라카제트의 PV+는 그의 공헌도를 더 정확하게 보여줍니다.
스로인에서 공을 받을 때는 PV가 약 1%인 반면 러닝이 끝날 때는 7%가 넘습니다. 따라서 그는 0.06의 PV+를 생성하며, 이는 그의 참여가 실제로 얼마나 가치 있는지를 훨씬 더 잘 반영합니다.
점유 가치의 힘은 경기장에서 일어나는 모든 관련 행동에 적용할 수 있다는 것입니다. 패스, 캐리, 테이크온, 가로채기, 태클, 리커버리, 심지어 파울을 얻어내거나 코너에서 승리하는 것까지 모두 이 프레임워크에 적용할 수 있습니다.
부정적인 기여 기여도 귀속
소유권 싸움에서 긍정적인 기여를 하는 것뿐만 아니라 턴오버는 경기의 일부이자 필수 요소입니다.
공의 소유권을 잃는 것은 두 가지 측면에서 팀에 해롭습니다. 우선, 내 소유권과 관련된 모든 가치가 사라집니다. 둘째, 상대가 잠재적으로 위험한 소유권을 갖게 됩니다.
PV 프레임워크는 플레이어의 부정적 참여도를 어트리뷰션할 때 두 가지 요소를 모두 고려합니다.
이 기능이 어떻게 적용되는지 두 가지 다른 시나리오를 살펴보겠습니다:
시나리오 1 - 왓포드 대 아스널: 소크라티스 파파스타토풀로스
소크라티스가 자기 박스 안에서 공을 잡았습니다. 후방에서 플레이를 시도하는 데울로페우가 패스를 가로챕니다.
- 소유 가치 손실 = 0.01
- 상대 소유의 위험도 = 0.14
총 소크라티스는 -0.15 PV+로 귀속됩니다.
시나리오 2 - 토트넘 홋스퍼 대 크리스탈 팰리스: 체이코우 코야테
크리스탈 팰리스가 왼쪽 공격 진영에서 페널티 박스 바로 바깥에서 프리킥을 얻어냈습니다.
프리킥이 백 포스트로 전달되고 코야테가 다시 걷어내려고 합니다. 하지만 실패하고 공은 클리어됩니다.
- 소유 가치 손실 = 0.17
- 상대 소유의 위험도 = 0.01
따라서 여기서 소크라티스와 관련된 시나리오에 동일한 기준을 적용하면 코우야테는 -0.18 PV+를 받게 됩니다.
그러나 각 시나리오의 맥락은 크게 다릅니다. 첫 번째 예에서는 소크라티스의 개인 실수가 자기 박스 안에서 직접적으로 PV의 변화를 가져온 것이 분명하지만, 쿠야테의 경우에는 그의 풀백을 받을 수 있는 중앙 위치에 있지 않은 몇몇 팀원들에게 잘못이 있다고 주장할 수 있습니다.
예선 결과를 살펴보면 공격적인 플레이를 자주 하는 선수의 점수에 부정적인 영향이 큰 것으로 나타났습니다.
책임이 있는 곳에만 책임 및/또는 공로를 부여하는 것이 중요하다고 생각합니다. 따라서 저희의 프레임워크에서는 소유물의 가치 손실에 대한 처벌을 0.025(소유물의 평균 가치)로 제한하고 있습니다.
즉, 이 예에서 쿠야테는 팀 소유물의 가치 손실로 -0.025, 상대 소유물의 위험으로 -0.01의 패널티를 받습니다.
이러한 방식으로 공을 잃어버린 경우 마이너스 크레딧을 부여해도 공을 낭비하는 공격자에게 불이익을 주지만 불공평하게 불이익을 주는 것은 아닙니다.
뛰어난 성과자 식별
결국 모든 플레이어는 긍정적인 기여도와 부정적인 기여도 모두에 따라 평가됩니다. 긍정적인 기여가 많으면 좋지만, 긍정적인 기여가 부정적인 기여보다 많아야 합니다. 이를 통해 고위험/고보상 플레이어를 저위험/저보상 플레이어와 동일한 척도로 평가할 수 있습니다.
아래 표는 이번 시즌 프리미어리그에서 각 팀별로 90경기당 가장 높은 PV+를 기록한 선수를 나열한 것으로, 다소 적은 수의 경기 표본을 바탕으로 한 것이지만 주의할 점은 이 수치가 뛰어난 선수를 식별하는 데 도움이 될 수 있다는 것입니다. 선수들은 현재 리그 테이블을 기준으로 순위를 매겼습니다.
보시다시피 출력은 네 가지 카테고리로 나뉘는데, 하나는 긍정적이고 세 가지는 부정적입니다:
(+) 진행 중인 작업. PV+가 플러스인 액션이며 파란색으로 강조 표시됩니다.
(-) 성공했지만 회귀하는 작업. 이러한 작업은 완료된 작업이지만 빨간색으로 강조 표시된 마이너스 PV+로 귀속됩니다.
(-) 소유권 상실 (-0.0코우야테의 경우 25 PV+).
(-) 소유권 상실로 인한 직접적인 반대위협 (의 -0.14 PV+처럼) 속라티스).
플레이어는 긍정적인 참여가 부정적인 참여보다 많기를 원합니다. 즉, 파란색 막대가 모든 부정적인 막대를 합친 것보다 커야 한다는 뜻입니다.
리야드 마레즈가 현재까지 리그 1위를 차지하고 있지만, 이 표에는 다양한 포지션의 선수들이 섞여 있어 이 프레임워크가 경기장 전체의 모든 유형의 선수를 평가하는 데 사용될 수 있음을 보여줍니다(하지만 포지션이 다른 선수를 직접 비교하는 것은 최선의 방법은 아닙니다).
샷과 키 패스를 넘어
점령 가치를 적용하면 팀이 플레이어의 모든 행동을 기반으로 플레이어를 판단할 수 있습니다.
골문 앞에서의 기본 성능(xG)과 마지막 3분의 1에서 이루어지는 패스의 품질(xA)을 파악하기 위해 고안된 기존의 고급 지표를 보완하는 PV는 수비 미드필더와 수비수의 모든 온더볼 기술에 가치를 부여하거나 은골로 칸테의 인터셉트와 같은 주요 수비 기여도의 실제 가치를 정량화할 수 있게 해줍니다.
이 글의 앞부분에서 설명한 바와 같이 옵타프로의 보유 가치 프레임워크는 아직 개선 중이며 시즌이 진행됨에 따라 추가 정보가 공유될 예정입니다.
모델에 대해 더 자세히 알고 싶거나 지금까지 개발한 내용과 관련하여 궁금한 점이 있으면 pro@optasports.com 으로 문의해 주세요.
다음 블로그에서는 성과 분석 및 채용 정보를 제공하기 위해 PV를 적용하는 방법에 대한 추가 사례를 제공하고, 이 프레임워크에서 파생할 수 있는 다른 유용한 지표를 강조할 것입니다.
