Het getal achter het doelpunt
Elk schot in het voetbal heeft een kans om erin te gaan. Een penalty heeft een xG van ongeveer 0.76 — in 76 van de honderd gevallen gaat hij erin (bron: FBref xG Model Explained). Een kopbal van twaalf meter uit een voorzet heeft misschien een xG van 0.08. Een vrije trap van dertig meter: 0.03. Expected goals kwantificeren die kans voor elk schot in elke wedstrijd, op basis van factoren als positie, hoek, type schot en de situatie van het spel. Het resultaat is een getal dat de werkelijke kwaliteit van een kans weergeeft — los van of het schot erin ging of niet.
De xG-revolutie heeft de manier veranderd waarop analisten, scouts, trainers en wedders naar voetbal kijken. Het biedt een laag dieper inzicht dan het scorebord alleen. Een team dat 1-0 wint maar een xG van 0.4 had, heeft geluk gehad — de kwaliteit van de gecreëerde kansen rechtvaardigde dat doelpunt niet. Een team dat 0-2 verliest maar een xG van 2.3 produceerde, was de betere ploeg maar miste zijn kansen. Dat verschil is voor wedders van direct belang.
Dit artikel legt uit hoe xG werkt, hoe je het gebruikt bij weddenschappen en waar de beperkingen liggen.
Hoe worden expected goals berekend?
De berekening van xG is gebaseerd op historische data. Voor elk schot in een wedstrijd wordt gekeken naar een reeks variabelen: de positie op het veld, de afstand tot het doel, de hoek ten opzichte van de doellijn, het type schot (voet, hoofd, volley), of het een open kans was of een situatie met verdedigers in de weg, en of het volgde op een voorzet, doorsteekpass of individuele actie. Die variabelen worden vergeleken met tienduizenden vergelijkbare schoten uit het verleden, en de historische conversiepercentage van die vergelijkbare schoten wordt het xG-getal.
Een schot van binnen de vijfmeterruimte, centraal voor het doel, zonder keeper op de lijn: dat heeft een xG van 0.85 of hoger. Hetzelfde type schot maar vanaf de rand van het strafschopgebied, met een verdediger in de passing lane: misschien 0.12. De context bepaalt alles. En het mooie van xG is dat die context is gekwantificeerd op basis van miljoenen historische datapunten, niet op basis van menselijk gevoel.
De totale xG van een team in een wedstrijd is de som van de xG-waarden van al zijn schoten. Als een team vijftien schoten lost met xG-waarden van 0.03 tot 0.45, tel je die op en krijg je de totale xG — zeg 1.8. Dat betekent dat een gemiddeld team met exact dezelfde kansen in de meeste gevallen twee doelpunten zou hebben gemaakt, soms één, soms drie. Het is een verwachting, geen garantie.
Verschillende aanbieders berekenen xG op iets andere manieren. FBref, Understat en Opta gebruiken elk hun eigen modellen met subtiele variaties in de variabelen die ze meewegen. De verschillen zijn doorgaans klein — een paar tienden per wedstrijd — maar ze bestaan. Voor weddenschappen is het verstandig om consistent dezelfde bron te gebruiken, zodat je vergelijkingen over tijd betrouwbaar blijven.
xG bij weddenschappen: praktische toepassingen
De directe toepassing van xG bij wedden is het identificeren van teams die boven of onder hun verwachte niveau presteren. Een team dat na twintig wedstrijden 35 doelpunten heeft gemaakt maar een totale xG van 28, presteert zeven goals boven verwachting. Dat verschil — het overperformance-getal — is zelden houdbaar over een heel seizoen. Op een gegeven moment normaliseert de scoringsefficiëntie, en dan dalen de doelpunten. Voor de over/under-wedder is dat een signaal: de kans op over is bij dit team mogelijk kleiner dan het doelpuntengemiddelde suggereert.
Omgekeerd: een team dat 18 doelpunten heeft bij een xG van 25 presteert structureel onder verwachting. De kansen worden gecreëerd, de afwerking hapert. Dat is vaak tijdelijk — de xG suggereert dat de goals gaan komen. Voor de over/under-wedder is dat een koopmogelijkheid: het doelpuntengemiddelde is laag, maar de xG voorspelt een stijging.
Bij de 1X2 markt biedt xG een diepere laag dan alleen punten en stand. Een team op de tiende plaats dat een xG-profiel heeft van een top-vijf ploeg, is waarschijnlijk sterker dan de ranglijst doet vermoeden. Andersom geldt hetzelfde: een team op de vijfde plek met de xG van een middenmoter, heeft zijn positie deels aan geluk te danken. Die discrepanties worden niet altijd door de markt gecorrigeerd, en daar zit potentieel waarde.
Voor BTTS-weddenschappen is xG-against bijzonder relevant. Een team met een lage xG-against houdt structureel weinig kansen tegen en is een sterke kandidaat voor BTTS Nee — zelfs als de recente resultaten anders suggereren. Eén ongelukkige wedstrijd met drie tegengoals vertekent het beeld. De xG-against over tien wedstrijden geeft een eerlijker beeld van de verdedigende kwaliteit.
Bij doelpuntenmaker-weddenschappen is individuele xG per negentig minuten de sleutelmetriek. Hoeveel xG creëert een speler per negentig speelminuten? Dat getal vertelt je meer over zijn scoringskansen dan het aantal goals dat hij dit seizoen heeft gemaakt. Een speler met hoge xG maar weinig goals is statistically due — hij krijgt de kansen, de conversie volgt.
Beperkingen van xG
xG is geen kristallen bol. Het model heeft blinde vlekken die je moet kennen om het goed te gebruiken. De belangrijkste beperking: xG houdt geen rekening met de kwaliteit van de afwerker. Een penalty van Memphis Depay heeft dezelfde xG als een penalty van een amateurspeler — 0.76 in beide gevallen. In werkelijkheid is de ene penalty-nemer aanzienlijk betrouwbaarder dan de andere. xG meet de kans op basis van de situatie, niet op basis van de speler.
Een tweede beperking is dat standaardsituaties in veel modellen minder goed worden gevangen. Corners, vrije trappen en lange inworp-situaties hebben een eigen dynamiek die het model niet altijd volledig kwantificeert. Een team dat sterk is bij standaardsituaties — kopsterke verdedigers, een uitstekende vrije-trappennemer — kan structureel boven zijn xG presteren zonder dat dat op geluk wijst.
Het model heeft ook moeite met tactische verschuivingen die niet in de data zitten. Een trainerswissel halverwege het seizoen verandert het spelpatroon, maar de xG over het hele seizoen middelt de oude en nieuwe stijl uit. Als je xG gebruikt voor weddenschappen, moet je recente data zwaarder laten wegen — en dat vereist een bewuste keuze die het model zelf niet voor je maakt.
Tot slot: xG werkt beter over langere periodes dan over individuele wedstrijden. De xG van één wedstrijd kan sterk afwijken van het werkelijke resultaat zonder dat dat een probleem is — het is simpelweg variantie. De voorspellende kracht van xG komt pas tot zijn recht bij een dataset van tien wedstrijden of meer. Wie op basis van de xG van één wedstrijd zijn inzetten bepaalt, overschat de precisie van het model.
xG is een instrument, geen antwoord
Expected goals zijn het beste dat de voetbalanalyse de afgelopen vijftien jaar heeft voortgebracht. Het kwantificeert wat eerder ongrijpbaar was: de kwaliteit van kansen, los van of ze benut werden. Dat is voor wedders van onschatbare waarde. Maar het is een instrument — een van de vele — en geen complete strategie op zichzelf.
Gebruik xG als aanvulling op je analyse, niet als vervanging. Combineer het met vormcijfers, head-to-head data, opstellingsinformatie en je eigen observaties. De wedder die xG blindelings volgt, mist de nuances die het model niet vangt. De wedder die xG negeert, mist de diepste laag van informatie die beschikbaar is. De sweet spot ligt ertussenin: xG als fundament, menselijk oordeelsvermogen als correctiemechanisme.