Pierwszy raz usłyszałem o xG w 2015 roku, gdy jakiś analityk na Twitterze twierdził, że Liverpool gra lepiej niż pokazują wyniki. Patrzyłem na tabelę, Liverpool był w środku stawki — facet wyraźnie nie wiedział o czym mówi. Sześć miesięcy później Liverpool awansował na pozycję zapowiadaną przez te „dziwne statystyki”. Od tamtej pory xG stało się jednym z głównych narzędzi w moim arsenale analitycznym.
xG — Expected Goals — mierzy jakość szans stworzonych przez drużynę, nie tylko ich liczbę. Stats Perform, firma odpowiedzialna za dane Opta, ujmuje to prosto: xG pozwala bukmacherowi ustalać rynki na podstawie realnych prawdopodobieństw, a nie domysłów. To samo narzędzie, którego używają bukmacherzy, jest dostępne dla ciebie — i może dać ci przewagę, której nie mają gracze polegający wyłącznie na wynikach.
Futbol generuje ponad 25% globalnego rynku zakładów sportowych — największa kategoria ze wszystkich. W tej skali nawet niewielka przewaga analityczna przekłada się na realne pieniądze. xG to jedna z niewielu metryk, która konsekwentnie pomaga przewidywać przyszłe wyniki lepiej niż sama tabela ligowa.
Ten artykuł to praktyczny przewodnik po xG dla typera. Nie teoria akademicka — konkretne zastosowania w analizie meczów Ligi Mistrzów. Gdzie znaleźć dane, jak je interpretować, kiedy xG działa, a kiedy zawodzi.
Czym jest Expected Goals (xG)?
xG to prawdopodobieństwo, że dany strzał zakończy się bramką. Każdy strzał w meczu otrzymuje wartość od 0 do 1, gdzie 0 oznacza „praktycznie niemożliwe do zdobycia”, a 1 „pewna bramka”. Strzał z piątego metra po dośrodkowaniu ma xG około 0.35-0.40. Strzał z trzydziestu metrów — może 0.03. Rzut karny — około 0.76.
Skąd biorą się te liczby? Z analizy setek tysięcy strzałów historycznych. Algorytm uwzględnia: pozycję na boisku, kąt do bramki, odległość, część ciała użytą do strzału, typ akcji (kontra, stały fragment, otwarta gra), pozycję bramkarza, liczbę obrońców między piłką a bramką. Im więcej danych, tym dokładniejszy model.
Sumując xG wszystkich strzałów drużyny w meczu, otrzymujesz łączne xG — ile bramek drużyna „powinna” strzelić na podstawie jakości swoich szans. Mecz może skończyć się 0:0, ale jeśli jedna drużyna miała xG 2.5, a druga 0.3 — wiemy kto dominował i kto miał pecha.
W Lidze Mistrzów 2025/26 średnia bramek na mecz wynosi 3.80. Ale ta średnia maskuje ogromne różnice między meczami. xG pomaga zrozumieć, które mecze z dużą liczbą bramek były wynikiem świetnej gry ofensywnej, a które — błędów defensywy lub szczęścia.
Podstawowe pojęcia: xG za (xGF) to oczekiwane bramki strzelone przez drużynę. xG przeciw (xGA) to oczekiwane bramki stracone. Różnica xGF – xGA to bilans xG — drużyny z wysokim bilansem są lepsze niż pokazuje ich pozycja w tabeli, drużyny z niskim — gorsze.
Non-penalty xG (npxG) to xG bez rzutów karnych — przydatne gdy chcesz ocenić grę z akcji, bez wpływu sytuacji stałych fragmentów. Niektóre drużyny mają świetne xG głównie dzięki rzutom karnym — npxG pokazuje prawdziwy obraz ich gry ofensywnej.
xG chain i xG buildup to zaawansowane metryki pokazujące udział zawodnika w akcjach prowadzących do strzałów. Przydatne przy analizie zakładów na asysty czy ocenie wpływu poszczególnych graczy na ofensywę drużyny. Dla podstawowej analizy meczowej wystarczą jednak standardowe xG i xGA.
Dlaczego xG jest lepsze niż „liczba strzałów” czy „posiadanie piłki”? Bo normalizuje jakość. 20 strzałów z 30 metrów to mniej groźne niż 5 strzałów z pola karnego. 70% posiadania z przerzucaniem piłki między obrońcami to mniej wartościowe niż 40% z penetracją pod bramkę. xG mierzy to, co naprawdę się liczy: jakość szans na zdobycie bramki.
Jak interpretować dane xG
Zeszłego sezonu Bayer Leverkusen miał serię meczów, gdzie wygrywali 1:0, 2:1, 1:0. Wyniki minimalne, wydawało się że ledwo się utrzymują. Ale ich xG mówiło co innego — generowali 2.0-2.5 xG za mecz przy xGA 0.5-0.8. Dominowali, tylko nie trafiali. Kilka tygodni później skuteczność wróciła do normy i zaczęli wygrywać wysoko. Kto śledził xG, nie był zaskoczony.
Pierwsza zasada interpretacji: xG wyższe niż faktyczne bramki oznacza słabą skuteczność lub pech. To się wyrówna. Drużyna, która regularnie strzela mniej niż wynosi jej xG, zacznie strzelać więcej — to kwestia czasu. I odwrotnie: drużyna ze świetną skutecznością (bramki > xG) prawdopodobnie będzie strzelać mniej w przyszłości.
Średnia bramek w Lidze Mistrzów — 3.80 na mecz — to punkt odniesienia. Mecz z łącznym xG 1.5 był zamknięty, nawet jeśli padły trzy bramki. Mecz z xG 4.5 był otwarty, nawet jeśli skończył się 1:1. xG pokazuje charakter meczu lepiej niż wynik.
Trendy są ważniejsze niż pojedyncze mecze. Jeden mecz z xG 0.5 nic nie znaczy — drużyna mogła mieć ciężkiego rywala lub zły dzień. Ale pięć meczów z rzędu z xG poniżej 1.0 to sygnał: coś jest nie tak z grą ofensywną. Trendy xG w ostatnich pięciu meczach to jedno z pierwszych rzeczy, które sprawdzam przed postawieniem.
Kontekst ma znaczenie. xG 1.5 przeciwko Manchesterowi City to lepszy wynik niż xG 1.5 przeciwko drużynie z drugiego koszyka. Porównuj xG drużyn do średnich ich rywali, nie do absolutnych liczb.
xG per shot (xG/strzał) pokazuje jakość szans. Drużyna z 15 strzałami i xG 1.0 strzela z dystansu — niskie prawdopodobieństwo sukcesu. Drużyna z 8 strzałami i xG 1.5 kreuje świetne sytuacje. Ta druga jest groźniejsza, mimo mniejszej liczby strzałów.
Porównanie xG domu vs wyjazd bywa odkrywcze. Niektóre drużyny grają kompletnie inaczej u siebie i na wyjeździe — xG to pokazuje. Drużyna z xG za 2.0 w domu i 0.8 na wyjeździe to inna propozycja w zależności od miejsca meczu. Takie różnice powinny wpływać na twoje zakłady.
Sezonowe trendy xG to kolejna warstwa. Drużyny na początku sezonu często mają niestabilne xG — nowi gracze, nowe taktyki, brak zgrania. W środku sezonu xG stabilizuje się. Pod koniec — zmęczenie i kontuzje mogą powodować spadki. Uwzględniaj moment sezonu w interpretacji.
xG vs rzeczywiste wyniki — co mówią różnice?
65% meczów Ligi Mistrzów 2025/26 zakończyło się z trzema lub więcej bramkami. Ale ile z tych meczów „zasługiwało” na tyle bramek według xG? Różnice między xG a rzeczywistymi wynikami to kopalnia informacji dla typera.
Drużyny „overperforming” — strzelające więcej niż wynosi ich xG — to kandydaci do regresji. Nie da się w nieskończoność trafiać co drugi strzał z dystansu. Prędziej czy później skuteczność wróci do średniej, a wyniki się pogorszą. Obstawianie przeciwko takim drużynom to klasyczna strategia value betting.
Drużyny „underperforming” to przeciwieństwo — strzelają mniej niż sugeruje ich xG. To okazja do obstawienia „za” taką drużyną, szczególnie po serii słabych wyników. Rynek reaguje na wyniki, nie na xG — kursy na taką drużynę będą zawyżone.
Przykład z praktyki: drużyna przegrywa trzy mecze z rzędu, kursy na jej wygraną rosną do 2.50. Ale xG pokazuje, że w każdym z tych meczów kreowała świetne sytuacje — 1.8, 2.1, 1.9 xG. Słaba skuteczność, nie słaba gra. Wartość na wygraną jest realna, mimo serii porażek.
Regresja do średniej to fundament tej analizy. W piłce nożnej skuteczność strzałów (procent strzałów zakończonych bramką) oscyluje wokół 10-12% dla większości drużyn. Drużyna ze skutecznością 20% przez trzy mecze prawie na pewno wróci do normy. xG pozwala identyfikować takie sytuacje zanim rynek je skoryguje.
Ale uwaga: nie wszystkie odchylenia to pech lub szczęście. Niektórzy napastnicy są konsekwentnie lepsi od średniej — ich osobiste xG jest niedoszacowane przez modele. Niektóre drużyny mają styl gry, który generuje trudne do zmierzenia przewagi (np. pressing, który powoduje błędy bramkarzy). Traktuj xG jako punkt wyjścia, nie jako wyrocznię.
Gdzie znaleźć dane xG?
Dobra wiadomość: dane xG są dostępne za darmo. Nie musisz płacić za subskrypcje ani kupować dostępu do baz danych. Oto główne źródła, z których korzystam.
FBref (fbref.com) to moje podstawowe źródło. Darmowe, kompletne dane xG dla wszystkich meczów Ligi Mistrzów. Znajdziesz tam xG za mecz, xG per 90 minut, trendy, porównania z ligami krajowymi. Interfejs wymaga przyzwyczajenia, ale dane są rzetelne. FBref używa danych StatsBomb — jednego z najlepszych dostawców statystyk piłkarskich.
Understat (understat.com) oferuje wizualizacje xG — mapy strzałów pokazujące skąd drużyna strzela. Przydatne do szybkiej oceny stylu gry. Czy drużyna atakuje przez środek czy skrzydła? Czy strzela z bliska czy z dystansu? Wizualizacje odpowiadają na te pytania szybciej niż tabele. Understat ma też porównania xG vs rzeczywistych bramek — idealne do identyfikacji over/underperformerów.
WhoScored i SofaScore mają dane xG w ramach szerszych statystyk meczowych. Wygodne jeśli używasz tych serwisów do innych celów — wszystko w jednym miejscu. Interfejs jest bardziej przyjazny dla początkujących niż FBref.
Opta (Stats Perform) to źródło profesjonalne — dane używane przez kluby, media i bukmacherów. Dostęp płatny, ale jeśli traktujesz typowanie poważnie, warto rozważyć. Jakość danych jest najwyższa, modele najbardziej zaawansowane.
Twitter/X to zaskakująco dobre źródło analiz xG. Wielu analityków publikuje wykresy i wnioski przed i po meczach. Znajdź kilku, których analizy cenisz, i śledź ich konta. To szybszy sposób na insight niż przekopywanie się przez surowe dane. Szukaj hashtagów jak #xG, #ExpectedGoals, #UCL.
Jedna uwaga: różne źródła używają różnych modeli xG. Wartości mogą się nieznacznie różnić — FBref może pokazać xG 1.8, Understat 1.6 dla tego samego meczu. Nie przejmuj się — ważne są trendy i relatywne porównania, nie dokładne liczby. Trzymaj się jednego źródła dla spójności.
Aplikacje mobilne: niektóre serwisy mają aplikacje pozwalające sprawdzić xG w drodze lub podczas meczu. FotMob to popularna opcja z danymi xG. Przydatne gdy chcesz szybko sprawdzić statystyki przed zakładem live.
Excel/Google Sheets: jeśli chcesz prowadzić własne analizy, eksportuj dane z FBref do arkusza kalkulacyjnego. Możesz tworzyć własne porównania, śledzić trendy, budować modele. To wymaga więcej pracy, ale daje największą kontrolę nad analizą.
xG w praktyce — przykład analizy meczu LM
Nowy format Ligi Mistrzów przyniósł wzrost widowni o 57% — z 3.3 do 5.1 miliona unikalnych widzów. Więcej oczu na meczach oznacza więcej informacji w obiegu, ale też więcej szumu. xG pomaga przebić się przez szum do sygnału.
Pokażę jak analizuję mecz krok po kroku. Załóżmy: Atletico Madryt gra u siebie z Borussią Dortmund w fazie ligowej.
Krok 1: Sprawdzam xG obu drużyn z ostatnich pięciu meczów (wszystkie rozgrywki). Atletico: średnie xG za 1.3, xG przeciw 0.8. Dortmund: xG za 1.9, xG przeciw 1.5. Wniosek: Atletico gra defensywnie i kontroluje mecze. Dortmund jest ofensywny, ale nieszczelny z tyłu.
Krok 2: Patrzę na trendy. Czy xG rośnie, spada, jest stabilne? Atletico stabilne — grają swój styl. Dortmund ma xG za rosnące w ostatnich trzech meczach — forma ofensywna się poprawia.
Krok 3: Sprawdzam skuteczność vs xG. Atletico strzela tyle ile wynosi ich xG — normalna skuteczność. Dortmund strzela mniej niż xG — underperforming, potencjał do poprawy.
Krok 4: Oceniam charakter meczu. Atletico u siebie gra jeszcze bardziej defensywnie — historyczne xGA w domu 0.6. Mecz powinien być zamknięty: przewiduję łączne xG meczu w okolicach 2.0-2.5.
Krok 5: Porównuję z kursami bukmachera. Bukmacher oferuje over 2.5 po 1.85. Moja analiza xG sugeruje, że mecz prawdopodobnie zakończy się 1:1 lub 2:1 — under jest bardziej prawdopodobny niż implikuje kurs.
Wniosek: value na under 2.5. Nie „pewny zakład” — ale sytuacja gdzie moja ocena prawdopodobieństwa jest wyższa niż bukmachera.
Case study: Mecz fazy ligowej
Konkretny przykład z tego sezonu — bez nazw drużyn, ale realne dane. Drużyna A (faworyt) grała u siebie z drużyną B. Kursy: A 1.55, remis 4.20, B 6.00. Rynek mówił: faworyt wygra.
Moja analiza xG mówiła co innego. Drużyna A miała xG za 1.1 w ostatnich pięciu meczach — słabo jak na faworyta. Drużyna B miała xG za 1.4 — lepsza ofensywa niż A. xG przeciw były podobne: A 1.0, B 1.1. Mecz wyglądał na wyrównany, nie jednostronny.
Dodatkowy czynnik: drużyna A overperformowała — 8 bramek przy xG 5.5 w ostatnich pięciu meczach. Drużyna B underperformowała — 4 bramki przy xG 7.0. Regresja do średniej sugerowała, że A będzie strzelać mniej, B — więcej.
Postawiłem na Draw No Bet (handicap 0) na drużynę B po kursie 2.40. Mecz skończył się 1:1. Przy DNB dostałem zwrot stawki. Ale gdybym postawił na wygraną B lub podwójną szansę X2 — zarobiłbym. xG wskazało wartość, którą rynek przeoczył.
Ograniczenia modelu xG
xG to potężne narzędzie, ale nie jest idealne. Po jedenastu latach używania znam jego słabości — i wiem kiedy mu nie ufać.
xG nie uwzględnia jakości bramkarza. Strzał z 15 metrów ma to samo xG niezależnie od tego, czy w bramce stoi Courtois czy rezerwowy z trzeciej ligi. W meczach z wybitnym bramkarzem drużyna może mieć wysokie xG, ale nadal nie strzelić — i to nie jest pech. Niektóre modele (xGOT — expected goals on target) próbują to korygować, ale standardowe xG ignoruje bramkarza.
Kontekst taktyczny jest ignorowany. xG nie wie, że drużyna prowadzi 3:0 i gra na utrzymanie wyniku, celowo odpuszczając pressing. Takie mecze generują „sztuczne” xG dla przegrywającego — szanse bez realnej jakości. Mecz z wynikiem 3:0 w 60 minucie to inny mecz niż 0:0 — xG tego nie widzi.
Indywidualna klasa napastników jest niedoszacowana. Niektórzy zawodnicy konsekwentnie wykańczają szanse powyżej xG — to ich umiejętność, nie szczęście. Messi przez dekadę overperformował swoje xG. Haaland robi to samo. Model tego nie uwzględnia, traktując wszystkich strzelców jednakowo.
Stałe fragmenty gry są problematyczne. xG na rzuty wolne i rożne jest mniej dokładne niż na akcje z gry. Drużyny z wybitnymi wykonawcami stałych fragmentów mogą mieć niższe xG niż ich realna groźność. Rzuty wolne z 20 metrów mają niskie xG (około 0.05), ale niektórzy specjaliści trafiają je znacznie częściej.
Presja nie jest mierzona. Strzał z 10 metrów bez pressingu ma to samo xG co strzał z 10 metrów z trzema obrońcami na plecach. W rzeczywistości ten drugi jest trudniejszy do wykonania. Zaawansowane modele próbują uwzględniać presję, ale standardowe xG tego nie robi.
Mała próba to problem w Lidze Mistrzów. Drużyna gra 6-8 meczów w fazie ligowej — to za mało do statystycznie istotnych wniosków. xG działa najlepiej przy dużych próbach (20+ meczów). W LM musisz łączyć dane z meczów europejskich i ligowych, co wprowadza dodatkowy szum.
Zmiany personalne mogą unieważnić historyczne xG. Jeśli drużyna straciła kluczowego rozgrywającego lub zmieniła trenera, jej poprzednie xG może być nieaktualne. Kontekst kadrowy i taktyczny zmienia się szybciej niż aktualizują się trendy xG.
Praktyczna zasada: używaj xG jako jednego z wielu narzędzi, nie jako jedynego. Łącz z analizą formy, kontuzji, motywacji, stylu gry. xG daje fundament — ale budynek trzeba zbudować samemu.
xG jako element większej układanki
Po jedenastu latach obstawiania Ligi Mistrzów xG stało się stałym elementem mojego procesu analitycznego. Nie jedynym — ale niezbędnym. Pozwala mi widzieć to, czego nie widać w tabelach i wynikach: prawdziwą jakość gry drużyn.
xG jest szczególnie wartościowe w trzech sytuacjach: gdy drużyna ma serię nietypowych wyników (pozwala ocenić czy to pech czy trend), gdy kursy wydają się zbyt niskie lub wysokie (weryfikacja intuicji danymi), gdy analizuję drużyny z lig, których nie śledzę regularnie (szybka ocena stylu gry).
W Lidze Mistrzów, gdzie 65% meczów kończy się z trzema lub więcej bramkami, xG pomaga zrozumieć które drużyny generują te gole z pozycji siły, a które polegają na szczęściu. W fazie pucharowej, gdzie każdy błąd kosztuje eliminację, ta wiedza jest na wagę złota.
Mój typowy proces przed zakładem: sprawdzam xG obu drużyn z ostatnich 5 meczów, porównuję trendy, identyfikuję over/underperformerów, oceniam charakter meczu (otwarty vs zamknięty). To zajmuje 10-15 minut per mecz — niewiele, biorąc pod uwagę potencjalną przewagę nad rynkiem.
Rozpoczęcie pracy z xG nie wymaga inwestycji — dane są darmowe, narzędzia dostępne online. Wymaga natomiast czasu na naukę interpretacji. Pierwszych kilkadziesiąt analiz traktuj jako ćwiczenie, nie jako podstawę do zakładów. Porównuj swoje wnioski z rzeczywistymi wynikami meczów. Z czasem nauczysz się, kiedy xG daje trafne sygnały, a kiedy zawodzi.
Najważniejsza lekcja z dekady używania xG: to narzędzie do zadawania lepszych pytań, nie do uzyskiwania gotowych odpowiedzi. „Dlaczego ta drużyna ma wysokie xG ale nie strzela?” — to dobre pytanie. „xG mówi że wygrają, więc stawiam” — to nadmierne uproszczenie.
Więcej o budowaniu kompletnej strategii zakładów znajdziesz w przewodniku po strategiach. xG to element układanki — teraz czas poznać resztę. Razem tworzą system, który przez lata pozwala mi obstawiać z zyskiem, nawet w tak nieprzewidywalnych rozgrywkach jak Liga Mistrzów.