Gli xG hanno cambiato
Gli Expected Goals — xG — sono la metrica che ha rivoluzionato l’analisi calcistica negli ultimi anni. Quello che una volta era dominio esclusivo di club professionistici e analisti pagati a peso d’oro è oggi accessibile a chiunque abbia una connessione internet. E per chi scommette sul calcio, gli xG rappresentano uno strumento potente per vedere oltre il risultato.
Il concetto di base è semplice: non tutti i tiri sono uguali. Un rigore ha probabilità di gol molto più alta di un tiro da 30 metri. Gli xG quantificano questa differenza, assegnando a ogni occasione un valore tra 0 e 1 che rappresenta la probabilità statistica che quel tiro finisca in rete. Sommando i valori di tutte le occasioni di una squadra, ottieni gli expected goals della partita — una misura della qualità delle opportunità create, indipendente dal fatto che siano finite in rete.
Perché questo importa per le scommesse? Perché i gol effettivi contengono molta varianza — fortuna, errori del portiere, deviazioni casuali. Gli xG filtrano questa varianza e mostrano il rendimento sottostante. Una squadra che segna poco ma produce molti xG è in fase di underperformance; prima o poi i numeri si riallineeranno. Una squadra che segna molto con xG bassi sta vivendo di efficienza insostenibile. Capire queste dinamiche ti permette di anticipare correzioni che il mercato non ha ancora prezzato.
Cosa sono gli expected goals e come si calcolano
Gli expected goals misurano la qualità di un’occasione da gol basandosi su fattori oggettivi. Ogni tiro verso la porta viene analizzato e gli viene assegnato un valore xG compreso tra 0 e 1. Un valore di 0.75 significa che, storicamente, il 75% dei tiri con caratteristiche simili è finito in rete.
I modelli xG considerano diversi fattori per calcolare questo valore. La distanza dalla porta è il primo elemento: tiri da dentro l’area piccola hanno xG molto più alti di tiri dalla trequarti. L’angolo rispetto alla porta conta: un tiro frontale ha più probabilità di entrare rispetto a uno angolato dal lato. Il tipo di occasione influisce: un rigore ha xG di circa 0.76, un colpo di testa da cross ha valori tipicamente più bassi rispetto a un tiro di piede dalla stessa posizione.
I modelli più sofisticati aggiungono variabili come la pressione difensiva, la posizione del portiere, la velocità dell’azione, se il tiro arriva da un contropiede o da una manovra costruita. Più dati il modello incorpora, più precisa è la stima — ma anche più complesso il calcolo. I modelli pubblici gratuiti usano tipicamente le variabili di base; quelli professionali includono centinaia di parametri.
Nella pratica, consulterai gli xG già calcolati, non li calcolerai tu. Piattaforme come Understat, FBref e Whoscored mostrano gli xG per partita, per squadra, per giocatore. Il tuo compito è interpretare questi numeri, non produrli.
Un esempio concreto: la Juventus gioca contro il Napoli. La partita finisce 1-1. Guardando solo il risultato, sembra una partita equilibrata. Ma gli xG dicono altro: Juventus 2.4 xG, Napoli 0.8 xG. La Juventus ha creato occasioni per segnare più di due gol, ma ne ha realizzato solo uno. Il Napoli ha creato poco, ma ha capitalizzato con efficienza. Questo scenario suggerisce che la Juventus ha giocato meglio di quanto il risultato indichi — informazione preziosa per le prossime partite.
Gli xG non sono perfetti — nessuna metrica lo è — ma rappresentano un salto qualitativo rispetto alla sola lettura dei risultati. Passare dai gol agli xG è come passare dalla temperatura percepita a quella misurata: più oggettivo, meno influenzato da fattori casuali.
Come usare gli xG per scommettere sul calcio
Gli xG diventano utili quando li trasformi in decisioni operative. Ecco le applicazioni pratiche più rilevanti per le scommesse.
Identificare squadre in fase di correzione è l’uso principale. Confronta i gol effettivi con gli xG su un campione di almeno 8-10 partite. Se una squadra segna costantemente meno dei propri xG, è in underperformance offensiva — statisticamente, i gol arriveranno. Se subisce meno dei propri xG concessi, la difesa sta sovraperformando — prima o poi cederà. Queste divergenze creano opportunità: il mercato spesso prezza la forma recente (gol effettivi) senza considerare la qualità sottostante (xG).
Per le scommesse Over/Under, gli xG totali per partita sono indicativi. Una squadra che produce 1.8 xG per partita e ne concede 1.5 gioca partite con aspettativa di circa 3.3 gol — profilo Over 2.5. Se i gol effettivi sono stati inferiori, la linea Over potrebbe offrire valore perché basata sui risultati passati piuttosto che sulla qualità delle occasioni.
Per il mercato Goal/No Goal, guarda gli xG concessi. Una difesa che concede 1.5 xG per partita è vulnerabile indipendentemente dai gol effettivamente subiti. Se ha tenuto clean sheet nonostante xG avversari alti, quella tendenza difficilmente continuerà. Viceversa, una difesa che concede 0.6 xG per partita è solida a prescindere dal singolo gol subito in una giornata sfortunata.
Per i mercati 1X2, la differenza xG tra le squadre aiuta a valutare i favoriti. Una squadra con +1.2 xG netto per partita domina le avversarie in modo più convincente di una con +0.4, anche se entrambe vincono. Questo differenziale si traduce in probabilità diverse che il bookmaker potrebbe non catturare completamente.
Un metodo pratico: prima di ogni scommessa, confronta la media xG della squadra con i gol effettivi. Se la divergenza supera il 15-20% su almeno dieci partite, c’è probabilmente una correzione in arrivo. Questa informazione, combinata con l’analisi della quota, può rivelare valore che altri scommettitori non vedono.
Limiti degli xG: quando il modello non basta
Gli xG sono uno strumento potente, ma non infallibile. Conoscerne i limiti ti evita errori di sovra-affidamento.
Il primo limite riguarda la qualità del finalizzatore. I modelli xG standard non considerano chi tira. Ma nel calcio reale, un tiro di Haaland dalla stessa posizione ha probabilità diverse rispetto a uno di un difensore centrale. Alcuni attaccanti sovraperformano sistematicamente i propri xG perché sono semplicemente più bravi a finalizzare. Trattare tutti i tiratori come equivalenti è una semplificazione che i modelli base accettano.
Il secondo limite è la dimensione del campione. Gli xG di una singola partita significano poco — la varianza è troppo alta. Servono almeno 8-10 partite per identificare pattern affidabili. Le prime giornate di campionato, con campioni ridotti, rendono gli xG meno utili.
Il terzo limite è che gli xG misurano solo i tiri effettuati, non le occasioni non convertite in tiro. Una squadra può creare situazioni pericolose senza tirare — per un passaggio sbagliato nell’ultimo metro, per un controllo impreciso — e gli xG non le catturano. Metriche complementari come gli xG della catena di possesso tentano di colmare questa lacuna, ma sono meno diffuse.
Infine, il contesto tattico sfugge ai numeri. Una squadra che gioca in dieci per 70 minuti avrà xG diversi rispetto alla stessa squadra in parità numerica. Una partita dove il favorito gestisce il vantaggio riducendo il ritmo mostrerà xG più bassi di quanto il dominio effettivo suggerirebbe. I numeri vanno sempre letti insieme al contesto della partita.
Gli xG funzionano meglio come uno dei fattori dell’analisi, non come l’unico. Integrati con forma recente, contesto motivazionale e lettura delle quote, diventano un vantaggio. Usati in isolamento, possono portare fuori strada quanto qualsiasi altra metrica presa singolarmente.
Un numero, mille decisioni migliori
Gli expected goals non sono una formula magica. Non ti diranno chi vincerà la prossima partita, non elimineranno l’incertezza che rende il calcio imprevedibile. Ma ti daranno qualcosa di più prezioso: una lente per vedere oltre il rumore dei risultati singoli.
Quello che abbiamo visto in questa guida — il calcolo degli xG, le applicazioni pratiche, i limiti da considerare — ti fornisce gli strumenti per integrare questa metrica nella tua analisi. Il passo successivo è la pratica: confronta gli xG con i risultati su ogni partita che analizzi, nota le divergenze, verifica se le tue previsioni di correzione si avverano. Con il tempo, svilupperai un’intuizione per quando gli xG segnalano opportunità reali e quando il contesto suggerisce cautela.
Nel 2026, ignorare gli xG significa rinunciare a un vantaggio informativo accessibile a tutti. I bookmaker li usano già per costruire le loro linee. Gli scommettitori professionisti li integrano nei loro modelli. Se non li consideri, stai giocando con meno carte in mano rispetto a chi li usa. E nel betting, ogni vantaggio conta — soprattutto quelli che non costano nulla oltre al tempo di imparare.