「ターゲットへの期待ゴール」の精度向上：シュートの実行、ゴールキーパーのパフォーマンスに関する詳細な分析、および女子サッカー専用のモデル
OptaAIの「Expected Goals on Target（xGOT）」モデルは、「Expected Goals（xG）」を基盤とし、シュートの本質的なチャンスの質と、その実行の質を組み合わせて、枠内シュートに価値を付与するものです。最新バージョンでは、男子・女子サッカー双方において、ゴールキーパーと攻撃陣に関するより深い洞察を提供し、視聴者とのエンゲージメントを高める新たな可能性を切り拓きます。
アンディ・クーパー
「あれはコーナーの真っただ中だった。誰もセーブできなかったよ。」
「彼らにそれを保存する権利などなかった」
「10回中9回は、彼らがそれを防ぐだろうと思っていたはずだ。」
解説者のセリフの中には、あまりにも頻繁に繰り返されるものがあり、ライブ中継でシュートシーンを見るたびに、ファンの潜在意識のどこかに刻み込まれているかのように感じられることがある。
しかし、選手が決定的なチャンスを決められる能力や、ゴールキーパーがそれを防ぐ能力について語られるこうした主観的な定説は、果たしてどれほど正確なのだろうか。
10年以上前に「期待ゴール（xG）」が導入され成功を収めたことを受け、オプタは「枠内期待ゴール（xGOT）」、別名「シュート後のxG」と呼ばれる新たなモデルを導入しました。xGOTは、オプタが保有する過去のシュートデータを活用し、シュートの軌道、ゴールエリア内での着地点、その他多くの状況要因に基づいて、ゴールが決まる確率を算出します。
今回、OptaAIチームはxGOTにさまざまな機能強化を施し、解説者やスタジオアナリスト、そしてクラブに所属する専門のパフォーマンスアナリストにとって、このモデルをさらに強力なものにしました。
この改良版xGOTは、Optaが収集した男子32大会および女子31大会のデータを活用し、男子サッカーと女子サッカーのそれぞれに対応した別々のモデルに分割されました。このモデルは、過去数シーズンの大会から収集した30万本以上の枠内シュートを基に学習されています。また、PK専用の別のモデルも用意されており、こちらは2万本以上のPKデータを用いて学習されています。
では、これらのxGOTモデルは、リアルタイムのインサイトを提供するために、具体的にどのような要素を考慮しているのでしょうか？その点について詳しく説明する前に、まずxGOTがxGとどう異なるのか、簡単に振り返っておきましょう。
「枠内シュートの期待得点（xG）」の解説
OptaのxGモデルは、シュートの位置や、シュートが放たれた瞬間のピッチ上の数十もの状況要因に基づいて、チャンスの質を測定します。つまり、ゴールがはっきりと見える至近距離からのシュートは、ペナルティエリアの遥か外側からの当てずっぽうなシュートよりも、はるかに高いxG値を示すことになります。
シュートの位置に基づいて、平均的な選手がどれくらいの得点を挙げると予想されるかをより深く理解することは、チャンスの質を把握する上で有益ですが、一方で、同じチャンスであっても選手によってその仕掛け方が大きく異なることも事実です。このチャンスから放たれたシュートがゴールの上隅に決まる場合、ゴールの中央に真っ直ぐ飛ぶシュートよりも、はるかに得点につながる可能性が高くなります。
そこで、xGOTが登場し、その次のレベルの文脈を測定するのです。
xGOTは、その枠内シュートがゴールにつながる確率を、そのシュートの本質的なチャンスの質（xG）と、ゴールエリア内でのシュートの着地点など、シュートの実行に関する情報を組み合わせて算出します。
つまり、xGがシュートの位置に基づいたチャンスの質を表すものとすれば、xGOTはシュート後のチャンスの質を記録するものです。つまり、ゴールの中央に真っ直ぐ飛ぶシュートよりも、ゴール隅に決まるシュートの方をより高く評価する仕組みになっています。その名の通り、このモデルは枠内シュートにのみ適用されます。なぜなら、枠を外れたシュートがゴールにつながる確率は0%だからです。
昨シーズンのプレミアリーグにおけるxGOTの活用例として、ここに良い事例があります。
トッテナムのジェームズ・マディソンは、アストン・ヴィラ戦で直接フリーキックを蹴った。そのフリーキックの位置におけるxG値は0.12だった。マディソンのフリーキックは、ヴィラの壁をかわし、エミ・マルティネスのニアポストに決まり、xGOT値は0.73を記録した。 要するに、xG値で測ればこれは難しいチャンスだったが、非常に高いクオリティで決まり、そのことははるかに高いxGOT値に反映されている。
マディソンのこのフリーキックのシーンはこちらでご覧いただけます（英国のみ）。
では、xGOTはどのように強化されたのでしょうか？
モデルの詳細な仕組みについては深く立ち入らないが、xGOTの改良点は以下の4つのポイントに要約できる：
#1 男子サッカーと女子サッカーのモデルを分ける
2023 FIFA女子ワールドカップ以降、Optaが記録した女子試合のチャンスから算出されるすべてのxG値は、過去の女子試合のシュートデータを用いて学習させた専用モデルを用いて生成されています。当社の女子xGモデルの詳細については、こちらをご覧ください。
xGOTの最新バージョンでは、男子試合用と女子試合用のモデルがそれぞれ用意されています。男子モデルは32の男子大会のデータを用いて学習されており、女子モデルは31の大会のデータを用いて学習されています。
昨年、イングランド、フランス、ドイツ、イタリア、スペインの各トップリーグで記録されたxGOT値を用いることで、シュートを正確に捉え、ゴール隅を狙うことで、獲得したチャンスの質を常に高めていた選手を特定することができる。
「Shooting Goals Added（TSG）」という指標は、シーズン通算のxGOTがxGを上回った総量を測定するもので、これによると、TSGホッフェンハイムのストライカー、セリーナ・チェルチは、オープンプレーからのシュートチャンスの質を4.6ゴール分向上させたことがわかります。これは、彼女のオープンプレーからのチャンスにおいて、シュートが枠内に収まるだけでなく、ゴールキーパーがセーブしにくい好位置に打たれていたことを示しています。
#2 ゴールキーパーデータの詳細な分析
xGOTは、シュートの期待得点（xG）や軌道に加え、ゴールキーパーの位置が得点確率に与える影響に関する詳細な情報を新たに取り入れています。これは、シュートの軌道までの距離だけでなく、シュート発生時のシュート地点やゴール前に対するゴールキーパーの位置関係にも基づいています。
この情報は、xGOT値において直感的な結果をもたらします。例えば、シュートの軌道に近い位置にいるゴールキーパーほど、セーブできる可能性が高くなります。 同様に、ゴール左隅に位置するゴールキーパーは、右下隅へ向かうシュートをセーブする可能性が低くなります。これは、以下のゴール前図が示す通りです。この図では、ゴールから14メートル離れた位置で初期xGが0.26、xGOT値が0.95という、高い期待値を持つチャンスが示されています。
#3 シュートの実行に関する考察
xGOTでは、シュートそのものの実行に関する追加の要素が考慮されるようになりました。例えば、シュートがディフレクトされた場合やミスショットだった場合、あるいはシュートに曲がりがあった場合など、これらがそのシュートに割り当てられるxGOT値に影響を与えるようになります。
#4 専用のペナルティモデル
ペナルティキックは、プレー中のシュートとは性質が異なります。なぜなら、キックを行う選手はゴールへの道が完全に開けており、誰にも妨げられない状態でシュートを打つことができ、また、キックが行われる際、ゴールキーパーはゴールライン上に片足を置かなければならないからです。
その結果、ペナルティキックの過去のデータセットのみを用いて学習させた、独立したxGOTモデルが開発された。
昨シーズンの欧州主要5大リーグにおいて、バイエルン・ミュンヘンのFWハリー・ケインは、PKを5回以上蹴った選手の中で、シュート1本あたりのxGOT（0.86）が最高タイを記録した。彼はブンデスリーガ王者として、PK9本すべてを成功させた。
では、xGOTに基づくと、昨シーズン他にどのような選手が際立った活躍を見せたのでしょうか？
この改良モデルを昨シーズンのイングランド・プレミアリーグの全試合に適用すると、エバートンのジョーダン・ピックフォードが、セーブによって他のどのゴールキーパーよりも多くの失点を防いだ（6）ことがわかります。下のゴールマウス・グラフィックが示すように、ピックフォードは50失点（50 xGOT conceded）が見込まれていましたが、シーズンを通して実際に失ったのは44点にとどまりました。
xGOTを用いてゴールキーパーのシュート阻止能力を示すもう一つの指標が、「ゴール阻止率（Goals Prevented Rate）」です。この指標は、各ゴールキーパーが受けたシュート数に基づいてxGOTを標準化したものであり、これにより、多くのシュートを浴びたゴールキーパーと、守備陣の守りが堅いゴールキーパーとを、より公平に比較することが可能になります。
例えば、昨シーズンのラ・リーガでは、降格したレガネスのゴールキーパー、マリオ・ドミトロヴィッチが、レアル・マドリードのティボ・クルトワ（2.8）よりも多くの失点を防いだ（4.75）。しかし、被シュート数を基準に調整して比較すると、両ゴールキーパーとも1.1失点という同等の成績を残していたことがわかる。
攻撃側の視点から見ると、初期のxGが比較的低い状況下で、選手がどれだけ効果的にシュートを放ち、はるかに高いxGOTを伴う枠内シュートを成功させているかについて、洞察を得ることができます。もう一つの良い例は、昨年マンチェスター・シティ対ボーンマス戦でオマル・マルムシュが決めたゴールです。このゴールのxGは0.02でしたが、xGOTは0.63でした。
2024-25シーズンのプレミアリーグ最優秀ゴールに選ばれたこのゴールの動画は、こちらからご覧いただけます（英国のみ）。
xGOTとその活用方法について、詳しく知るにはどうすればよいですか？
他のすべてのOptaAI指標と同様に、これらの指標もさまざまなフィードや製品連携を通じて活用でき、ゴール前での選手のパフォーマンスやゴールキーパーのシュート阻止能力に関する有益なインサイトを共有することが可能になります。これらのソリューションに関する詳細は、以下からご覧いただけます。 Stats Performの製品検索ツールでご確認いただけます。
クラブの社内データサイエンティストの方には、当社のPro Solutionsチームがモデルの開発プロセスや全機能について詳しくご説明いたします。お問い合わせはprosolutions@statsperform.comまでお願いいたします。
Optaモデルの解説記事の全リストについては、 「指標解説」ページをご覧ください。
