xG는 각 슈팅을 0~1 사이 확률로 수치화해 기회 질을 계량한다. 각도·거리·수비 압박 등 수십 개 변수로 잡음을 걷어 내 진짜 득점 효율과 창출 가치를 드러내므로, 감독·애널리스트·판타지 매니저 모두에게 필수 지표다.
1. xG의 탄생 & 계산 방식
첫 공개 모델은 2010년대 중반 Opta·StatBomb 등 데이터 업체와 학계 연구진이 수만 개 과거 슈팅을 머신러닝에 학습시키며 등장했다. 좌표·신체 부위·어시스트 유형·수비 밀도·기후까지 태그해 “이 조건의 슈팅이 골이 될 확률”을 예측하도록 훈련한 것이다. 최신 모델은 골키퍼 위치, 슈팅 속도, 압박 반경, 패스 유형 등 60여 변수를 포함하고 매주 최신 데이터를 반영한다. 예컨대 6야드 박스 탭인은 xG 0.79, 터치라인 근처 25 m 발리슛은 0.02 안팎. 90분 동안 모든 슈팅의 확률을 더하면 양이 아닌 질 중심의 경기 스냅샷이 완성된다.
2. xG 리포트를 읽는 세 가지 렌즈
xG 델타(Δ) – 누적 xG와 실제 득점 차이. 양수면 ‘클러치’ 또는 ‘행운’, 음수면 마무리 부진이나 상대 GK의 신들린 선방을 시사한다. xGA(실점 기대값) – 수비 구조 평가용. 하이프레스 팀은 슈팅 수는 적어도 위험 지역 내 허용도가 높을 수 있는데, xGA가 그 트레이드오프를 계량한다. 시퀀스 xG – 슈팅이 아닌 빌드업 체인 전체에 xG를 할당해 공 전진 과정도 측정. 맨시티는 시퀀스 xG 리그 1위지만 슛 xG는 2위인 경우가 많다 → 5레인 빌드업이 박스 인근 ‘프리미엄 존’으로 패스를 모은다는 증거다.
3. 사례 연구: 아스널 2022‑23 xG 격차
아르테타 4년 차, 경기당 xG는 1.8→2.3으로 뛰었지만 실득점은 1.9에 그쳤다. 데이터팀은 우측 하프스페이스 컷백의 약한 첫 터치·약발 슈팅이 원인이라 지적했고, 2023 프리시즌에 양발 원터치·패스 속도 강화를 집중 훈련했다. 2024‑25 시즌 초, 득점이 2.5골로 상승하고 xG‑득점 격차는 ±0.1로 축소—xG 기반 피드백이 실제 승점으로 환산된 대표 사례다.
4. 한계, 업그레이드, 그리고 미래
전통 xG는 슈팅 순간을 ‘정지 화면’으로 본다. GK 반응 범위·수비 다리 각도·시야 방해 등은 충분히 담지 못한다. 포스트샷 xG는 볼 궤적을 더해 GK 퍼포먼스를, 3D‑xG는 트래킹 카메라로 수비·공격자 움직임을 입체적으로 반영한다. 곧 AI가 실시간 xG 변화를 예측해 벤치에 교체·전술 옵션을 제안하는 시대가 온다. 단, 어떤 버전이라도 xG는 확률일 뿐—의외의 굴절·슈퍼세이브는 사라지지 않는다. 다만 발생 빈도와 경고 신호가 데이터로 더 일찍, 더 또렷해질 뿐이다.
결론
xG는 축구의 혼돈을 ‘확률 언어’로 번역한다. 과·부족 성과를 가려내고, 훈련·스카우팅·이적 가치에 근거를 제공한다. xG를 이해하면 “아깝다”는 감상 대신 숫자로 길을 찾고, 숫자로 승리를 가속할 수 있다.