xA、xGOT、推進傳球怎麼看？足球進階數據第二篇：傳球創造力與射門後品質指南 · 足球 · 數據知識
重點摘要
- xA 看傳球創造力，xGOT 看射門落點
- 推進傳球各家定義不同，不能跨平台比
- 助攻是結果，xA 是過程
1先講結論
xG 回答的是「這腳射門的機會有多好」。但足球不只有射門，還有「誰把球送到射門者腳下」和「射完之後結果怎麼樣」。這一篇補上三個常見的進階數據：
| 指標 | 回答的問題 | 看的是誰 |
|---|---|---|
| xA（預期助攻） | 這個傳球，有多大機率變成助攻？ | 傳球的人 |
| xGOT（射正預期進球） | 這腳射正的球，落在哪裡、值多少？ | 射手、門將 |
| 推進傳球 | 這個傳球有沒有把球明顯往球門方向送？ | 傳球的人、球隊的推進方式 |
我自己的看法是：xA 最值得用來評價創造型球員，xGOT 最適合看門將和射手，推進傳球最不適合拿來打分數。 前兩個有官方公開的模型說明，後者各家定義不同，數字不能跨平台比。
如果你還沒看過基礎篇，建議先讀足球數據怎麼看：控球率、射門、射正、PPDA和 xG 是什麼，這篇會直接用到裡面的概念。
2xA：把「傳球」也換成機率
官方怎麼定義
Opta（Stats Perform 旗下的數據商）對 xA 的定義是：「衡量一次成功傳球變成助攻的可能性。會考量傳球類型、終點位置和傳球長度等因素」（來源 1）。它的數值落在 0 到 1 之間，0 代表這種傳球幾乎不可能變成助攻，1 代表接球的人每次都該進球；模型用邏輯迴歸做出來，主要變數包括傳球類型（傳中、直塞、頭球等）、比賽型態（運動戰、角球、自由球、界外球）、接球位置、出球位置與傳球距離（來源 2）。
重點是：xA 評價的是傳球本身，不看接球的人最後有沒有射門、有沒有打進。
為什麼不直接看助攻數
助攻是「傳完之後隊友進球」才算數，等於把隊友的把握度也算在你頭上。Opta 舉的例子是 2019-20 英超利物浦的兩位邊後衛（來源 2）：
| 球員 | 運動戰 xA | 運動戰實際助攻 |
|---|---|---|
| 阿諾德（Trent Alexander-Arnold） | 7.1 | 6 |
| 羅伯森（Andy Robertson） | 4.9 | 10 |
（依 Opta 原文。表中的 xA 與助攻都只計運動戰；兩人全季含定位球的總助攻分別是 13 次與 12 次。）
阿諾德送出的球品質更高，卻因為隊友沒把握好，助攻比預期少；羅伯森則是隊友把他的球多打進了幾顆。只看助攻，羅伯森領先很多；看 xA，兩人誰的傳球更危險，答案反過來。
xA 和「關鍵傳球的 xG」差在哪
很多網站也會把「關鍵傳球（key pass）後面那腳射門的 xG」加起來，當成創造機會的指標。Opta 自己指出這種做法有兩個問題：它依賴接球的人真的去射門，而且沒有考慮接球後到射門之間，接球者自己做了什麼（來源 2）。xA 則會替每一次成功傳球估值，不管最後有沒有射門。
怎麼讀
假設兩位中場，一季下來（以下為示意數字，非真實球員）：
| 助攻 | xA | |
|---|---|---|
| 甲 | 4 | 8.0 |
| 乙 | 9 | 5.0 |
甲創造的機會量是乙的 1.6 倍，但隊友只轉換出 4 球；乙靠隊友的好手感多拿了 4 次助攻。下一季如果陣容不變，乙的助攻大概會往 5 的方向掉，甲則有機會回升。這跟看預期積分 xPts分辨球隊運氣是同一種思路。
限制
- 一個 xA 值只告訴你「傳球的位置和方式」，不知道隊友站位、防守壓力（來源 1、2 的變數都沒提到防守球員位置）。
- 定位球（角球、自由球）的 xA 通常集中在少數罰球手身上，看總數時要拆開「運動戰」和「定位球」。
- 樣本小的時候一腳大 xA 的傳球就能拉高全季，至少看十幾場。
3xGOT：射門之後，落點才是重點
官方怎麼定義
Opta 說明：xGOT（expected goals on target）衡量的是「射正的球變成進球的可能性，依據是原本的機會品質（xG）加上球最後落在球門的哪個位置」（來源 3）。它給球門角落的球更高評價，給正對門將中路的球較低評價；數值同樣是 0 到 1，而且只適用於射正的球，沒射正的球不可能進，直接不估值（來源 3）。Opta 的模型以邏輯迴歸建立，用的是數十萬筆歷史射正資料（來源 3）。
Hudl StatsBomb 的類似指標叫 post-shot xG（PSxG），同樣是射門之後才估值，主要用來衡量門將的撲救能力（來源 4）。兩者的輸入不完全一樣：Opta 的 xGOT 看原本的 xG 加上球門內的落點座標（來源 3）；StatsBomb 的說明則是 PSxG 通常看落點，有些模型還會加入門將站位或球速（來源 4、7）。
所以 xG 和 xGOT 是兩個時間點的數字：xG 在射門前，只看機會；xGOT 在射門後，多看了射得好不好。
看射手：他是會射還是運氣好
Opta 的範例是 2019-20 英超的哈利·凱恩（Harry Kane）（來源 3）。Opta 原文註明這組數字不含點球：
| 不含點球 xG | 不含點球 xGOT | 不含點球進球 |
|---|---|---|
| 10.9 | 14.5 | 16 |
xGOT 比 xG 高很多，代表他的射門不只位置好，還射在更難撲的地方；進球 16 又比 xGOT 高一點，剩下的差距可以當成運氣或門將失誤。
簡單的解讀順序：
- 進球 ≈ xG：機會多少就進多少，表現正常。
- 進球 > xG，xGOT 也 > xG：射門落點確實好，可能是真的有終結能力。
- 進球 > xG，但 xGOT ≈ xG：落點普通卻進了，比較像運氣，容易回落。
（這個三步驟是我的整理，不是官方說法。）
看門將：擋下多少「該進」的球
用門將面對的 xGOT 減去實際失球，就是他比平均多擋了多少。Opta 的例子是 2019-20 的狄恩·亨德森（Dean Henderson）：面對 39.4 的 xGOT，只失 32 球（Opta 原文註明不含點球與烏龍球），多擋了約 7.4 球（來源 3）。如果一位門將面對 xGOT 10.0 卻失 12 球，就是少擋 2.0 球，表現低於平均。
這比單看「失球數」或「撲救率」公平：被打了 10 腳都是難度很高的射門，和被打了 10 腳全是正面平射，撲救率會差很多，xGOT 把這個差異納入。
限制
- 只算射正。射偏、被擋的球沒有 xGOT，所以它不能拿來評價「創造機會的能力」，那要回去看 xG 或 xA。
- 射手的終結能力和模型誤差混在一起：差一點點的 xGOT，不要輕易下結論。
- 每家數據商的模型不同，同一場比賽，不同網站的 xGOT 不會一樣，比較時要用同一個來源。
4推進傳球：定義最容易被忽略的一個
推進傳球（progressive pass）想抓的是「把球往對手球門方向有意義地送出去」，而不是橫傳、回傳。麻煩的是，各家數據商的定義不一樣：
| 數據商 | 官方定義 |
|---|---|
| Opta | 在進攻的前三分之二場地內，把球至少拉近球門 25% 距離的成功傳球（來源 1） |
| Wyscout | 往前的傳球，且要滿足：在己方半場至少拉近 30 公尺；跨半場至少 15 公尺；在對方半場至少 10 公尺；下一次觸球是隊友才算成功（來源 5） |
| FBref | 成功的傳球，比前 6 次傳球的最遠點再往對手底線推進至少 10 碼（約 9.1 公尺），或是任何傳進罰球區的成功傳球；從己方防守前 40% 場地發出的傳球不算（來源 6） |
（Opta 與 Wyscout 拉近的是「到對手球門的距離」，Opta 原文為 "at least 25% closer to the goal"。FBref 看的是往對手底線推進的距離。）
同一個傳球，在 Opta 可能算、在 Wyscout 或 FBref 可能不算，反過來也成立。所以：
- 不要把 A 網站的推進傳球和 B 網站的數字放在一起比。
- 同一個平台內，才能比較「誰推進得多」。
另外，Opta 也把「推進帶球」（progressive carries）獨立出來，定義是把球向前帶超過 5 公尺（來源 1），所以一位球員從後場突破到中場，也會算在推進，只是不算在傳球數字裡。
怎麼讀才有意義
我的看法是，推進傳球最適合回答「這支球隊／這位球員怎麼把球往前送」，而不是「誰比較強」：
- 後衛、後腰的推進傳球多：球隊靠後場出球啟動進攻，常見於控球型球隊。
- 推進傳球很多，但 xA 很低：球常常是往前送了，卻沒送進危險位置，可能多數是安全的長傳。
- 推進傳球少，xA 高：球員少傳但傳得關鍵，像最後一傳型的前腰。
它是一個量的描述，不是品質評分，也沒有哪個數字算「及格」。這跟控球率一樣：能看出比賽型態，但不要直接拿來判斷誰踢得好。
5三個指標怎麼放在一起看
| 你想知道 | 先看 | 再搭配 |
|---|---|---|
| 這隊機會品質好不好 | xG | xPts（對照積分） |
| 這位球員有沒有真創造力 | xA | 助攻數（對照運氣）、定位球占比 |
| 這位前鋒是會射還是運氣好 | xG、xGOT、進球三者並列 | 樣本場數 |
| 這位門將表現如何 | 面對 xGOT − 失球 | 失球、撲救率 |
| 這隊怎麼推進 | 推進傳球、推進帶球（同平台） | PPDA、控球率 |
一個簡單的例子：看到某前腰「一季 9 助攻」，先問三件事：（1）xA 是多少？（2）助攻是運動戰還是定位球？（3）隊友的 xG 轉換如何？不用全看懂，只要養成「助攻是結果，xA 是過程」這個習慣，就能避開多數誤判。
6常見問題
xA 和助攻有什麼差別？
助攻是結果，要隊友進球才有；xA 是這個傳球本身的價值，不看隊友有沒有進。兩者長期應該接近，短期差異常是運氣。
xGOT 一定比 xG 高嗎？
不一定。單看一腳射正的球，踢向球門死角，xGOT 會比原本的 xG 高；踢得太正、直接進門將懷裡，xGOT 可能比 xG 還低。
整季總和也不能直接說誰高。球員的整季 xG 是「所有射門」的總和，包含射偏和被擋下的；整季 xGOT 只加總「射正」的球，射偏和被擋的 xGOT 是 0（來源 3）。所以整季 xGOT 比 xG 高，通常代表這位球員射正的落點比一般人好，Opta 把這個差距叫 shooting goals added（來源 3）；常常射偏或被擋的球員，整季 xGOT 反而可能比 xG 低。以上推論是我的整理，各家模型不盡相同。
為什麼不同網站的數字不一樣？
模型、資料來源和定義都不同。比較球員或球隊時，務必用同一個來源。
推進傳球可以拿來比較後衛嗎？
只限同一個平台、同一個賽季、類似角色的後衛之間比較。不同戰術風格的球隊（例如長傳為主與短傳組織為主）數字本來就不同，不代表誰的後衛比較強。
這些數據能預測比賽結果嗎？
它們描述已經發生的事。要預測下一場，還要考慮對手、傷停和主客場；想自己試著算勝負機率，可以從卜瓦松比分模型入門。
7資料來源
- [1] Opta Analyst（Stats Perform）：Opta Football Stats Definitions（xA、推進傳球、推進帶球定義），2024-07-23
- [2] Opta Analyst：What Are Expected Assists (xA)?（模型變數、與「關鍵傳球 xG」的差異、阿諾德與羅伯森例子），2021-03-24
- [3] Opta Analyst：What Are Expected Goals on Target (xGOT)?（定義、凱恩與亨德森例子），2021-06-23
- [4] Hudl StatsBomb：Expected Goals (xG) Explained（xG 定義、StatsBomb 模型輸入、Post-Shot xG）
- [5] Wyscout Data Glossary：Progressive pass（推進傳球定義）
- [6] FBref（Sports Reference）：xG 模型與進階數據欄位說明（含 Progressive Passes 定義）
- [7] Hudl StatsBomb：A New Way to Measure Keepers' Shot Stopping: Post-Shot Expected Goals（PSxG 的輸入：落點、球速等）
最後更新：2026-10-18
老派克
負責英超、歐冠、歐洲五大聯賽與國際賽。看球時先從賽程密度、主客場與近期狀態抓脈絡，再回到比賽內容理解數據；寫作重點是把複雜賽制、晉級條件與台灣觀賽時間說清楚，讓讀者快速知道一場球為何值得看。
查看作者頁與文章 ›