Available in US
Twee seizoenen geleden ontdekte ik dat een Eredivisie-club die bovenaan stond in de werkelijke doelpuntenranglijst, slechts op de vijfde plek stond in de xG-ranglijst. Ze scoorden meer dan verwacht — structureel, over tien wedstrijden. Mijn instinct zei: geweldige afmakers. De data zei: regressie naar het gemiddelde aanstaande. Ik wedde op de Under in hun volgende drie thuisduels, en alle drie kwamen uit. Dat was het moment waarop xG mijn belangrijkste analysemiddel werd.
Expected goals is niet nieuw in het voetbal, maar de toepassing ervan bij Eredivisie-weddenschappen is dat wel. In een competitie die 2,99 doelpunten per wedstrijd produceerde in 2024/25 is de variatie groot, en juist in die variatie zit de waarde voor wedders die de data begrijpen. Geen enkele metriek is perfect, maar xG komt het dichtst bij een objectieve maatstaf voor de kwaliteit van kansen — onafhankelijk van wie er scoort en wie er mist.
Wat is xG en hoe wordt het berekend?
Expected goals kwantificeert de kwaliteit van een schotkans. Elk schot krijgt een waarde tussen 0 en 1, gebaseerd op historische data: vanaf welke positie werd geschoten, onder welke hoek, met welk lichaamsdeel, na welk type aanval, en wat was de druk van de verdediging? Een penalty heeft een xG van circa 0,76 — dat betekent dat historisch gezien 76% van de penalty’s wordt gescoord. Een schot van buiten het strafschopgebied heeft een xG van ruwweg 0,03 tot 0,08, afhankelijk van de exacte positie.
De som van alle schoten in een wedstrijd levert het team-xG op. Als een team in een duel tien kansen creëerde met een totale xG van 2,3, zou je op basis van de kwaliteit van die kansen 2,3 doelpunten verwachten. Als ze er daadwerkelijk 4 maakten, presteren ze boven verwachting. Als ze er 1 maakten, eronder. Op korte termijn is dat geluk of pech. Op lange termijn — zeg tien tot twintig wedstrijden — stabiliseert het, en teams die structureel boven of onder hun xG presteren, zijn kandidaten voor regressie.
Het model achter xG is gebaseerd op honderdduizenden historische schoten uit Europese topcompetities. De Eredivisie heeft een eigen xG-profiel: aanvallende speelstijlen genereren meer schoten en meer open spel, wat leidt tot hogere gemiddelde xG-waarden per wedstrijd dan in defensievere competities. Dat is belangrijk om te weten, want het betekent dat je Eredivisie-xG niet een-op-een kunt vergelijken met Premier League- of Serie A-xG.
xG versus werkelijke doelpunten: welke clubs over- en underpresteren?
Dit is waar het interessant wordt voor wedders. PSV scoorde dit seizoen 77 doelpunten in 27 wedstrijden — maar wat is hun xG? Als de xG op 65 staat, presteren ze 12 doelpunten boven verwachting. Dat kan duiden op uitzonderlijke afwerking, maar het is ook een signaal dat regressie waarschijnlijk is in de komende wedstrijden. Omgekeerd: NEC scoorde 69 doelpunten met een xG van bijvoorbeeld 72 — ze presteren onder verwachting en hebben ruimte om te stijgen.
De doelpuntenpercentages in de Eredivisie — met slechts circa 8% van de wedstrijden die op 0-0 eindigen — laten zien dat de meeste teams regelmatig scoren. Maar de kwaliteit van die kansen verschilt enorm. Een team dat zijn goals scoort uit topkansen (xG > 0,3 per schot) is duurzamer dan een team dat leunt op afstandsschoten en gelukstreffers.
Mijn werkwijze: aan het begin van het seizoen stel ik per club een xG-profiel op dat ik wekelijks update. Na tien speeldagen vergelijk ik het xG-profiel met de werkelijke resultaten. Clubs met een verschil van meer dan 15% — in beide richtingen — zijn kandidaten voor aanpassing in mijn wedmodel. Het zijn de clubs waar de markt de werkelijke kwaliteit nog niet correct heeft ingeprijsd, en dat is waar de waarde zit.
xG toepassen bij Over/Under en 1X2
De meest directe toepassing van xG is bij de Over/Under-markt. Als twee teams een gecombineerd xG-gemiddelde hebben van 3,2 per wedstrijd, maar de Over 2.5-lijn staat op 1.70, is dat aantrekkelijk. De xG-data suggereert dat er in meer dan 65% van de duels tussen deze teams drie of meer doelpunten vallen. Een implied probability van 58,8% (op odds 1.70) tegenover een xG-verwachting van 65% — dat is value.
Bij 1X2 is de toepassing subtieler. xG vertelt je hoe goed een team kansen creëert en kansen wegeeft, en dat is een betere indicator voor toekomstige prestaties dan de werkelijke resultaten. Een team dat vijf wedstrijden op rij verloor maar een positief xG-verschil had — ze creëerden meer dan ze weggaven — is waarschijnlijk beter dan hun stand suggereert. De odds op zo’n team zijn dan te hoog, en dat is je kans.
De BTTS-markt (beide teams scoren) profiteert ook van xG-analyse. Als beide teams in een duel een xG van 1,0 of hoger per wedstrijd genereren, is de kans dat beide teams scoren significant. In de Eredivisie is de BTTS-baseline al hoog — met slechts 8% wedstrijden die op 0-0 eindigen — maar xG helpt je om te bepalen welke specifieke duels een BTTS-percentage van 70% of hoger hebben.
Een waarschuwing: xG is een hulpmiddel, geen kristallen bol. Het model heeft beperkingen — het houdt geen rekening met de kwaliteit van de keeper, de motivatie van het team, of specifieke tactische aanpassingen voor een individuele wedstrijd. Gebruik xG als een van je analysevariabelen, niet als de enige. Combineer het met vormcijfers, teamnieuws, en je eigen wedstrijdobservaties voor een compleet beeld.
En vergeet de steekproefgrootte niet. xG-data is pas betrouwbaar na minimaal acht tot tien wedstrijden. Na drie speeldagen een team als “overperformer” bestempelen op basis van xG is voorbarig — de steekproef is te klein en de ruis te groot. Geduld is een deugd bij xG-analyse, en de wedders die dat begrijpen, halen er de meeste waarde uit. Begin met het verzamelen van data aan het begin van het seizoen, maar trek pas conclusies na speeldag tien.
Veelgestelde vragen
Articles
Geschreven door het team van 'eredivisiego'.
