Jest to po prostu skrót od angielskich słów expected goals. Wyraża on liczbowe prawdopodobieństwo, że dany strzał zakończy się bramką. Ważne jest tu miejsce na boisku, z którego oddano strzał (strzał z pola karnego zawsze ma wyższe xG niż np. strzał z 20 metrów). Model xG przetwarza tysiące podobnych strzałów i przypisuje im wartość pomiędzy zerem (brak bramki) a jedynką (bramka). Na przykład, próba o wartości 0,1 xG znajdzie się w siatce tylko raz na 10 prób. Te indywidualne wartości strzałów są następnie sumowane, aby stworzyć xG drużyny.
Popularność tego wskaźnika rośnie głównie dlatego, że fani coraz bardziej interesują się grą w sposób szczegółowy, chcąc wiedzieć o niej jak najwięcej. Wartość xG powie im więcej o wynikach drużyn, sile ofensywy, obrony, a nawet poszczególnych zawodników. "Sprawdza się świetnie, zwłaszcza gdy próbujemy przewidzieć przyszłe wydarzenia. To jego największa siła" - mówi Jakub Dobiáš, założyciel czeskiej firmy 11Hacks, która specjalizuje się w analizie danych piłkarskich.
Jak w przypadku każdej analizy, konieczne jest posiadanie jak największej ilości informacji, w tym przypadku jak największej ilości meczów (rozegranych minut), na podstawie których wyznaczane jest xG. Innymi słowy, najmniej dokładna wartość pochodzi więc tylko z jednego meczu, w którym dużą rolę odgrywa również szczęście lub pech. "W obrębie jednego meczu odchylenie standardowe jest tak duże, że wartości oczekiwanych bramek i rzeczywistych mogą się znacznie różnić. Jeśli więc drużyna zdobywa 3,0 xG w meczu, oznacza to z dużym prawdopodobieństwem, że powinna była zdobyć od 1,47 do 4,53 bramki, jakkolwiek sprzecznie to brzmi" - zauważa Dobiáš.
Analityka jest częścią piłki nożnej od dziesięcioleci, choć dopiero niedawno stała się pełnoprawną dziedziną wraz z pojawieniem się komputerów. Same xG zaczęły rozwijać się na początku lat 2000 do tego, czym jest dzisiaj, gdzie istnieje wiele modeli, które je obliczają. Różnią się one w zależności od ilości wprowadzanych informacji i kryteriów.
Zależy to również od liczby zmiennych. Na przykład niektóre modele obliczają tylko z poprzednim zagraniem, więc nie zawierają wystarczającej ilości informacji. Inne pracują z dużo większą liczbą danych i zmiennych, więc będą już miały dużo dokładniejsze wyniki. "Teraz opracowujemy unikalny model, ponieważ dodamy do niego również wpływ czasu. Czyli ile czasu zawodnik wykorzystał na wykończenie w danej sytuacji. To z kolei doda kolejną wskazówkę co do tego, jak prawdopodobne było, że zakończy się ona bramką" - wyjaśnia Dobiáš.
Podobnie jak w przypadku każdej innej statystyki piłkarskiej, oczekiwane bramki nie zawsze mogą w pełni odzwierciedlać rzeczywistość. W xG, na przykład, często jest krytykowane branie pod uwagę przeciętnego strzału i nieuwzględnianie wykończenia lub umiejętności bramkarskich poszczególnych zawodników.
Oprócz prostego przekazu informacyjnego, xG może być również wykorzystywane np. w zakładach bukmacherskich. Z jego pomocą można wykryć skrajności, co może być przydatne w przyszłości. Zespół, który w krótkim okresie osiąga lepsze lub gorsze wyniki niż jego oczekiwana liczba bramek, prawdopodobnie wkrótce zbliży się do średniej.