閱讀提醒：本文為足球數據教學，所有範例僅供說明概念用，不構成投注建議。進階數據是觀賽工具，不是預測神器——這件事文末球哥會再講一次。
2026 世界盃進階數據入門｜球哥教你看懂 xG、PPDA、xT、OBV，從此看球多一個維度
先問個問題：上一屆卡達世界盃 16 強，日本隊 1-1 打平克羅埃西亞，最後 PK 大戰出局，那場比賽到底是「日本踢得差」，還是「五五波被 PK 帶走」？
如果你只看比分——1-1。再看基礎數據，公開賽後統計大致是日本 13 射、克羅埃西亞 17 射，控球率約日本 42%、克羅埃西亞 58%，克羅埃西亞略佔上風，但沒有到完全壓制。
再看 xG（預期進球），不同模型會有小幅差異；有公開平台把日本與克羅埃西亞都估在約 1.5 左右。這就很有意思：比分說兩隊打平，基礎數據說克羅埃西亞稍占上風，xG 則提醒你「射門品質其實接近五五波」。日本不是被數據證明「一定該贏」，而是把比賽拖進了能贏也能輸的區間，最後輸在 PK。
這就是進階數據（Advanced Stats）存在的意義：告訴你「比分沒告訴你的事」。
過去十年，足球的數據革命已經從英超、西甲擴散到世界盃等級。2026 世足的轉播、賽後討論與數據 App 很可能更常出現 xG；而在戰術社群和賽後復盤裡，PPDA、xT、OBV 這些名詞也會越來越常被拿來討論。球哥這篇不打算把你變成數據分析師——而是讓你看到這些數字時，知道在講什麼、怎麼用、以及什麼時候該忽略它們。
速覽：四個進階數據一眼看懂
| 指標 | 中文名 | 一句話解釋 | 看哪個面向 | 主要來源 |
|---|---|---|---|---|
| xG | 預期進球 | 這次射門進球的理論機率 | 進攻品質 | Understat、FBref |
| PPDA | 每防守動作傳球數 | 對手每傳幾球我們才搶一次 | 壓迫強度 | FBref、Wyscout |
| xT | 預期威脅 | 球在場上每一格帶來多少進球威脅 | 組織貢獻 | Twelve、自架公開模型 |
| OBV | 觸球價值 | 每一次觸球對進球機率的貢獻 | 球員全面貢獻 | StatsBomb（付費） |
四個看起來很像，但各自回答不同問題。下面球哥一個一個拆。
xG（Expected Goals）— 從「射門數」進化到「進球機率」
這個數字到底是什麼？
xG 是四個裡面最基礎、也最普及的一個。概念簡單：看球員射門當下的情境，回答「這球進的機率有多高」。
舉例讓你秒懂：
- 🅰️ PK：xG 大約 0.76（歷史上 PK 命中率大約 76%）
- 🅱️ 禁區內小禁區弧頂無人防守：xG 大約 0.35
- 🅲️ 禁區弧頂 25 碼外遠射：xG 大約 0.05
- 🅳️ 30 碼外的「Beckham 式」free kick：xG 大約 0.07
你可以把每次射門的 xG 加起來，得到一場比賽的總 xG。這個總值跟實際進球數對比，就是最有意思的分析：
- xG > 實際進球：創造機會夠多，運氣不好 / 終結能力差 / 門將太神。
- xG < 實際進球：射門效率超高，可能是球員發揮頂尖（或倒頭來下一場平均化）。
- xG ≈ 實際進球：表現符合機會。
xG 怎麼計算？
不同平台（Understat、FBref、StatsBomb、Opta）用的模型不同，但共同考慮的變數大致是：
- 射門位置（距球門 X、Y 座標）
- 射門方式（右腳 / 左腳 / 頭球 / 其他身體部位）
- 射門前的動作（定位球 / 快速反擊 / 一般運動戰）
- 防守壓力（前方幾個防守球員、門將位置）
- 傳球類型（直塞球 / 橫傳 / 長傳）
這些變數餵進機器學習模型（大多是 logistic regression 或 gradient boosting），吐出一個 0–1 的機率值。每個平台的樣本不同，所以同一場比賽用 Understat 看 vs 用 FBref 看會有細微差異——常見落差可能在 0.1–0.4 之間；遇到 PK、折射、門前混戰或模型定義不同時，差距還會更明顯。
xG 常見的三個誤解
球哥每次在網路上聊到 xG，一定會看到這三種錯誤理解：
- 「xG 會預測下一場」。xG 是回顧型指標，告訴你過去創造的機會品質。長期累積可以反映球隊進攻健康度，但對單場比賽沒有預測力。
- 「xG 高的球隊一定會贏」。足球比賽結果的隨機性很高，xG 1.5 的球隊輸給 xG 0.3 的對手在世足層級常見——一次運動戰反擊、一次定位球、一次失誤都可能改變比分。
- 「Haaland xG 超高所以他無解」。Haaland 的特殊之處不是只有 xG 高（他的射門位置確實好，xG 自然高），而是他長期能把高品質機會轉成實際進球。精準講法不是「把 0.35 變 0.55」，而是看他的實際進球是否長期高於 xG，這才叫終結效率。
台灣哪裡免費看 xG？
- Understat.com：歐洲五大聯賽每場比賽的 xG，介面簡單，英文但表格好懂。
- FBref.com：資料最齊全，從五大聯賽到世足正賽都有，可以查球員/球隊/賽季多維度。
- Sofascore App：手機 App，直播比賽即時顯示 xG（台灣也能用），適合看球時查。
PPDA（Passes Per Defensive Action）— 壓迫強度的科學指標
這個數字到底是什麼？
PPDA 直譯「每個防守動作所容許的傳球數」。定義更精準一點：對手在對方半場每完成多少次傳球，我方才做出 1 次防守動作（搶斷、攔截、犯規、逼出失誤）。
這個數字越小，代表你的壓迫越激烈。為什麼？因為如果你 PPDA = 6，意思是對手每傳 6 球你就上搶一次，對手從後場根本傳不出來。反之，如果你 PPDA = 20，對手可以慢慢把球傳過來，你一直等他們過中場才開始防守。
各種風格的參考值
| 風格 | 典型 PPDA | 代表球隊 |
|---|---|---|
| 高位壓迫（Gegenpressing） | 6–9 | Klopp 的利物浦、Nagelsmann 的拜仁、現在的 Arteta 阿森納 |
| 中位壓迫 | 10–13 | Ancelotti 的皇馬、多數世足強隊 |
| 低位防守(Low Block) | 15–22 | Regragui 的摩洛哥、多數弱隊策略 |
| 極端低防 | 25+ | 大部分小組賽面對豪強的弱隊（例如 2010 紐西蘭） |
注意：PPDA 通常只計算球隊合理執行高壓的前場區域，常見口徑是「靠近對方球門的前 60% 球場」，不會把自己禁區內的防守動作全部算進去。這是為了避免「一直守禁區 = PPDA 超低」的誤判。
PPDA 的戰術意義
球哥實戰上怎麼用這個數字？看兩個維度：
- 教練風格辨識：看 PPDA 可以幫你抓一支球隊偏高位、中位，還是低位體系。但它要搭配比賽狀態一起看：領先後退守、紅牌、輪換陣容，都可能讓單場 PPDA 失真。
- 比賽內戰術轉換：有些球隊上半場高壓（PPDA 7）、下半場體力下降變中位（PPDA 14）。這個變化點就是對方反擊的機會。
PPDA 的盲點
PPDA 不能告訴你「壓迫品質」——你可以 PPDA 5 但每次搶上去都撲空，對手一抬頭就過掉你。所以球哥建議 PPDA 要搭配「對手在對方半場的傳球成功率」一起看：PPDA 低 + 對手成功率也低 = 真壓迫；PPDA 低 + 對手成功率仍高 = 假壓迫（只是動作多）。
xT（Expected Threat）— 把球場變成威脅地圖
這個數字到底是什麼？
xT 是 2018 年由一位英國數據分析師 Karun Singh 在部落格公開提出的模型。核心概念很優雅：
把球場分成 16 × 12 = 192 個小格子。每一格都有一個「威脅值」——代表球如果在這一格，平均而言多少次會在 N 秒內變成進球。禁區弧頂的格子威脅值最高（≈ 0.30），中後場格子威脅值最低（≈ 0.005）。
然後，任何一次傳球或盤帶，就是「球從 A 格被移動到 B 格」——這次動作的 xT 貢獻 = B 格威脅值 − A 格威脅值。
為什麼這個數字很重要？
因為它終於給「組織型中場」一個量化方式。過去你只能說「Kevin De Bruyne 傳球很好」——現在你可以說「De Bruyne 這場 xT = 0.42，代表他的傳球加盤帶一共為球隊提升了 0.42 個進球期望」。
歷史上 xT 累積最高的球員類型是：
- 前場創造型中場：De Bruyne、Ødegaard、Bellingham、Modrić
- 內切型邊鋒：Salah、Foden、Yamal
- 深位組織者：Rodri、Kimmich、Jorginho（但這類球員的 xT 多來自短傳累積）
xT 能告訴你什麼 xG 告訴不了你的事？
xG 只看「射門那一刻」。xT 看「從中場到前場每一步」。
舉個實例：如果阿根廷一次進攻是 Enzo Fernández 中場直塞 → Messi 帶球突破 → Lautaro Martínez 射門進球。xG 把所有功勞給 Lautaro（因為他射門）；但 xT 會把 Enzo 的直塞（把球從 xT 0.05 的位置送到 xT 0.15）、Messi 的盤帶（從 0.15 推到 0.28）、Lautaro 的進球（0.28 → 1.0）都分別量化出來。
這對組織核心型球員的公平評價非常關鍵。不是進球的人不代表沒貢獻。
哪裡看 xT？
- 公開模型與分析文章：xT 最常見於分析師文章、開源模型示範，或數據公司釋出的範例圖，不像 xG 那樣到處都有現成查詢頁。
- Karun Singh 的原始公開模型：GitHub 上能找到程式碼，但需要自己跑資料。
- Twitter / X 上的分析師：@StatsPerform、@OptaJoe、@AnalyticsFC 等帳號會固定發 xT 圖表。
OBV（On-Ball Value）— StatsBomb 的持球價值模型
這個數字到底是什麼？
OBV 是 StatsBomb 在 2021 年推出的專有 Possession Value 模型。概念上可以理解成 xT 的「更細緻、也更重視風險」版本：
每一次有球事件（傳球、盤帶、射門、防守後的球權變化等）都可以被估一個 OBV 值，用來衡量這個動作對「己方接下來進球機率」與「己方接下來失球風險」的淨影響。
OBV 跟 xT 最大不同是：
- 考慮隊友位置：你傳一球到空檔，旁邊有隊友接應 vs 沒人接應，OBV 不同。
- 考慮防守球員位置：你把球推到前方有對方中後衛擋著的格子，OBV 可能是負的。
- 可以拆解成三種子分數：
– Passing OBV（傳球貢獻）
– Carrying OBV（帶球貢獻）
– Shooting OBV（射門貢獻，類似 xG）
這讓你能明確回答「這個球員到底靠什麼吃飯」——例如 Rodri 的 Passing OBV 超高但 Carrying OBV 平平，代表他是純靠傳球影響比賽的中場；Bellingham 則是三項都不低，屬於全面型。
OBV 的代價：付費才能看
這是 OBV 的弱點。StatsBomb 是商用數據公司，完整 OBV 通常在專業資料產品或合作內容裡出現；一般球迷要看 OBV 多半只能透過：
- StatsBomb 公開文章 / Hub 範例：偶爾會公開部分比賽或球員案例。
- 分析師 Twitter 引用：@StatsBomb 會發部分圖表。
- 專業分析平台：完整資料通常是俱樂部、媒體或分析團隊採購，門檻比一般球迷查 FBref 高很多。
所以對台灣球迷而言，OBV 更多是「聽到這個名詞你能跟上」的層級——真要深入分析，還是 FBref 的 xG + Understat 的 xT 比較實用。
看球時實戰怎麼用這些數據？
光懂定義不夠。球哥自己看一場世足比賽時，數據工具的使用節奏大致這樣：
賽前（開賽前 30 分鐘）
- 上 FBref 查兩隊最近 5 場的 xG 累積：看誰的進攻體系更穩。
- 查兩隊的 PPDA：如果一隊 PPDA 7 另一隊 PPDA 18，基本上就是「壓迫 vs 低防」的劇本。
- 不看賠率、不看讓分盤（這不是球哥會用的資訊）。
比賽中（上半場結束）
- 開 Sofascore App 看即時 xG：如果 1-0 領先的隊 xG 只有 0.3 而落後隊 xG 已 0.9，下半場多半會被追平或反超——這時候我就不會去上廁所。
- 注意 PPDA 變化：如果領先隊上半場 PPDA 7 但下半場前 10 分鐘已經變 13，代表他們體力不夠、開始退防，對手反擊機會來了。
賽後（比賽結束 30 分鐘內）
- 看 xT 熱區圖（如果有分析師發的話）：理解誰是今晚的組織核心，不是最後進球那個人。
- 比對比分跟 xG：如果球隊「1-0 贏但 xG 0.4 對 1.5」，就要警覺這支球隊下一場運氣不一定能延續。
實例推薦：用這套方式重看 2022 卡達世足決賽
阿根廷 3-3 法國（PK 4-2）那場——如果你只看比分，場面超級戲劇化。如果你看 FBref / Opta 口徑，阿根廷約 3.2 xG、法國約 2.2 xG；其他公開模型也多半給阿根廷更高的總 xG。意思是：法國的追平很偉大，但不是整場射門品質都壓過阿根廷；真正關鍵是 Mbappé 把少數高槓桿機會，包括兩顆 PK，全部打進來。這是 xG 給你的額外資訊。
重要提醒：數據不能取代眼睛
球哥寫完這五個 Block 後要認真講這一段。進階數據近五年被一批 Twitter 分析師講得好像萬能，但實戰上它有三個本質盲點：
盲點一：數據不看「比賽心理」
xG 不知道紅牌剛出現、球員心態崩盤；PPDA 不知道比賽剩 10 分鐘、體力已竭盡。這些「人」的因素對比賽結果的影響，從來不會出現在數字裡。
盲點二：樣本小的時候全部失效
xG、PPDA、xT 這些指標都需要累積樣本才有意義。一場比賽的 xG 受運氣影響極大（一次亂射也可能破門），需要 5–10 場累積才看得出趨勢。世足整屆單隊最多 7 場（冠軍才 7 場），樣本就是不夠——所以用世足小組賽的 xG 去預測淘汰賽，是會出錯的。
盲點三：永遠會有模型抓不到的變數
現有模型不會把「這支隊伍打 PK 的歷史勝率」、「主帥是否家裡有人過世」、「場地草皮吃腳」這類變數放進去。足球太複雜，數據只能描述可觀測的結構，不能描述人的故事。
所以球哥的結論：xG、PPDA、xT、OBV 是很棒的觀賽工具——讓你在凌晨熬夜看球時知道在看什麼、賽後討論有材料可以拿。但要把它變成「預測金手指」或「穩贏密碼」，對不起，那是另一種宗教，球哥這站不賣這個。
FAQ：進階數據常見問題
Q1：xG 會提供「本場最佳球員」嗎？
不會。xG 只看射門。最佳球員要同時看 xG、xT（組織）、OBV（全面貢獻）或傳統的 WhoScored 評分。
Q2：為什麼 FBref 的 xG 跟 Understat 不一樣？
兩家用的機器學習模型不同、樣本庫也不同。一般落差在 ±0.2 以內，方向性都相同。球哥個人習慣：歐洲聯賽查 Understat（歷史資料最齊）、世足正賽查 FBref（他們跟 Opta 合作，世足資料最完整）。
Q3：哪個指標最重要？只能學一個的話？
球哥建議先學 xG。理由：最普及、最容易免費查到、概念最直觀、解釋力最強。其他三個等你看過 20 場以上 xG 再學。
Q4：這些數據台灣轉播會提嗎？
台灣球迷目前最容易在 Sofascore、FBref、賽後報導或社群復盤看到 xG；電視轉播偶爾會提，但不一定每場都有。PPDA 和 xT 目前幾乎不會在一般轉播固定出現，通常要自己查或看分析師整理。
Q5：業餘球迷有必要懂這些嗎？
沒有「必要」，只有「想不想多一個維度」。如果你看球是為了放鬆、喝啤酒、跟朋友罵裁判——完全不需要。如果你看球想理解「為什麼這場 1-0 其實是 2-3 被偷走」「為什麼這支弱隊突然壓著強隊打」，那這些數據能給你答案。
Q6：進階數據會被用在博彩平台嗎？
會。專業市場分析確實會參考 xG、射門品質、球員狀態等模型，但那是市場定價與風險控管的工作，不是球哥這篇教學的目的——球哥這站不做牌組、不做預測、不為任何博彩平台導流。如你有投注相關需求，請使用台灣運動彩券並自負盈虧。
戰術工具箱同步：這篇是 戰術 × 數據工具箱 的已上線子頁。若你是從 xG、PPDA、xT、OBV 開始學，建議回到工具箱頁搭配「高壓防守、反跑、偽 9 號、內轉邊後衛」一起讀。
延伸閱讀
- 2026 FIFA 世界盃完整指南（主柱頁）
- 2026 世足 48 強實力分層｜Tier 1 到 Tier 5 完整評級（Tier 內部排序有參考 xG 近兩年累積）
- 2026 世界盃奪冠熱門分析（含各隊 xG 趨勢）
- 2026 世界盃黑馬完整解析（xG 低估隊的識別）
- 2026 世界盃新賽制完整解析：48 隊怎麼打
- 2026 世界盃台灣時間完整賽程表
- 熬夜看球健康指南：球哥 5 屆世足實戰整理
最後更新：2026-05-06 · 資料來源：Understat 公開文件 / FBref 方法論說明 / StatsBomb OBV 說明 2021 / Karun Singh 2018 xT 原始文章與開源模型 / 球哥 2022-2025 個人觀賽筆記
[…] 2026 年的世界盃裡，這些選擇關乎生死。進階數據（xG、PPDA）已經清楚告訴我們：陣型對防守組織的影響，從 PPDA […]
[…] 世界盃進階數據指南：xG、PPDA 與看球判讀 […]
[…] 球哥整理的世界盃進階數據指南，裡面會更完整說明 […]