Det er såmænd blot en forkortelse af ordene forventede mål. Det udtrykker den numeriske sandsynlighed for, at et givent skud havner i nettet. Det, der er vigtigt her, er stedet på banen, bolden afsendes fra (et skud inde i straffesparksfeltet har altid en højere xG end f.eks. et skud fra 20 meter).
xG-modellen behandler tusindvis af lignende skud og tildeler dem en værdi mellem nul (ingen mål) og et (mål). For eksempel vil et forsøg med en værdi på 0,1 xG kun finde nettet én gang ud af 10 forsøg. Disse individuelle skudværdier lægges derefter sammen for at lave holdets xG.
Populariteten af denne indikator vokser hovedsageligt på grund af det faktum, at fans er interesseret i en meget dybere forståelse af spillet - de vil vide så meget som muligt om det. xG-værdien vil fortælle dem om holdenes præstation, styrken af deres angreb, deres forsvar og endda de individuelle spillere.
"Det fungerer fantastisk, især når vi forsøger at forudsige fremtidige begivenheder. Dette er xGs største styrke," siger Jakub Dobiáš, grundlægger af det tjekkiske firma 11Hacks, som har specialiseret sig i fodbolddata-analyse.
Som med enhver analyse er det nødvendigt at have så meget information som muligt, i dette tilfælde så mange kampe som muligt (spillede minutter), hvorfra xG bestemmes. Det mindst præcise datasæt er med andre ord kun fra én kamp, hvor held eller uheld også spiller en stor rolle.
"Inden for en enkelt kamp er standardafvigelsen så stor, at værdierne af forventede mål og faktiske mål kan være væsentligt forskellige. Så når et hold scorer 3 xG i en kamp, betyder det, at der er stor sandsynlighed for, at de skulle have scoret mellem 1,47 og 4,53 mål, hvor kontraintuitivt det end lyder," bemærker Dobiáš.
Analyser har været en del af fodbold i årtier, selvom det først for nylig er blevet fuldstændigt udviklet med fremkomsten af computere. Selve xG'en begyndte at udvikle sig i begyndelsen af årtusindet til, hvad den er i dag, hvor der er mange modeller, der involverer den.
Disse adskiller sig, afhængigt af mængden af input og kriterier.
Det afhænger også af antallet af variabler. For eksempel regner nogle modeller kun med den forrige kamp, så de indeholder ikke nok information. Andre arbejder med et meget større antal informationer og variabler, så de vil have et meget mere nøjagtigt tal.
"Vi er nu ved at udvikle en unik model, fordi vi også vil tilføje tidens indflydelse. Det er, hvor meget tid spilleren brugte på at afslutte i den givne situation. Det vil give os endnu en indikator af sandsynligheden for, at et mål kunne være blevet scoret," forklarer Dobiáš.
Som med enhver anden fodboldmåling, så kan forventede mål ikke altid afspejle virkeligheden fuldt ud. xG, for eksempel, bliver ofte kritiseret for kun at tage det gennemsnitlige skud i betragtning, så en persons færdigheder eller målmandsevner ikke tages med i betragtningen.
Udover at være en simpel form for information, så kan xG også bruges til for eksempel væddemål. Med dens hjælp kan ekstremer opdages, som kan være nyttige i fremtiden. Et hold, der præsterer bedre eller dårligere på kort sigt end dets forventede antal mål, vil sandsynligvis snart ændre på gennemsnittet.