Goals en Assists Belonen Twee Balcontacten per Aanval. Possession Value Waardeert de Rest

Een possession value-model is elk model dat een waarde in doelpuntkans hangt aan iedere actie aan de bal, niet alleen aan het schot, door te vragen hoeveel die actie de kans op een doelpunt voor of tegen heeft veranderd. Een vaste Nederlandse naam bestaat er nog niet; letterlijk gaat het om de waarde van balbezit. Expected threat, VAEP en On-Ball Value zijn de drie namen die je het vaakst tegenkomt: leden van één familie, geen concurrerende ideeën. Alle drie beginnen bij dezelfde klacht: goals en assists belonen de laatste twee balcontacten van een aanval en negeren alles wat daaraan voorafging. Volgens de VAEP-pagina van de KU Leuven telt een wedstrijd ongeveer 1.600 acties aan de bal, en belonen traditionele statistieken daarvan ongeveer één procent.

Het mechanisme is simpel. Neem de spelsituatie vóór en na een actie en schat voor beide hoe waarschijnlijk het is dat de ploeg in balbezit binnenkort scoort. Het verschil is de waarde van de actie. Een pass van een onschuldige naar een gevaarlijke plek krijgt een positief getal, balverlies op een slechte plek een negatief. Expected goals doet dit al voor schoten, en xA gaat één stap terug naar de pass die het schot opleverde. Possession value-modellen trekken het door naar het hele balbezit, en in de completere versies ook naar de verdedigende acties die het beëindigen.

Expected threat is het eenvoudigste familielid. Het verdeelt het veld in een raster, waardeert elke zone naar hoe vaak balbezit dat daar komt tot een doelpunt leidt, en geeft een pass of dribbel het verschil tussen bestemming en vertrek. De oorspronkelijke post van Karun Singh uit 2018 gebruikte een raster van 16 bij 12. Het heeft alleen de locatie van de bal nodig, draait dus op de eenvoudigste eventdata, en is transparant: je kunt het raster gewoon aflezen. De prijs: het weet niets van de pass zelf, de verdedigers eromheen of het risico op een counter.

VAEP, voluit Valuing Actions by Estimating Probabilities, is gebouwd door Tom Decroos en collega's aan de KU Leuven. Een machinelearningmodel leest kenmerken van de laatste paar acties (type, locatie, uitkomst, timing) en schat twee kansen voor de ploeg in balbezit: scoren binnen de volgende handvol acties, en een doelpunt incasseren. De waarde van een actie is de verandering in scoringskans min de verandering in de kans op een tegengoal. Die tweede term maakt VAEP tweezijdig: een onderschepping krijgt krediet omdat ze de kans op een tegengoal verlaagt. Een riskante pass vooruit die de ploeg openzet, kan lager scoren dan de terreinwinst doet vermoeden. Het vraagt volledige eventdata met actietypes en uitkomsten, en is open source via de bibliotheek socceraction.

On-Ball Value is de versie van StatsBomb, gelanceerd in september 2021. Ze waardeert net als VAEP beide richtingen, maar rapporteert doelpunten voor en tegen apart en niet als één nettocijfer, en ze meet de verandering in verwacht doelsaldo over het huidige balbezit en het volgende. Ze is getraind op de eigen expected goals van StatsBomb en niet op echte doelpunten, wat volgens het lanceringsartikel ruis vermindert, en ze waardeert vrijwel elk type actie: passes, dribbels, wegwerken, blokken, reddingen en uittrappen van keepers. Ze is niet openbaar en leunt op de rijkere eventfeed van StatsBomb.

Alle drie dienen om spelers te waarderen voorbij goals en assists. Een middenvelder die terrein wint maar nooit een assist geeft, een centrale verdediger wiens diagonale ballen aanvallen inleiden, een keeper wiens uittrap counters lanceert: allemaal leveren ze waarde die het scoreformulier mist en deze modellen vangen. Analisten tellen de actiewaarden van een speler over een seizoen op, per 90 minuten en per type actie, tot een profiel. Vergelijk het met packing, dat telt hoeveel verdedigers een pass uitschakelt maar dat nooit omzet in een doelpuntkans. Possession value zet de stap van "hoeveel verdedigers" naar "hoeveel dichter bij een doelpunt".

De modellen zijn het niet altijd eens, en dat is leerzaam. In een gepubliceerde vergelijking van xT en VAEP toonde de Leuvense groep dat een korte dribbel in de zestien die binnen één rastervak blijft nul xT oplevert, omdat de zonewaarde niet verandert, terwijl VAEP hem wel beloont omdat de spelsituatie verbeterde. Een pass die bij een counter het balbezit herstelt, krijgt van VAEP, dat de recente context kent, een veel hogere waarde. Over een heel seizoen leverden de twee modellen verschillende toplijsten op: xT neigde naar creatieve spelmakers, VAEP naar doelpuntenmakers.

De beperkingen zijn reëel. Bewegen zonder bal is onzichtbaar: de loopactie die een verdediger wegtrok en de passlijn opende, levert niets op; de passer krijgt alles. Door andere trainingsdata, vensters en kenmerken rangschikken twee leveranciers dezelfde speler anders, en geen van beide zit fout. Context is dun: de meeste openbare modellen kennen de stand, de minuut en de kwaliteit van de tegenstander niet, en weten niet of een laag blok of een hoge linie de zone verdedigde. En de getallen per actie zijn piepklein, dus een seizoenstotaal komt neer op een paar doelpunten aan waarde, een wankele basis voor een transferbesluit. Zie de uitkomst als lens op bijdrage, niet als vonnis.

Wat is het verschil tussen xT en VAEP?

xT waardeert alleen waar de bal is. Het geeft een actie het verschil tussen twee zonewaarden en negeert het type actie, de gebeurtenissen ervoor en elk verdedigend risico. VAEP waardeert de hele spelsituatie: het gebruikt de laatste paar acties als invoer, schat de scoringskans en de kans op een tegengoal apart, en beloont ook verdedigende acties. In de praktijk is xT makkelijker te berekenen en uit te leggen en werkt het op eenvoudige data. VAEP is completer en contextbewuster, maar lastiger te interpreteren. Beide leveren geloofwaardige ranglijsten op, en ze verschillen het meest bij passes naar achteren, balveroveringen in de counter en korte bewegingen in de zestien.