想真正用数据看比赛，最先要搞清楚的就是这个指标能测什么、不能测什么。乐鱼按射门发生前的一秒钟为切面，讲六个进入模型的变量，以及它们在实战里分别对应哪种球员能力。
1、距离：不是越近越好
模型里的距离不是直线米数，而是把球门角度与射门弧线一起算进去的成本。十米正面与十二米侧角，距离相近而成功率差出一截；同样，六米处的外脚背推射与八米处的正脚背抽射也不能只按米数比较。因此"离门很近的一脚"未必就该被评成高质量机会，很多看似必进的球在模型里其实只有五成上下的转化概率，这也解释了为什么强队在赛季末的转化率会低于观众的直觉。
2、角度：球门在你视野里占多少
角度的作用被低估：底线的传回球看似近，实际可用球门面积小；禁区弧顶的一脚看似远，视角反而完整。这也是为什么有些球队会刻意把球打到对方底线附近再倒三角——他们在用空间换角度。
3、身体部位：头球的一律打折
同样条件下，头球的转化率明显低于脚射，射门方向的可用角度也更小，所以模型会给头球一个系统性折价。这就解释了为什么传中找到后点的一记冲顶看上去再热闹，在数据上仍只是中等机会；反过来，一次胸部做球后的顺势凌空，因为身体已经完全朝向球门，权重会被抬得比想象中高。
4、防守压力：谁在你身前、谁在门线前
门将位置是否出击、近门柱有没有后卫封堵、射门线路上有没有一人贴防，这三项在现代模型里越来越被量化。同一脚推射，在门将被拉出球门后与门将站在门线正中时是两个完全不同的概率。
5、比赛状态：领先时的射门更敢打
比分会影响选择：落后的球队更多尝试远射与高难度射门，于是他们的实际进球率看起来偏低，但机会质量并不一定更差；领先的球队则更容易拿到停稳之后的补射与反击单刀，转化率被自然抬高。这也是评估一名球员"射门转化"时必须把出手分布与当时比分一起看的原因，否则会把环境优势记成个人能力。
6、这六个输入读不出什么
模型不知道球员的连续性好坏、球的气压、场地湿滑、以及那脚射门是否在被犯规边缘完成。更重要的是，xG 无法衡量一次射门的"制造难度"——一个人挤在三人里造出的凌空机会，和一次空门补射可能被判成相近的质量。
另一个容易被忽略的细节是时间分布：「角度：球门在你视野里占多少」的成效通常在下半场前十几分钟最先显现，而「防守压力：谁在你身前、谁在门线前」往往要到最后阶段才见分晓。把这两段时间的表现放在一起比较，比笼统统计全场数据更能说明问题，也更接近教练组赛后复盘的顺序。
如果把「防守压力：谁在你身前、谁在门线前」单独拿出来看，它更像一面镜子：球队在没有球时的选择，往往比有球时更能说明训练质量。因为跑位可以临时提醒，而丢球后的第一反应只能靠长期训练建立，这也是为什么同一支球队在不同阶段的表现会差距明显。
把「向前传球数」近几期的同类内容连起来看，会发现真正反复出现的矛盾只有两个：控制风险与制造威胁难以同时最大化。本栏目之所以坚持逐场拆解而不是只报结论，就是希望读者能把这些片段拼成一套自己的判断方法。
如果要给普通观众一个可操作的观察方法，那就从「比赛状态：领先时的射门更敢打」入手：先确认无球状态下的站位是否合理，再看有球时能否保持推进方向。顺序换一下，你对「一次射门的六个输入：预期进球到底在算什么」这类话题的判断会稳很多，也不容易被一时的比分带走。
把指标当成提问方式
xG 的价值不是给射门打分，而是逼你去看条件：这一脚是在什么角度、什么压力、什么来球下完成的。乐鱼希望读者把数据当成看比赛的提问工具。
