预期进球给了一个可比的基准，但把它当成射门质量的完整刻画会出问题。米兰网页版写清楚这类模型是怎么算的、哪些因素不在模型里、以及在复盘一次进攻时应该额外看哪三项修正。
1、基础模型算的是位置与角度
常见预期进球模型用射门点与球门的相对位置、射门角度、来球方式（脚内侧、头球、凌空）以及助攻类型作为输入，把历史同类射门转化为进球概率。这一步决定了它对远射与门前补射给出完全不同的数值。
2、防守压力不在多数模型的输入里
同样落点的射门，身前有一名后卫贴身与完全没有干扰，实际难度差别很大。研究里常用触球前防守者最近距离作补充变量，把这一项在逐帧复盘里补上，部分球员的射门质量评价会出现明显重排。
3、门将质量会把结果吃掉
面对同一次射门，站位更靠前或反应更快的门将可以把期望值拉低。若要评估进攻方的决策，用射门后需要被扑救的难度来衡量比用是否进球更合理，因此评价进攻决策时应尽量把门将因素剥离出去。
4、样本量与回归是必答题
一名球员连续五场射正率极高，很可能只是随机波动的顶端。合理做法是把每个赛季的数据向联赛均值做收缩处理，或者用移动平均观察趋势，用移动平均看趋势远比盯住某一场的结果稳妥，这也是模型需要向均值做收缩的原因。
5、助攻类型透露的是战术路径
来自反击的射门、来自阵地战的传中、以及来自定位球的二次进攻，三者的基础概率结构完全不同。把射门数据按进攻类型分组后，同一球队的进攻质量评价会变得更具体，知道该给哪条线路加资源。
6、误用场景
最常见的误用是用射门指标判断单场结果是否公平，或者拿两个联赛未经调整的差值直接比较球员。把它当决策工具而不是判决书，指标才真正有用：在同一环境内比较同一球员的不同选择时它最有价值。
把「被过次数录」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「助攻类型透露的是战术路径」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「预期进球之外：一次射门的质量还能被哪些因素二次修正」这类话题的判断会稳很多，也不容易被一时的比分带走。
把「基础模型算的是位置与角度」与「门将质量会把结果吃掉」放在一起看，会发现它们是同一件事的两个方向：前者决定球队能不能把比赛推进到危险区域，后者决定推进到位之后能不能真正形成威胁。只盯其中一项，很容易对一场比赛得出片面结论，这也是我们做同类选题时坚持两条线都写的原因。
本篇的线索可以收成四句：基础模型算的是位置与角度；门将质量会把结果吃掉；样本量与回归是必答题；以及误用场景。四句话背后是同一个判断标准——能不能在对手针对之后仍然保持结构完整。这也是我们评价一场比赛时最常用的坐标。
关于这个话题，最常见的误解是把它当成单一原因的结果。实际上「误用场景」与「防守压力不在多数模型的输入里」之间是相互约束的关系：一端被加强，另一端往往会付出代价。真正值得讨论的是球队愿意把代价放在哪一边，而不是哪种做法绝对正确。
指标是坐标系不是判决书
把预期进球当成起点，再加上防守压力与身体姿态两项观察，一次射门的质量才立体。米兰网页版更愿意用这套顺序复盘进攻选择。
