에이스와 위너샷을 넘어: 테니스 경기를 실제로 결정하는 통계

테니스 데이터: 통계 혁명에 대한 스포츠의 더딘 포용

기술과 측정의 현대 시대에도 일부 스포츠는 분석 도입에 뒤처져 있습니다. 테니스가 그중 하나입니다. 노박 조코비치와 로저 페더러 같은 최상위 선수들은 어느 정도 통계적 통찰력을 활용했지만, 특히 팬, 미디어, 코치에게 공개적으로 제공되는 데이터를 고려할 때 광범위한 채택은 제한적입니다. 열렬한 테니스 팬들은 현재 제공되는 것보다 더 깊이 있는 테니스 데이터 분석을 자주 찾습니다.

세계에서 가장 잘 알려진 테니스 분석가라고 할 수 있는 크레이그 오셔네시(Craig O’Shannessy)는 몇 년 전 인터뷰에서 2015년부터 자신의 휴대폰에 3,000개 이상의 경기 통계 스크린샷을 저장했다고 밝혔습니다. 윔블던을 제외한 대부분의 주요 토너먼트가 접근 가능한 과거 데이터를 유지하지 않기 때문이라고 합니다.

“NBA에서는 1962년 경기의 히트맵을 볼 수 있습니다.”라고 그는 언급했습니다. “하지만 2018년 롤랑가로스에서의 첫 서브 성공률을 원한다면, 길고 답답한 검색을 각오해야 합니다. 데이터는 존재하지만, 미디어, 팬, 코치를 위한 어떤 중앙 집중식 데이터베이스에서도 접근할 수 없습니다.” 이로 인해 팬들이 심층 분석과 포괄적인 데이터 자료를 찾기 어렵습니다. 중앙 집중식 데이터베이스의 부재는 일반 시청자와 열렬한 테니스 팬 모두에게 가능한 분석의 깊이를 제한합니다.

포괄적인 통계 데이터베이스 구축

테니스 앱스트랙트(Tennis Abstract)의 설립자인 제프 새크먼(Jeff Sackmann)도 같은 문제에 직면했습니다. 그는 이후 10,000개 이상의 ATP 및 WTA 경기를 기록한 프로젝트를 시작했으며, 팬들이 자원하여 과거 경기를 전체 시청하고 모든 포인트를 기록했습니다. 목표는 테니스에 대한 통계적 및 연구적 통찰력을 생성할 수 있는 데이터베이스를 구축하는 것이었습니다. 사용자는 경기 목록, 선수 프로필, 상대 전적 페이지를 포괄적으로 볼 수 있어 경기력과 경기력 추세를 분석할 수 있습니다. 이 웹사이트는 WTA 선수들의 상세 통계를 포함하여 ATP 및 WTA 투어의 최신 결과로 정기적으로 업데이트됩니다. 가장 초기이자 가장 흥미로운 연구 중 하나는 다음과 같이 질문했습니다: 선수가 상대방을 능가하고 경기를 이기기 위해 가장 중요한 통계는 무엇일까요?

승자를 예측하는 두 가지 주요 통계 범주

이제 잠시 시간을 내어 순전히 직관에 따라 이 질문에 답해보십시오. 어떤 통계가 선수에게 승리할 가장 높은 기회를 줄까요? 총 득점 수가 더 많은 것? 위너샷 대 실책 비율이 더 좋은 것? 첫 서브 성공률이 더 높거나 네트 포인트 획득이 더 많은 것? 어쩌면 더 많은 브레이크 포인트 기회?

결과적으로 어떤 선수가 경기를 이길지 강력하게 예측하는 두 가지 범주가 있습니다. 테니스 팬들은 경기 중에 이것들에 주목해야 합니다. 이는 우승 후보의 승리 가능성을 나타내기 때문입니다. 이러한 통찰력은 베팅 전략에 정보를 제공하고 사용자가 더 현명한 베팅을 할 수 있도록 돕기 때문에 팬과 테니스 베팅에 관심 있는 사람 모두에게 유용합니다.

범주 1: TPW (총 득점)

2015년, 라지브 람(Rajeev Ram)은 맨체스터 챌린저 대회에서 두 명의 상대와 맞붙었습니다. 그는 첫 경기에서 상대보다 총 6점을 더 잃었음에도 불구하고 승리했고, 두 번째 경기에서는 5점을 더 얻었음에도 불구하고 패배했습니다. 그의 결론은 명확했습니다: “테니스는 확실히 농구가 아닙니다.”

맞습니다, 테니스는 농구가 아니지만, 일반적인 원칙은 유효합니다. 상대방보다 더 많은 점수를 얻는 것이 여전히 경기 승리의 가장 좋은 단일 예측 변수입니다.

Inpredictable에 따르면, 득점이 더 적은 선수가 승리하는 ATP 경기는 4.5%에 불과합니다. 세트 수준에서는 그 수치가 2.4%로 떨어집니다. 득점의 51%를 얻으면 선수는 3전 2선승제 경기에서 대략 85%의 승리 확률을 가집니다. 52%를 얻으면 확률은 95%를 넘어섭니다. 예를 들어, 얀닉 시너(Jannik Sinner)와 카를로스 알카라스(Carlos Alcaraz)의 100점 경기에서 이탈리아 선수가 51점을 얻고 스페인 선수가 49점을 얻는다면, 알카라스는 15%의 승리 확률을 가집니다.

범주 2: DR (리턴 게임에서의 지배율)

이것이 팬들이 가장 먼저 떠올리는 범주는 아닐 수 있지만, 직관적입니다. 상대방을 상대로 획득한 리턴 포인트의 비율을 측정합니다. 총 리턴 포인트를 더 많이 얻는 것이 아니라, 더 높은 비율을 얻는 것입니다. 더 간단히 말해: 상대방의 서브를 브레이크하는 데 꾸준히 더 가까워지는 것입니다.

이 통계의 중요성은 분명합니다. 이 범주에서 더 낮은 성과를 보이는 선수가 승리하는 경기는 7.2%에 불과하며, 세트의 7.4%에 불과합니다. 총 득점을 더 많이 얻는 것과 결합하면 패배할 확률은 4%로 떨어집니다.

베팅, 배당률, 그리고 승리 확률을 높이는 것을 고려할 때, 북메이커들이 유사한 데이터를 사용하여 배당률을 설정하고 베터들을 유인하기 위해 프로모션을 제공할 수 있다는 점에 유의하는 것이 중요합니다. 하지만 대부분의 사용자는 장기적으로 돈을 잃으므로, 책임감 있게 베팅하고 감당할 수 있는 만큼만 위험을 감수하는 것이 중요합니다.

통계가 전체 이야기를 말해주지 않을 때

선수가 주요 통계에서 앞서더라도 예상치 못한 결과가 발생할 수 있습니다. 이러한 소위 “복권 경기”에서는 클러치 브레이크 포인트 성공, 상대방의 연속 더블 폴트, 또는 “결정적인 순간”에서의 탁월한 실행과 같은 중요한 순간이나 통계적 매개변수에서의 드물거나 예외적인 성과는 통계적 기대를 압도할 수 있습니다.

아마도 페더러 팬들에게 여전히 아픔을 주는 유명한 예시는 2019년 윔블던 결승전 조코비치와의 경기입니다. 페더러는 거의 모든 범주에서 앞섰습니다: 더 많은 득점, 더 나은 리턴 통계, 더 많은 브레이크 포인트, 더 많은 위너샷, 네트에서의 지배력, 그리고 우월한 서브 통계. 하지만 조코비치가 승리했습니다. 차이점은 무엇일까요? 조코비치는 세 번의 타이브레이크에서 페더러의 11개와 비교하여 단 하나의 실책도 범하지 않았습니다. 적절한 순간에 실행된 그 단 하나의 통계가 페더러의 전반적인 통계적 우위를 압도했습니다.

왜 중요한가

테니스는 예측 불가능해 보일 수 있으며, 이변도 발생합니다. 하지만 팬으로서 관전하든 선수로서 경쟁하든, 승리 확률을 높이는 간단한 방법을 원한다면 기본부터 시작하십시오: 상대방보다 더 많은 점수를 얻고, 리턴 게임에서 탁월한 성과를 내십시오. 다른 모든 것은 그 뒤를 따릅니다.

스포츠 베팅 업체에게도 이러한 통찰력은 마찬가지로 중요합니다. 어떤 통계가 실제로 결과를 이끄는지 이해하는 것은 더 날카로운 가격 책정, 더 현명한 위험 관리, 그리고 더 매력적인 시장을 가능하게 합니다. 작은 비율이 전체 경기를 좌우하는 스포츠에서 올바른 통계적 관점을 갖는 것은 노출과 이익 사이의 차이를 의미할 수 있습니다.