Football Behavior Management (FBM) is een vorm van toegepaste gedragsanalyse. Binnen toegepaste gedragsanalyse is het belangrijk om eerst te specificeren wat je gaat meten. Bij FBM meten we het rendement van voetballers.

De officiële definitie van rendement is:

“Het goede gebruik van de tijd en energie op een manier die geen tijd en energie verspilt”

In het voetbal betekent rendement dat een speler met een hoog rendement beter omgaat met tijd, ruimte en energie, van zowel zichzelf als van zijn medespelers. We meten de volgende vier specifieke rendementen:

1. Overall rendement, dit is de kans dat een speler het team versterkt.
2. Aanvalsrendement, dit is de kans dat een speler de aanval versterkt.
3. Omschakelrendement, dit is de kans dat een speler de omschakeling versterkt.
4. Verdedigingsrendement, dit is de kans dat een speler de verdediging versterkt.

Op basis van de Bayesiaanse statistiek, hebben we ook een wiskundige eigenschap genaamd “betrouwbaarheid”. Dit is de kans dat onze statistieken in de komende wedstrijden hetzelfde blijven. Toch weerspiegelt  deze wiskundige eigenschap ook de spelers zelf. Voorspelbare spelers hebben een hoge betrouwbaarheid en onvoorspelbare spelers hebben een lage betrouwbaarheid. Uiteraard hebben de beste spelers een hoog rendement en een hoge betrouwbaarheid. Minder voor de hand liggend is dat de slechtste spelers een laag rendement en een hoge betrouwbaarheid hebben. De reden waarom dit het slechtste geval is, is dat in deze situatie het zeer waarschijnlijk is dat een speler slecht  zal blijven presteren.

De manier waarop Bayesiaanse statistiek werkt, is dat wanneer je meer goede dan slechte resultaten op het veld behaalt je rendement in de richting van de 100% gaat. En andersom: als je meer slechte dan goede resultaten hebt dan zal je rendement dalen tot 0%. De verhouding tussen goede en slechte resultaten, samen met het aantal resultaten per wedstrijd bepaalt de snelheid waarmee een speler naar de 100% of 0% gaat. Zodra een speler een zeer hoog rendement heeft dan krijgt deze speler, dankzij de manier waarop Bayesiaanse statistiek werkt, veel krediet. Dit betekent dat hij redelijk wat fouten mag maken voordat zijn rendement daalt. Overigens, geldt hetzelfde voor spelers met een zeer laag rendement, maar dan omgekeerd. Zij moeten een hoop goed doen op het veld voordat hun rendement weer begint te stijgen.

We meten meer dan veertig verschillende resultaten op het veld (zoals bijvoorbeeld bal komt significant dichter bij het doel van de tegenpartij, overtreding, weggeven corner) op basis van twaalf categorieën die we dan weer in de drie groepen plaatsen: aanvallen, verdedigen en omschakelen. Het is belangrijk op te merken dat we geen afzonderlijke gebeurtenissen tellen zoals het rondspelen van de bal. Wij weigeren te tellen, omdat tellen te veel risico in zich heeft om spelers te overschatten. In plaats daarvan beoordelen wij of een hele keten van gedrag leidt tot een goed of een slecht resultaat en vervolgens beoordelen wij welke spelers daar een rol in hebben gespeeld. We beoordelen ook spelers die niet betrokken zijn bij de actie, maar die wel betrokken hadden moeten zijn. Tenslotte beoordelen we ook spelers die zonder bal wel een belangrijke bijdrage leverden aan de actie.

Het belangrijkste aspect van onze rendementsmetingen is dat we in staat zijn om het resultaat van de volgende wedstrijd voor het team zeer nauwkeurig te voorspellen. Deze voorspellingen zijn voor 99% op basis van de rendementen van de individuele spelers. Dit zorgt voor een directe verbinding tussen de selectie en de kans om specifieke wedstrijden te winnen.

Omdat we onze metingen in real time doen, kunnen we tijdens de wedstrijd berekenen welke wissels de kans op het winnen zo groot mogelijk maakt. Mochten er bij het opstellen van het basiselftal vraagtekens zijn, dan laat FBM zien welke speler het team het meest helpt om te winnen. Tot slot: FBM verkleint het risico op mishires en aan de andere kant vergroot FBM de kans op succesvolle transfers.