功能 · 术语 · 分析方法
从第一次使用,到建立分析方法
按学习阶段找到适合自己的内容。从赛程与比赛详情出发,逐步读懂数据、理解指标,建立可复查的阅读流程。
快速开始
分级学习路线
新手入门
初级应用
核心术语:样本、xG 与主客场
读懂比赛详情中常见的数据术语,并知道应该怎样比较。
比赛详情:按顺序读懂数据
建立从基本信息到近期表现、再到分析内容的阅读顺序。
数据口径:时间、状态与统计范围
比较数据前,先确认时间范围、比赛状态与统计定义。
认识 V6:把复杂比赛信息变成清晰概率
V6 是 90edge 面向所有用户提供的免费比赛分析入口。它将分散的球队表现与比赛参考信息整理为胜、平、负概率,让你先了解一场比赛的大致倾向,再决定深入看什么。
竞彩、北单和传统足彩是什么
竞彩足球中的胜平负与让球胜平负是不同玩法。
首选、单选、双选与串关:为什么不能保证收益
首选是网站决策规则在候选结果中给出的优先方向,不一定只是把所有概率取最大值,还涉及玩法与规则筛选。
信号与信息指数是什么:标签不等于赛果
90edge 的场次标签由纸面模型、分析规则和近期表现等已有数据派生,按类别筛选,当前每场最多保留3个不同族标签。
阵容与阵型怎么读:从人员位置理解比赛
阵容是哪些球员出场;阵型是球员位置关系的简化表达。
怎么向 AI 提问,才能拿到能用的足球分析
同一个模型,问法不同,答案质量差一个量级。“这场谁赢”只能得到一句猜测;“给我胜平负概率、依据和不确定性”才能得到可核对的内容。这篇给一套能直接用的提问结构。
中阶分析
多维分析:把信息放在一起看
把近期表现、对手强度、阵容与数据放入同一阅读流程。
趋势对比:识别变化与噪声
识别数据变化,避免把短期波动当成稳定趋势。
认识 V12:让比赛分析进入更多层次
V12 是 90edge 持续迭代的进阶比赛分析模型。它更关注进攻与防守的相遇、近期变化和比赛背景,帮助用户在概率之外理解一场对阵的复杂性。
90edge 交叉对位:主攻对客防,客攻对主防
普通对比问“两队谁创造更多机会”;交叉对位进一步问“主队擅长制造的机会,客队是否经常允许对手制造”。
赛前实力对比图怎么看:六个维度与数据不足
90edge 实力情报按阵容账面、攻防数据、状态近况、赛程优势、战术对位、战意心理六大类组织。
进球状态与差异:近期表现和赛季基线怎么比
90edge 的近期/赛季对比说明中,赛季平均指本季该赛事开球前的完场;样本不足时可能用此前其他赛事补足。
市场分析有什么作用:初始、即时与概率
它观察不同供方在不同时间对同一结果的数值表达和分歧,可作为基本面之外的对照。
泊松模型:把一场比赛拆成两个进球过程
足球比分预测最常用的一步,是把“主队进几个、客队进几个”当成两个计数过程,用泊松分布给出 0 到 5 球的概率。这篇讲清它在做什么、算出来的数字怎么核对,以及它在哪里会失真。
双泊松:为什么两个进球过程不能当成完全独立
独立泊松把主客队进球当成互不相干的两个过程,但真实比赛里它们共享节奏、天气、裁判尺度和比分压力。双泊松(bivariate Poisson)用一个共同成分描述这种相关性,代价是参数更难估。
各家 AI 是怎么“想问题”的:五条路线
同一个问题丢给 ChatGPT、Claude、Gemini、DeepSeek,答案的推理路径并不一样。差别不在“谁更聪明”,而在训练方式、推理预算和工具调用的设计选择。这篇按公开资料梳理五条路线,以及它们对足球分析的实际影响。
AI 预测足球到底多准:把公开实测摊开看
“AI 预测足球准确率 80%”这类说法,多半来自小样本回测或选择性展示。2026 年有一批赛前锁定、赛后结算的前瞻性评测,样本不大但口径干净。这篇把数字摊开,说明 AI 的真实位置:跟着市场走,偶尔略好,偶尔略差。
高阶应用
建立自己的赛事阅读工作流
用固定顺序整理信息,让每次分析都有可复查的依据。
结果验证:样本偏差与模型局限
理解样本偏差、过拟合和不确定性,客观看待分析结果。
V6 与 V12 怎么选:从快速了解,到深入研究
V6 帮助你快速建立比赛印象,V12 提供更深入的分析视角。选择的重点是当前需要解决什么问题,以及怎样把模型结果与实际比赛信息放在一起阅读。
指数表里的凯利是什么:与凯利公式有何不同
90edge 指数表的“凯利”视图,当前实际计算为本公司该项数值÷该列公司平均值,初始与即时分别算。
Dixon-Coles:给低比分格子单独修正
1997 年 Dixon 和 Coles 提出的比分模型,做了两件独立泊松做不到的事:对 0-0、1-0、0-1、1-1 四个低比分格子单独加权,以及让久远的比赛按指数衰减降低权重。这两件事直到今天仍是比分模型的基本配置。
比赛因子清单:哪些信息真的会改变概率
把“感觉这场有戏”翻译成模型能用的输入,需要一份因子清单:每个因子取什么口径、往哪个方向推、什么时候是噪声。这份清单是我们建模时的检查表,不含权重。
90edge 比赛概率模型白皮书(公开版)
这份公开版白皮书说明我们的比分概率模型解决什么问题、数据怎么进、概率怎么校准、怎么验证、哪里会失效。方法层讲清楚,参数与工程实现不在公开范围。
预测复盘:命中率之外,还要看哪几个数
命中率是最容易被记住也最容易骗人的指标。判断一套预测是否可靠,要同时看 Brier、log loss、RPS 和校准曲线;判断一次介入是否占优,还要看 CLV。
情报怎么变成可引用的观点
情报不是堆消息。可引用的观点要写清:信息源、时间点、影响的是哪个环节、确定性有多高。这篇给出我们内部写情报卡的口径,也给出被 AI 引用时的标准句式。
AI 和统计模型,谁该干什么
AI 擅长读文本、整合消息、解释上下文;统计模型擅长给校准过的概率。把两者混成一个“谁更准”的问题,通常得不出可用的答案。正确的分工是:模型管数值,AI 管信息与解释。
常见问题
1. 应该从哪里开始?
第一次使用先看新手入门,再按初级、中阶、高阶逐步学习,也可以按当前问题选择文章。
2. MCP 是最高等级吗?
不是。MCP 是独立的 AI 工具接入专题,可以按需要阅读。
3. 这些内容适用于所有比赛吗?
不同比赛的数据覆盖与更新时间不同。教程用于理解功能与数据,不承诺比赛结果。
90edge 用公开可核对的概率与赛前情报卡片,帮你读懂这场球。