How we measure “stylistic fit” without overfitting nostalgia

«Precisamos de um lateral esquerdo como o Marcelo». É uma frase útil e perigosa. Útil porque transmite instantaneamente um perfil que qualquer cabeça futebolística na sala consegue ver. Perigosa porque pode significar cinco coisas diferentes para cinco ouvintes — e, pior, pode não significar nada preciso para um motor de busca.

Match, o nosso motor de recomendação, vive na fronteira entre essas duas verdades. Tem de traduzir a linguagem difusa do operador em rankings rigorosos, comparáveis e defensáveis — sem achatar o que torna um jogador distinto. Eis como o fazemos sem sobreajustar à nostalgia.

O modelo de três camadas

No Scout Atlas, a afinidade estilística não é uma única pontuação de semelhança. É uma pilha de três camadas independentes, cada uma calculada todas as noites, cada uma explicada em português claro junto ao resultado.

Camada 1 — Impressões digitais comportamentais

Para cada jogador com pelo menos 900 minutos de liga nas últimas duas épocas, calculamos um vetor comportamental de 200 dimensões. Não estatísticas em bruto. Derivadas comportamentais: distância de condução progressiva por toque, atividade em zonas defensivas ajustada à força do adversário, frequência de varrimento antes de passes progressivos, distância de recuperação pós-perda.

São as features que sobrevivem à normalização entre ligas. Um jogo de 70 minutos na liga irlandesa não é a mesma tela que um jogo da Premier — por isso normalizamos oportunidades, não resultados. A impressão digital compara comportamento em igualdade de circunstâncias.

Camada 2 — Contexto de papel

«Um lateral esquerdo como o Marcelo» não é apenas uma forma comportamental. É uma forma comportamental num sistema. Etiquetamos cada jogo do nosso corpus com o papel implícito do jogador (lateral invertido, lateral clássico, ala em linha de cinco, central exterior híbrido) usando um classificador de formação baseado em grafos. A semelhança estilística é depois calculada condicionada ao papel — um híbrido do Bayern compara-se com outros híbridos, não com um ala da Atalanta.

Camada 3 — Assinatura de decisão

A terceira camada é a mais experimental e aquela com que estamos mais entusiasmados. Treinamos um modelo sequencial em pontos de decisão etiquetados — receber sob pressão, gatilho de pressão defensiva, arranque em transição — e produzimos uma distribuição de probabilidade sobre classes de decisão para cada jogador. A assinatura de decisão captura o que um jogador tende a fazer quando lhe é dada uma escolha. Dois jogadores com impressões digitais comportamentais idênticas podem ter assinaturas de decisão completamente diferentes, e a assinatura normalmente prevê como o jogador se adapta a um novo sistema.

Três coisas que explicitamente não fazemos

Cada motor de recomendação é moldado pelo que se recusa a fazer. O Match tem três recusas firmes.

• Não treinamos sobre dados privados de clubes membros sem consentimento. As impressões digitais vêm de corpora de open-data e de event data licenciado. Notas privadas, GPS e shortlists dos clubes membros são deles — enriquecem o modelo pessoal do clube, não o inter-clube.
• Não escondemos as ligas que um brief cobriu. Se um brief filtrou às top 5, dizemo-lo em cada resultado. Se um jogador não foi incluído, dizemos porquê (minutos insuficientes, liga ainda não ingerida).
• Não fingimos que um ranking de confiança 60 é um 95. Quando o ensemble discorda — XGBoost gosta do jogador, CatBoost duvida — sinalizamos a variância diretamente. A baixa confiança é, por si, um sinal que vale a pena mostrar.

Como mantemos as comparações honestas

Duas salvaguardas correm ao lado de cada Match score.

A primeira é a correção do enviesamento de sobrevivência. A imprensa do futebol gravita para os vencedores. A semelhança comportamental com um jogador famoso pode ser um proxy perigoso — um excelente filtro para apanhar o génio retrospetivo, um péssimo filtro para prever encaixe futuro. Reequilibramos as coortes de treino para incluir explicitamente o «meio ruidoso» — jogadores que pareciam estrelas e não o vieram a ser.

A segunda é a calibração por coorte. Testamos o modelo não no miúdo mimado da Premier, mas no extremo do Allsvenskan de quem ninguém tinha ouvido falar em 2021 e que agora é titular na Bundesliga. Se o modelo não conseguisse trazê-lo à superfície com alta confiança em 2021, voltamos à prancha. A maior parte dos motores de «semelhança» celebra os jogadores que previu; nós medimo-nos pelos jogadores que nos escaparam.

O que vê realmente no produto

Quando abre um jogador no Scout Atlas, «Pares estilísticos» mostra os seis melhores jogadores do corpus por semelhança combinada impressão digital + papel + decisão, com um detalhe de atribuição de features para cada par: onde a semelhança se concentra, onde diverge. Vê a comparação e os limites da comparação.

«Um lateral esquerdo como o Marcelo» volta a ser útil — mas já não tem de acreditar de olhos fechados. A matemática está na página.