Actual­men­te, las empre­sas que se encua­dran en el mode­lo B2C requie­ren una comu­ni­ca­ción con sus clien­tes para enten­der la expe­rien­cia de éstos. Para ello, las empre­sas nor­mal­men­te han soli­do uti­li­zar las encues­tas, pero de media solo se han pre­gun­ta­do sobre el 10% de inter­ac­cio­nes y reci­bién­do­se un 7% de las res­pues­tas, que gene­ral­men­te pro­vie­nen de clien­tes muy satis­fe­chos o los muy insa­tis­fe­chos, lo que pro­du­ce un ses­go de los resul­ta­dos.

La apli­ca­ción JOY de Neo­van­tas per­mi­te medir esta expe­rien­cia de clien­te, a tra­vés del tra­ta­mien­to de la infor­ma­ción que se reco­ge del clien­te en todas sus inter­ac­cio­nes con la enti­dad, tan­to escri­tas como ora­les, ‑email, telé­fono, redes socia­les,…-, jun­to con la infor­ma­ción más estruc­tu­ra­da que la empre­sa dis­po­ne de ellos en sus bases de datos.JOY tra­ta de sin­te­ti­zar en un úni­co valor numé­ri­co de 0 a 10 cada refe­ren­cia expre­sa­da por el clien­te en rela­ción con la com­pa­ñía, uti­li­zan­do pro­ce­sa­mien­to del len­gua­je natu­ral y algo­rit­mos de machi­ne lear­ning para su refi­na­do.

Ade­más, la capa­ci­dad de aná­li­sis, que se deri­va de la pro­pia con­fi­gu­ra­ción de este indi­ca­dor numé­ri­co, per­mi­te iden­ti­fi­car palan­cas de mejo­ra del mis­mo para con el obje­ti­vo que se haya per­fi­la­do el indi­ca­dor: satis­fac­ción del clien­te, ven­ta de cali­dad o ries­go de fuga, por ejemplo.De esta for­ma, la EQA ‑Euro­pean Qua­lity Assu­ran­ce- ha cer­ti­fi­ca­do recien­te­men­te como pro­yec­to I+D+i a JOY, reco­no­cien­do el avan­ce tec­no­ló­gi­co sig­ni­fi­ca­ti­vo y sus­tan­cial en el sec­tor, dada la uti­li­za­ción de algo­rit­mos sofis­ti­ca­dos de Machi­ne Lear­ning, con una apli­ca­ción nove­do­sa al ámbi­to empre­sa­rial. Se des­ta­can, entre otros, los siguien­tes ele­men­tos de JOY:

• Algo­rit­mos sofis­ti­ca­dos de pon­de­ra­ción de varia­bles para la infe­ren­cia de indi­ca­do­res de nego­cio.

• Pro­gra­ma­ción de Len­gua­je Natu­ral para la inter­pre­ta­ción de la infor­ma­ción de fuen­tes diver­sas, inclu­yen­do datos no estruc­tu­ra­dos, de fuen­tes hete­ro­gé­neas (tex­tua­les, ora­les, etc.)

• Algo­rit­mos de Machi­ne Lear­ning para la mejo­ra auto­má­ti­ca de la herra­mien­ta. Si bien estos algo­rit­mos exis­ten des­de hace déca­das, se con­si­de­ra I+D+i al no tener evi­den­cia de nive­les apli­ca­ti­vos como el reco­gi­do en JOY.

Asi­mis­mo, JOY goza de ven­ta­jas fis­ca­les con boni­fi­ca­cio­nes en el Impues­to de Socie­da­des, según el artícu­lo 35 de su regla­men­to.