Muchas personas aspiran a iniciar sus propios negocios y alcanzar el éxito financiero. Antes de lanzar un negocio, deben decidir sobre una ubicación y el tipo de servicio a ofrecer. Esta decisión requiere la recopilación y análisis de diversas características de ubicaciones y servicios potenciales, como los ingresos promedio y el tráfico de clientes. Sin embargo, este proceso es desafiante porque requiere conocimientos expertos en la recopilación y análisis de datos. Para abordar este problema, proponemos la Factorización Tensorial Neuronal (NeuralTF) y la Factorización Tensorial Neuronal Explicable (XNeuralTF). Estos métodos analizan automáticamente estas características y predicen los ingresos. NeuralTF integra la Factorización Tensorial (TF) con el Perceptrón Multicapa (MLP). Esta integración le permite manejar tensores multidimensionales de manera efectiva. También aprende interacciones de características de orden superior explícitas e implícitas, lo que conduce a un rendimiento predictivo superior. XNeuralTF extiende NeuralTF al proporcionar recomendaciones explicables para tensores tridimensionales. Además, presentamos dos métricas novedosas para evaluar la explicabilidad de los modelos de recomendación. Realizamos experimentos extensos para evaluar tanto el rendimiento predictivo como la explicabilidad. Nuestros resultados muestran que XNeuralTF logra un rendimiento comparable o superior a los métodos de vanguardia, al tiempo que ofrece el más alto nivel de explicabilidad.