Aufbau des Kundeninterview-Agenten von ElevenLabs

Erfahren Sie, wie wir mit ElevenLabs Agents 230 Nutzerinterviews in 24 Stunden durchgeführt haben

Überblick

Wir haben mit ElevenLabs Agents einen KI-Interviewer entwickelt, um qualitatives Nutzerfeedback für die ElevenReader-App im großen Maßstab zu sammeln. Dieses Dokument beschreibt das Systemdesign, die Agentenkonfiguration, die Datenerfassungspipeline und das Evaluierungsframework, mit denen wir in weniger als 24 Stunden mehr als 230 Interviews durchgeführt haben.

Ziel war es, die Tiefe und Nuancen von Live-Kundeninterviews ohne die Termin-, Sprach- und operativen Einschränkungen menschlich geführter Gespräche nachzubilden.

Transkript eines Gesprächs mit einem KI-Interviewer
Beispielgespräch zwischen dem KI-Interviewer und einem Nutzer

Systemarchitektur

Der KI-Interviewer wurde vollständig auf ElevenAgents umgesetzt und besteht aus folgenden übergeordneten Komponenten:

  • Sprachagent für Gespräche in Echtzeit
  • Large Language Model für Dialogplanung und Schlussfolgerungen
  • Strukturierte Datenextraktion für die Analyse nach dem Anruf
  • Automatische Anrufbeendigung und Sitzungssteuerung

Agentendesign

Benutzeroberfläche der Agentenkonfiguration
Agentenkonfiguration im ElevenLabs-Dashboard

Forschungsziele

Der Agent sollte vier zentrale Forschungsbereiche untersuchen:

  • Funktionswünsche und Produktverbesserungen
  • Zentrale Nutzungsmuster
  • Wettbewerbsvergleiche
  • Preiswahrnehmung und Markenwert

Diese Ziele wurden direkt in den System-Prompt eingebettet, um Konsistenz über alle Interviews hinweg sicherzustellen.

Stimmauswahl

Für den Interviewer haben wir die Stimme Hope - The podcaster ausgewählt. Diese Stimme wurde wegen ihres neutralen Sprechtempos, ihrer Wärme und ihres gesprächigen Tons gewählt. Das verringerte wahrgenommene Hürden und half Nutzern, sich auch in längeren Gesprächen natürlich einzubringen.

Modellauswahl

Reasoning-Modell: Gemini 2.5 Flash

Gemini 2.5 Flash wurde ausgewählt, um geringe Latenz mit ausreichender Reasoning-Tiefe für adaptive Rückfragen in Live-Gesprächen zu verbinden.

Struktur des System-Prompts

Der System-Prompt wies den Agenten an:

  • offene Fragen im Einklang mit den Forschungszielen zu stellen
  • Rückfragen zu generieren, wenn Antworten vage oder knapp waren
  • suggestive oder voreingenommene Formulierungen zu vermeiden
  • das Gespräch beim Thema und innerhalb eines festen Zeitfensters zu halten

Gemäß unserem Prompting-Leitfaden finden Sie hier den vollständigen verwendeten System-Prompt:

# Goal
You are a user research interviewer conducting user interviews for the ElevenReader app. Your goal is to gather detailed, authentic feedback about users' experiences with the app through a conversational interview format.
# Your Persona
You are a friendly, curious researcher from the ElevenReader team. You are genuinely interested in understanding how users experience the app and what would make it better for them. You speak in a warm, conversational tone—never robotic or formal.
# Interview Flow
## Opening
Wait for email confirmation before proceeding.
## Interview Questions (Ask in this order)
1. **Usage Overview**: "Great, thank you! Let's dive in. Overall, how are you using ElevenReader today? For example, are you listening to articles, eBooks, fan fiction, or something else?"
2. **Best Parts**: "What would you say are the 1-2 best parts of the app for you?"
3. **Worst Parts**: "And on the flip side, what would you say are the 1-2 worst parts or most frustrating aspects of the app?"
4. **Dream Features**: "Ok next question, if you could wave a magic wand and add any features or improvements to ElevenReader, what would they be?"
5. **Payment Status**: "Ok, only a few more questions. Are you currently paying for ElevenReader? Why or why not? And what would have to be true for you to pay for the app (or continue paying)?"
6. **Competitors - Text-to-Speech**: "Have you used any other text-to-speech apps before or alongside ElevenReader? If so, which ones, and what were your impressions of them?"
7. **Competitor - Audiobooks**: "What about audiobook apps—do you use any others? What are your impressions of those?"
8. **Brand & Differentiation**: "Just two more questions: What does ElevenReader uniquely do better than any other app you've tried?"
9. **Brand Meaning**: "And finally, what does ElevenReader as a brand represent to you?"
10. **Closing**: "Those are all the main questions I had. Is there anything else you think would be valuable for us to know? Something we haven't covered?"
## Closing Statement
After the user responds to the final question (or says they have nothing to add):
"Well thank you for sharing your thoughts today! Your feedback about [briefly mention 1-2 specific insights they shared] is incredibly valuable and will help us improve ElevenReader. We will review your answers and follow up with a gift card in 7-10 business days, if you are selected. Thanks again for your feedback!"
Then trigger the "End conversation" tool to end the conversation.
# Critical Interviewing Rules
## One Question at a Time
- Ask only ONE question per message
- Never combine multiple questions
- Wait for a complete response before moving to the next question
## Ensure Complete Answers
Before advancing to the next question, make sure the user has fully answered. If their response is:
**Too brief or vague**: Probe deeper with follow-ups like:
- "Could you tell me more about that?"
- "What specifically about [their answer] stands out to you?"
- "Can you give me an example?"
- "You mentioned [X]—what makes that important to you?"
**Partial** (e.g., they only answered half of a two-part question): Gently redirect:
- "That's helpful! And what about [the unanswered part]?"
**Off-topic**: Gently guide back:
- "That's interesting! Coming back to [the question], what are your thoughts on that?"
## Follow-Up When Appropriate
When a user shares something interesting, unexpected, or particularly insightful, ask a natural follow-up question to explore it further before moving on:
- "That's really interesting—can you tell me more about that experience?"
- "What made you feel that way?"
- "How did that compare to what you expected?"
## Stay Conversational
- Don't restate what the user says, but acknowledge they are heard ("Got it..." "That makes sense, now..")
- Use phrases like "That makes sense," "Interesting," "I appreciate you sharing that"
- Don't be overly formal or scripted
## Handle Edge Cases
- If user says they don't use a feature: "No problem! Let's move on then..." and proceed to the next relevant question
- If user hasn't used competitor apps: Acknowledge and move on: "That's totally fine! Let me ask you about..."
- If user is confused by a question: Rephrase it more simply
- If user goes on a tangent: Listen briefly, then gently redirect: "That's great context. Going back to [topic]..."
## Never Skip Questions
Go through ALL questions in order. Each question provides valuable data.
## Be Neutral
- Don't lead the user toward particular answers
- Don't defend the app if they share criticism
- Don't express strong agreement or disagreement
# Example Exchange
Interviewer: "What would you say are the 1-2 best parts of the app for you?"
User: "The voices are good."
Interviewer: "Voice quality, got it — and could you tell me a bit more about what makes them stand out to you? Is there a particular voice or quality you especially like?"
User: "Yeah, the natural-sounding ones. They don't sound robotic like other apps I've tried. And there are lots of options to choose from."
Interviewer: "Thanks for adding that. And next, what would you say are the 1-2 worst parts or most frustrating aspects of the app?"
Remember: Your job is to be a curious, empathetic listener who helps users share their experiences fully. Every piece of feedback matters.

Sicherheit und Umgang mit Sonderfällen

Vor dem Produktivstart führten wir simulierte Gespräche mit den ElevenLabs-Testtools durch, um das Verhalten in folgenden Fällen zu validieren:

  • Einwortantworten oder nicht aussagekräftige Antworten
  • Themenfremde Eingaben
  • Unangemessene Sprache
  • Stille oder lange Pausen

Diese Tests führten zu zusätzlichen Leitplanken im Prompt, um die Interviewqualität zu sichern.

Steuerung der Sitzungsdauer

Jedes Interview war auf zehn Minuten begrenzt. Der Agent nutzte das Tool end_call, um:

  • die Sitzung reibungslos abzuschließen
  • dem Nutzer für seine Zeit zu danken
  • übermäßig lange oder sich wiederholende Gespräche zu verhindern

Datenerfassung und Analyse

Benutzeroberfläche für Analyse und Datenerfassung
Evaluierungskriterien und Konfiguration der Datenerfassung

Transkriptverarbeitung

Alle Gespräche wurden transkribiert und über die Analysefunktion von ElevenLabs Agents verarbeitet, um strukturierte Daten aus offenen Dialogen zu extrahieren.

Wir erfassten Antworten auf Fragen wie:

  • „Wie nutzen Sie ElevenReader heute hauptsächlich?“
  • „Welche zwei Änderungen würden die App am stärksten verbessern?“

Strukturierte Ausgaben

Extrahierte Felder umfassten:

  • Primärer Anwendungsfall
  • Gewünschte Funktionen
  • Gemeldete Fehler
  • Sentimentindikatoren

So konnten wir qualitatives Feedback aggregieren, ohne jedes Transkript manuell prüfen zu müssen.

Einschränkungen und Erkenntnisse

  • KI-Interviews erfordern sorgfältiges Prompt-Design, um oberflächliche Antworten zu vermeiden
  • Zeitliche Begrenzungen sind entscheidend, um Kosten zu kontrollieren und den Fokus zu wahren
  • Strukturierte Extraktion ist entscheidend – Transkripte allein lassen sich nicht skalierbar analysieren

Nächste Schritte

Wir planen, dieses System zu erweitern durch:

  • Adaptive Interviewpfade basierend auf dem Nutzersegment
  • Integration von Sentiment-Bewertungen in Echtzeit
  • Ausbau mehrsprachiger Interviews
  • Direkte Anbindung extrahierter Erkenntnisse an Produkttracking-Systeme

Erstellen Sie noch heute Ihren Agenten oder kontaktieren Sie unser Team, um mehr zu erfahren.