Créer l’agent d’interview client d’ElevenLabs

Découvrez comment nous avons mené 230 entretiens utilisateurs en 24 heures avec ElevenLabs Agents

Vue d’ensemble

Nous avons créé un agent d’interview IA avec ElevenLabs Agents afin de recueillir à grande échelle les retours qualitatifs des utilisateurs de l’application ElevenReader. Ce document explique la conception du système, la configuration de l’agent, le pipeline de collecte de données et le cadre d’évaluation que nous avons utilisés pour mener plus de 230 entretiens en moins de 24 heures.

L’objectif était de reproduire la profondeur et les nuances d’entretiens clients en direct, sans les contraintes de planification, de langue et d’exploitation propres aux sessions menées par des humains.

Transcription d’une conversation avec l’intervieweur IA
Exemple de conversation entre l’intervieweur IA et un utilisateur

Architecture du système

L’intervieweur IA a été entièrement mis en œuvre dans ElevenAgents, avec les composants principaux suivants :

  • Agent vocal conversationnel pour des entretiens en temps réel
  • Grand modèle de langage pour la planification du dialogue et le raisonnement
  • Extraction de données structurées pour l’analyse après appel
  • Fin d’appel automatisée et contrôle des sessions

Conception de l’agent

Interface de configuration de l’agent
Configuration de l’agent dans le Dashboard ElevenLabs

Objectifs de recherche

L’agent avait pour instruction d’explorer quatre axes de recherche principaux :

  • Demandes de fonctionnalités et améliorations du produit
  • Principaux usages
  • Comparaisons avec les concurrents
  • Perception des tarifs et valeur de la marque

Ces objectifs ont été intégrés directement au prompt système afin de garantir la cohérence entre les entretiens.

Sélection de la voix

Nous avons sélectionné la voix Hope - The podcaster pour l’intervieweur. Cette voix a été choisie pour son rythme neutre, sa chaleur et son ton conversationnel, qui réduisent la friction perçue et aident les utilisateurs à échanger naturellement lors de sessions prolongées.

Sélection du modèle

Modèle de raisonnement : Gemini 2.5 Flash

Gemini 2.5 Flash a été sélectionné afin d’équilibrer faible latence et profondeur de raisonnement suffisante pour des questions de suivi adaptatives durant les conversations en direct.

Structure du prompt système

Le prompt système demandait à l’agent de :

  • Poser des questions ouvertes alignées sur les objectifs de recherche
  • Générer des questions de suivi lorsque les réponses étaient vagues ou limitées
  • Éviter les formulations orientées ou biaisées
  • Maintenir la conversation sur le sujet et dans un créneau horaire fixe

Conformément à notre guide de prompting, voici le prompt système complet que nous avons utilisé :

# 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.

Sécurité et gestion des cas limites

Avant le déploiement en production, nous avons exécuté des conversations simulées avec les outils de test d’ElevenLabs afin de valider le comportement dans les cas suivants :

  • Réponses d’un mot ou non informatives
  • Entrées hors sujet
  • Langage inapproprié
  • Silence ou longues pauses

Ces tests ont permis d’ajouter des garde-fous supplémentaires au prompt afin de préserver la qualité des entretiens.

Contrôle de la durée des sessions

Chaque entretien était limité à dix minutes. L’agent utilisait l’outil end_call pour :

  • Conclure la session avec fluidité
  • Remercier l’utilisateur pour son temps
  • Éviter les conversations excessivement longues ou en boucle

Collecte et analyse des données

Interface d’analyse et de collecte de données
Critères d’évaluation et configuration de la collecte de données

Traitement des transcriptions

Toutes les conversations ont été transcrites et analysées avec la fonctionnalité d’analyse d’ElevenLabs Agents afin d’extraire des données structurées à partir de dialogues ouverts.

Nous avons suivi les réponses à des questions telles que :

  • « Comment utilisez-vous principalement ElevenReader aujourd’hui ? »
  • « Quels sont les deux changements qui amélioreraient le plus l’application ? »

Résultats structurés

Les champs extraits comprenaient :

  • Cas d’utilisation principal
  • Fonctionnalités demandées
  • Bugs signalés
  • Indicateurs de sentiment

Cela nous a permis d’agréger les retours qualitatifs sans examiner manuellement chaque transcription.

Limites et enseignements

  • Les entretiens IA exigent une conception rigoureuse des prompts pour éviter les réponses superficielles
  • Limiter la durée est essentiel pour maîtriser les coûts et rester concentré
  • L’extraction structurée est déterminante : les transcriptions seules ne permettent pas d’analyser à grande échelle

Travaux futurs

Nous prévoyons d’étendre ce système en :

  • Ajoutant des parcours d’entretien adaptatifs selon le segment d’utilisateurs
  • Intégrant une évaluation des sentiments en temps réel
  • Étendant la couverture des entretiens multilingues
  • Connectant directement les informations extraites aux systèmes de suivi produit

Commencez à créer votre agent dès aujourd’hui ou contactez notre équipe pour en savoir plus.