De klantinterviewagent van ElevenLabs bouwen
Overzicht
We hebben met ElevenLabs Agents een AI-interviewer gebouwd om op grote schaal kwalitatieve gebruikersfeedback voor de ElevenReader-app te verzamelen. Dit document legt het systeemontwerp, de agentconfiguratie, de pijplijn voor gegevensverzameling en het evaluatiekader uit die we gebruikten om meer dan 230 interviews in minder dan 24 uur uit te voeren.
Het doel was om de diepgang en nuance van live klantinterviews na te bootsen zonder de plannings-, taal- en operationele beperkingen van sessies onder leiding van mensen.

Systeemarchitectuur
De AI-interviewer is volledig geïmplementeerd op ElevenAgents, met de volgende hoofdcomponenten:
- Conversatieagent met stem voor realtime-interviews
- Groot taalmodel voor dialoogplanning en redeneren
- Gestructureerde gegevensextractie voor analyse na het gesprek
- Geautomatiseerde gespreksbeëindiging en sessiebeheer
Agentontwerp

Onderzoeksdoelen
De agent kreeg de instructie om vier primaire onderzoeksgebieden te verkennen:
- Functieverzoeken en productverbeteringen
- Primaire gebruikspatronen
- Vergelijkingen met concurrenten
- Prijsperceptie en merkwaarde
Deze doelen zijn rechtstreeks in de systeemprompt opgenomen om consistentie tussen interviews te garanderen.
Stemselectie
We hebben voor de interviewer de stem Hope - The podcaster geselecteerd. Deze stem is gekozen vanwege het neutrale tempo, de warmte en de conversationele toon. Dat verminderde de ervaren drempel en hielp gebruikers om tijdens langere sessies natuurlijk te communiceren.
Modelselectie
Redeneermodel: Gemini 2.5 Flash
Gemini 2.5 Flash is geselecteerd om lage latentie te combineren met voldoende redeneerdiepte voor adaptieve vervolgvragen tijdens live gesprekken.
Structuur van de systeemprompt
De systeemprompt gaf de agent de instructie om:
- Open vragen te stellen die aansluiten bij de onderzoeksdoelen
- Vervolgvragen te genereren wanneer antwoorden vaag of minimaal waren
- Sturende of bevooroordeelde formuleringen te vermijden
- Het gesprek bij het onderwerp en binnen een vast tijdsvenster te houden
Volgens onze prompting guide is dit de volledige systeemprompt die we hebben gebruikt:
Veiligheid en afhandeling van uitzonderingssituaties
Voor de productie-uitrol voerden we gesimuleerde gesprekken uit met testtools van ElevenLabs om gedrag te valideren voor:
- Antwoorden van één woord of zonder informatie
- Invoer buiten het onderwerp
- Ongepast taalgebruik
- Stilte of lange pauzes
Deze tests leidden tot aanvullende vangrails in de prompt om de interviewkwaliteit te behouden.
Sessieduur beheren
Elk interview was beperkt tot tien minuten. De agent gebruikte de tool end_call om:
- De sessie netjes af te ronden
- De gebruiker te bedanken voor de tijd
- Overmatig lange of repetitieve gesprekken te voorkomen
Gegevensverzameling en analyse

Transcriptverwerking
Alle gesprekken werden getranscribeerd en verwerkt via de analysefunctie van ElevenLabs Agents om gestructureerde gegevens uit open dialogen te extraheren.
We volgden antwoorden op vragen zoals:
- “Hoe gebruik je ElevenReader vandaag vooral?”
- “Welke twee wijzigingen zouden de app het meest verbeteren?”
Gestructureerde outputs
Geëxtraheerde velden waren onder andere:
- Primair gebruiksscenario
- Gewenste functies
- Gemelde bugs
- Sentimentindicatoren
Hierdoor konden we kwalitatieve feedback bundelen zonder elk transcript handmatig te beoordelen.
Beperkingen en leerpunten
- AI-interviews vereisen een zorgvuldig promptontwerp om oppervlakkige antwoorden te voorkomen
- Een tijdslimiet is essentieel om de kosten te beheersen en de focus te behouden
- Gestructureerde extractie is cruciaal: alleen transcripties schalen niet voor analyse
Toekomstig werk
We zijn van plan dit systeem uit te breiden door:
- Adaptieve interviewpaden toe te voegen op basis van gebruikerssegmenten
- Realtime sentimentscores te integreren
- Meertalige interviewdekking uit te breiden
- Geëxtraheerde inzichten rechtstreeks te koppelen aan systemen voor producttracking
Begin vandaag met bouwen aan je agent of neem contact op met ons team voor meer informatie.