Tworzenie agenta ElevenLabs do wywiadów z klientami

Dowiedz się, jak przeprowadziliśmy 230 wywiadów z użytkownikami w 24 godziny dzięki ElevenLabs Agents

Przegląd

Stworzyliśmy ankietera AI przy użyciu ElevenLabs Agents, aby na dużą skalę zbierać jakościowe opinie użytkowników aplikacji ElevenReader. Ten dokument opisuje projekt systemu, konfigurację agenta, proces zbierania danych i ramy oceny, których użyliśmy do przeprowadzenia ponad 230 wywiadów w mniej niż 24 godziny.

Celem było odtworzenie głębi i niuansów rozmów z klientami na żywo bez ograniczeń związanych z harmonogramem, językiem i organizacją sesji prowadzonych przez ludzi.

Transkrypcja rozmowy z ankieterem AI
Przykładowa rozmowa między ankieterem AI a użytkownikiem

Architektura systemu

Ankieter AI został w całości wdrożony w ElevenAgents i składał się z następujących głównych elementów:

  • Konwersacyjny agent głosowy do wywiadów w czasie rzeczywistym
  • Duży model językowy do planowania dialogu i rozumowania
  • Ustrukturyzowane wyodrębnianie danych do analizy po rozmowie
  • Automatyczne kończenie połączeń i kontrola sesji

Projekt agenta

Interfejs konfiguracji agenta
Konfiguracja agenta w panelu ElevenLabs

Cele badawcze

Agent miał zbadać cztery główne obszary:

  • Prośby o funkcje i ulepszenia produktu
  • Główne wzorce użycia
  • Porównania z konkurencją
  • Postrzeganie cen i wartość marki

Cele te umieściliśmy bezpośrednio w prompcie systemowym, aby zachować spójność między wywiadami.

Wybór głosu

Dla ankietera wybraliśmy głos Hope - The podcaster. Wybraliśmy go ze względu na neutralne tempo, ciepło i konwersacyjny ton, które zmniejszały odczuwalną barierę i pomagały użytkownikom swobodnie rozmawiać podczas dłuższych sesji.

Wybór modelu

Model rozumowania: Gemini 2.5 Flash

Gemini 2.5 Flash wybraliśmy, aby połączyć niskie opóźnienie z wystarczającą głębią rozumowania do dostosowywania pytań dodatkowych podczas rozmów na żywo.

Struktura promptu systemowego

Prompt systemowy instruował agenta, aby:

  • Zadawał pytania otwarte zgodne z celami badawczymi
  • Tworzył pytania dodatkowe, gdy odpowiedzi były niejasne lub zdawkowe
  • Unikał sugerującego lub stronniczego języka
  • Trzymał się tematu i określonych ram czasowych

Zgodnie z naszym przewodnikiem po promptach, oto pełny prompt systemowy, którego użyliśmy:

# 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.

Zabezpieczenia i obsługa nietypowych przypadków

Przed wdrożeniem produkcyjnym przeprowadziliśmy symulowane rozmowy za pomocą narzędzi testowych ElevenLabs, aby sprawdzić zachowanie w przypadku:

  • Jednowyrazowych lub nieinformatywnych odpowiedzi
  • Wypowiedzi nie na temat
  • Nieodpowiedniego języka
  • Ciszy lub długich przerw

Testy te pomogły nam dodać do promptu kolejne zabezpieczenia, które utrzymują jakość wywiadów.

Kontrola czasu trwania sesji

Każdy wywiad był ograniczony do dziesięciu minut. Agent używał narzędzia end_call, aby:

  • Sprawnie zakończyć sesję
  • Podziękować użytkownikowi za czas
  • Zapobiegać nadmiernie długim lub zapętlonym rozmowom

Zbieranie i analiza danych

Interfejs analizy i zbierania danych
Kryteria oceny i konfiguracja zbierania danych

Przetwarzanie transkrypcji

Wszystkie rozmowy transkrybowaliśmy i przekazywaliśmy przez funkcję analizy ElevenLabs Agents, aby wyodrębnić ustrukturyzowane dane z otwartego dialogu.

Śledziliśmy odpowiedzi na pytania takie jak:

  • „Jak głównie korzystasz dziś z ElevenReader?”
  • „Jakie dwie zmiany najbardziej ulepszyłyby aplikację?”

Ustrukturyzowane wyniki

Wyodrębniane pola obejmowały:

  • Główny przypadek użycia
  • Proponowane funkcje
  • Zgłoszone błędy
  • Wskaźniki nastawienia

Dzięki temu mogliśmy agregować jakościowe opinie bez ręcznego sprawdzania każdej transkrypcji.

Ograniczenia i wnioski

  • Wywiady AI wymagają starannego projektu promptu, by uniknąć powierzchownych odpowiedzi
  • Ograniczenie czasu jest kluczowe dla kontroli kosztów i utrzymania skupienia
  • Ustrukturyzowane wyodrębnianie jest niezbędne — same transkrypcje nie skalują się w analizie

Dalsze prace

Planujemy rozbudować ten system o:

  • Adaptacyjne ścieżki wywiadów zależne od segmentu użytkownika
  • Ocenę nastawienia w czasie rzeczywistym
  • Szerszą obsługę wywiadów w wielu językach
  • Bezpośrednie połączenie wyodrębnionych wniosków z systemami śledzenia produktu

Zacznij tworzyć swojego agenta już dziś lub skontaktuj się z naszym zespołem, aby dowiedzieć się więcej.