हमने ElevenLabs एजेंट्स के साथ अपने कस्टमर इंटरव्यू प्रोसेस को कैसे स्केल किया

हमने ElevenLabs एजेंट्स का इस्तेमाल करके 230 से ज्यादा यूज़र्स का इंटरव्यू लिया हमारे ElevenReader ऐप पर। 

इस पोस्ट में हम शेयर कर रहे हैं कि हमने वॉइस एजेंट कैसे बनाया, इस प्रोडक्शन टेस्ट के नतीजे क्या रहे, और आप इन टूल्स का इस्तेमाल अपने प्रोडक्ट को बेहतर बनाने के लिए कैसे कर सकते हैं।

स्केल की चुनौती

हम कस्टमर इंटरव्यू को अहम मानते हैं, लेकिन इन्हें स्केल करना मुश्किल है। आमतौर पर 15 मिनट का लाइव इंटरव्यू काफी अच्छी जानकारी देता है, लेकिन दिन में कुछ से ज्यादा शेड्यूल करना मुश्किल हो जाता है।

अक्सर कैलेंडर मेल नहीं खाते, और छोटी टीम के लिए दुनियाभर के यूज़र्स को दर्जनों भाषाओं में सपोर्ट करना लगभग नामुमकिन है - हर समय गहराई से बातचीत करना फिजिकल लिमिटेशन है।

सर्वे स्केल करना आसान है, लेकिन उनमें अक्सर जानकारी छूट जाती है। फीडबैक को मल्टीपल चॉइस में बदल देते हैं और 1-1 बातचीत की भावना और बारीकी मिस हो जाती है। वॉइस AI और LLMs में तरक्की से अब हम ये गैप भर सकते हैं। 

हमने ElevenLabs एजेंट्स के साथ एक AI इंटरव्यूअर बनाया, जो यूज़र्स से असली बातचीत में फीडबैक लेता है। हमने 24 घंटे से भी कम समय में 230 से ज्यादा इंटरव्यू किए, और इन कस्टमर इनसाइट्स से ऐप में सुधार भी कर दिए।

AI इंटरव्यूअर बनाना

हमने ElevenLabs एजेंट्स प्लेटफॉर्म पर एक कन्वर्सेशनल रिसर्चर बनाया। हमारा मकसद था ElevenReader ऐप यूज़र्स की राय चार मुख्य पहलुओं में समझना:

• फीचर रिक्वेस्ट्स और सुधार
• मुख्य इस्तेमाल के तरीके
• कंपटीटर से तुलना
• प्राइसिंग और ब्रांड वैल्यू

हमने वॉइस चुनी “Hope - द पॉडकास्टर” क्योंकि इसकी टोन दोस्ताना और कन्वर्सेशनल है - ऐसा लगता है जैसे सामने कोई समझदार रिसर्चर बैठा हो। लॉजिक के लिए हमने Gemini 2.5 फ्लैश चुना ताकि कम लेटेंसी के साथ हाई इंटेलिजेंस मिले।

प्रॉम्प्टिंग और गार्डरेल्स

हमने एक सिस्टम प्रॉम्प्ट तैयार किया, जिससे एजेंट को गहराई से सवाल पूछने और बातचीत को ट्रैक पर रखने के लिए कहा गया। अगर यूज़र ने बहुत कम या एक शब्द में जवाब दिया, तो एजेंट ने और डिटेल में फीडबैक मांगा। लॉन्च से पहले, हमने ElevenLabs के सिम्युलेटेड टेस्ट्स से चेक किया कि एजेंट अस्पष्ट जवाब या अनुचित भाषा जैसी सिचुएशन को सही से हैंडल कर रहा है या नहीं।

यहां देखें हमने जो सिस्टम प्रॉम्प्ट इस्तेमाल किया।

डेटा कलेक्शन

हमने विश्लेषण फीचर का इस्तेमाल किया ElevenLabs एजेंट्स में हर कॉल को एनालाइज करने के लिए। यह टूल ट्रांसक्रिप्ट से स्ट्रक्चर्ड डेटा निकालता है, जिससे ओपन-एंडेड बातचीत को असली इनसाइट्स में बदल सकते हैं। जैसे, हम ऑटोमैटिकली इन सवालों के जवाब ट्रैक कर सकते थे:

• "आज आप ElevenReader का सबसे ज्यादा इस्तेमाल कैसे कर रहे हैं?"
• "ऐप में आप कौन सी दो चीज़ें सुधारना चाहेंगे?"

एजेंट ने end_call टूल का इस्तेमाल करके दस मिनट बाद बातचीत बंद की और यूज़र को उनके समय के लिए धन्यवाद कहा।

नतीजे

24 घंटे के अंदर हमने कुल 36 घंटे की बातचीत इकट्ठा की।

• सक्सेस रेट: 85% कॉल्स सफल और टॉपिक पर रहीं।
• एंगेजमेंट: मीडियन कॉल 10 मिनट चली (यही अधिकतम समय था)।
• गहराई: एक बातचीत में 87 मैसेज हुए। मीडियन 25 मैसेज था। 
• लागत: हर 10 मिनट की कॉल की लागत $1.00 से कम रही, यानी हर मिनट सिर्फ 9 सेंट, और ये सब ElevenLabs एजेंट्स

डेटा एनालिसिस

हमने Claude Opus 4.5 का इस्तेमाल करके 36 घंटे की ट्रांसक्रिप्ट्स को UX रिसर्च के हिसाब से ट्रेंड्स और इनसाइट्स के लिए एनालाइज किया।

मॉडल ने हाई-लेवल थीम्स दीं, लेकिन हमने और प्रॉम्प्ट्स से एनालिसिस को और बारीक किया - जैसे यूज़र सेगमेंटेशन, नेविगेशन फीडबैक, और रीजन के हिसाब से प्राइस सेंसिटिविटी।

इन नतीजों को टीम में शेयर करने के लिए हमने Claude के साथ एक इंटरैक्टिव आर्टिफैक्ट बनाया। अब हमारी टीम खास डेटा पॉइंट्स पर क्लिक करके देख सकती है कि कौन से यूज़र के कोट्स से ये ट्रेंड बना।

मुख्य बातें

यूज़र्स को AI से बात करने में सहजता थी - लगभग 95% लोगों ने सीधे इंटरव्यूअर से बात की, बिना ये माने कि वो एक कन्वर्सेशनल एजेंट है। एक यूज़र ने कहा:

“यह कस्टमर सर्विस इंटरव्यू अब तक का सबसे शानदार AI अनुभव है। काश सारे क्वेश्चनेयर ऐसे होते और काश सारी कस्टमर सर्विस डिजिटल सर्विसेज ऐसी होतीं।”

हमने सीखा:

• सेगमेंटेड ज़रूरतें: ElevenReader के 21% फिक्शन रीडर्स ने मल्टी-कैरेक्टर डायलॉग की मांग की, जो बाकी यूज़र सेगमेंट्स से कहीं ज्यादा है।
• ब्रांड वैल्यू: यूज़र्स ElevenReader को किसी भी किताब को, कहीं भी, सबसे नेचुरल वॉइस क्वालिटी में सुनने की आज़ादी से जोड़ते हैं।
• भाषाओं की ज़रूरत: यूज़र्स ने बताया कि ऐप का टेक्स्ट टू स्पीच (TTS) मॉडल कभी-कभी भाषाओं और एक्सेंट्स को मिक्स कर देता है - ये सुधार की ज़रूरत है। 
• बग रिपोर्ट्स: इंटरव्यू में कुछ खास दिक्कतें सामने आईं, जिन्हें हमारी इंजीनियरिंग टीम ने अगले ही दिन ठीक कर दिया।

आगे का रास्ता

यूज़र रिसर्च का भविष्य कन्वर्सेशनल है - AI वॉइस एजेंट्स से आप दुनियाभर के यूज़र्स से उनकी सुविधा के हिसाब से बात कर सकते हैं।

इस टेस्ट से पता चला कि AI एजेंट्स कितनी आसानी और रियलिस्टिक तरीके से स्केल पर गहराई से इंटरव्यू कर सकते हैं। LLMs से टेक्स्ट एनालिसिस जोड़कर, इन बातचीतों से सैकड़ों जवाबों में पैटर्न मिले - जो मैन्युअली ढूंढना मुश्किल होता।

आप भी ElevenLabs एजेंट्स के साथ ऐसा ही AI इंटरव्यूअर बना सकते हैं - अभी शुरू करें या हमारी टीम से संपर्क करें और जानें।