ElevenLabs Agents के साथ हमने अपनी ग्राहक इंटरव्यू प्रक्रिया को कैसे स्केल किया

हमने ElevenLabs Agents का इस्तेमाल अपने ElevenReader ऐप के 230 से ज़्यादा यूज़र्स के इंटरव्यू के लिए किया। 

इस पोस्ट में हम बताते हैं कि हमने वॉइस एजेंट कैसे बनाया, इस प्रोडक्शन टेस्ट के नतीजे क्या रहे और आप इन टूल्स से अपने प्रोडक्ट को कैसे बेहतर बना सकते हैं।

स्केल की चुनौती

हम ग्राहक इंटरव्यू को अहम मानते हैं, लेकिन उन्हें स्केल करना मुश्किल है। सामान्य 15 मिनट के लाइव इंटरव्यू से बेहतरीन जानकारी मिलती है, लेकिन दिन में कुछ से ज़्यादा इंटरव्यू शेड्यूल करना एक लॉजिस्टिकल चुनौती है।

कैलेंडर बहुत कम ही मेल खाते हैं, और दर्जनों भाषाओं में वैश्विक यूज़र बेस को सपोर्ट करना एक छोटी टीम के लिए लगभग नामुमकिन है - चौबीसों घंटे गहन बातचीत करना शारीरिक रूप से संभव नहीं है।

सर्वे को स्केल करना आसान है, लेकिन उनमें अक्सर जानकारी छूट जाती है। वे फीडबैक को मल्टीपल-चॉइस विकल्पों तक सीमित कर देते हैं और 1-1 बातचीत की भावनाएं व बारीकियां खो देते हैं। वॉइस AI और LLMs की प्रगति से हम अब इस अंतर को पाट सकते हैं। 

हमने वास्तविक बातचीत के ज़रिए यूज़र्स से फीडबैक लेने के लिए ElevenLabs Agents के साथ एक AI इंटरव्यूअर बनाया। हमने 24 घंटों से कम समय में 230 से ज़्यादा इंटरव्यू किए, और इन ग्राहक इनसाइट्स के आधार पर ऐप में सुधार भी जारी कर दिए हैं।

AI इंटरव्यूअर बनाना

हमने बातचीत करने वाला रिसर्चर बनाने के लिए ElevenLabs Agents प्लेटफ़ॉर्म का इस्तेमाल किया। हमारा लक्ष्य चार मुख्य क्षेत्रों में ElevenReader ऐप यूज़र्स की राय समझना था:

• फ़ीचर रिक्वेस्ट और सुधार
• मुख्य उपयोग के मामले
• प्रतियोगियों से तुलना
• कीमत और ब्रांड वैल्यू

हमने इसकी दोस्ताना, बातचीत वाली टोन के लिए “Hope - The podcaster” वॉइस चुनी - ऐसा लगता है जैसे आप किसी संवेदनशील रिसर्चर के सामने बैठे हों। कम लेटेंसी और बेहतर इंटेलिजेंस के संतुलन के लिए हमने Gemini 2.5 Flash चुना।

प्रॉम्प्टिंग और गार्डरेल्स

हमने एक सिस्टम प्रॉम्प्ट तैयार किया, जो एजेंट को बातचीत का विषय बनाए रखते हुए गहरी जानकारी के लिए फॉलो-अप सवाल पूछने का निर्देश देता था। अगर कोई यूज़र अस्पष्ट या एक शब्द में जवाब देता, तो एजेंट उसे ज़्यादा विस्तृत फीडबैक देने के लिए कहता। लॉन्च से पहले हमने ElevenLabs के सिम्युलेटेड टेस्ट इस्तेमाल किए, ताकि यह पक्का हो सके कि एजेंट अस्पष्ट जवाबों या अनुचित भाषा जैसे एज केस संभाल सके।

यहां देखें वह सिस्टम प्रॉम्प्ट जो हमने इस्तेमाल किया।

डेटा कलेक्शन

हमने हर कॉल का मूल्यांकन करने के लिए ElevenLabs Agents में Analysis फ़ीचर का इस्तेमाल किया। यह टूल ट्रांसक्रिप्ट से स्ट्रक्चर्ड डेटा निकालता है, जिससे हम ओपन-एंडेड बातचीत को ठोस इनसाइट्स में बदल सकते हैं। उदाहरण के लिए, हम इन सवालों के जवाब अपने-आप ट्रैक कर सकते थे:

• "आज आप मुख्य रूप से ElevenReader का इस्तेमाल कैसे कर रहे हैं?"
• "आप ऐप को किन दो तरीकों से बेहतर बनाएंगे?"

एजेंट ने दस मिनट बाद बातचीत खत्म करने और यूज़र को उनके समय के लिए विनम्रता से धन्यवाद देने के लिए end_call टूल का इस्तेमाल किया।

नतीजे

24 घंटों के भीतर, हमने कुल 36 घंटों से ज़्यादा की बातचीत जुटाई।

• सफलता दर: 85% कॉल सफल रहीं और विषय पर बनी रहीं।
• भागीदारी: कॉल की औसत अवधि 10 मिनट थी (अनुमत अधिकतम समय)।
• गहराई: एक बातचीत 87 मैसेज तक चली। औसत 25 मैसेज था। 
• लागत: हर 10 मिनट की कॉल की लागत $1.00 से कम, यानी पूरी कॉल के लिए प्रति मिनट 9 सेंट थी। ये सभी कॉल ElevenLabs Agents

डेटा का विश्लेषण

हमने UX रिसर्च सिद्धांतों के आधार पर ट्रेंड्स और इनसाइट्स के लिए 36 घंटों के ट्रांसक्रिप्ट का विश्लेषण करने हेतु Claude Opus 4.5 का इस्तेमाल किया।

मॉडल ने हाई-लेवल थीम्स दीं, लेकिन यूज़र सेगमेंटेशन, नेविगेशन फीडबैक और क्षेत्र के हिसाब से कीमत के प्रति संवेदनशीलता जैसी बारीक इनसाइट्स सामने लाने के लिए हमने अतिरिक्त प्रॉम्प्ट्स के साथ विश्लेषण को और बेहतर किया।

इन नतीजों को आंतरिक रूप से साझा करने के लिए हमने Claude के साथ एक इंटरैक्टिव आर्टिफैक्ट बनाया। अब हमारी टीम खास डेटा पॉइंट्स पर क्लिक करके उन यूज़र कोट्स को देख सकती है जिनसे ट्रेंड का पता चला।

मुख्य निष्कर्ष

यूज़र्स AI से बात करने में सहज थे - लगभग 95% उत्तरदाताओं ने यह बताए बिना कि वह एक कन्वर्सेशनल एजेंट है, इंटरव्यूअर के साथ सीधे बातचीत की। एक यूज़र ने कहा:

“वैसे, मुझे लगता है कि यह कस्टमर सर्विस इंटरव्यू अब तक का सबसे उल्लेखनीय AI अनुभव है। काश सभी प्रश्नावली ऐसी होतीं और सभी कस्टमर सर्विस डिजिटल सेवाएं ऐसी होतीं।”

हमने जाना:

• अलग-अलग ज़रूरतें: ElevenReader के 21% फिक्शन रीडर्स ने मल्टी-कैरेक्टर डायलॉग की मांग की, जो दूसरे यूज़र सेगमेंट्स की तुलना में बहुत ज़्यादा है।
• ब्रांड वैल्यू: यूज़र्स ElevenReader को कहीं भी, किसी भी किताब को सबसे प्राकृतिक लगने वाली वॉइस क्वालिटी में सुनने की आज़ादी से जोड़ते हैं।
• भाषाओं से जुड़ी ज़रूरतें: यूज़र्स ने ऐसे क्षेत्र बताए जहां ऐप का टेक्स्ट टू स्पीच (TTS) मॉडल भाषाओं और एक्सेंट्स को लेकर भ्रमित होता है - सुधार के स्पष्ट क्षेत्र। 
• बग रिपोर्ट्स: इंटरव्यू में कुछ खास समस्याएं सामने आईं, जिन्हें हमारी इंजीनियरिंग टीम ने अगले ही दिन ठीक कर दिया।

भविष्य के प्रभाव

यूज़र रिसर्च का भविष्य बातचीत पर आधारित है - AI वॉइस एजेंट्स आपको अपने यूज़र्स के समय के अनुसार, दुनिया भर में उनकी बात सुनने और उनसे बातचीत करने देते हैं।

इस टेस्ट ने दिखाया कि AI एजेंट्स कितनी वास्तविकता और भरोसेमंद तरीके से बड़े पैमाने पर गहन इंटरव्यू कर सकते हैं। LLMs के टेक्स्ट विश्लेषण के साथ, इन बातचीतों ने सैकड़ों जवाबों में पैटर्न उजागर किए - ऐसी इनसाइट्स जिन्हें मैन्युअल रूप से खोजना मुश्किल होता।

आप ElevenLabs Agents के साथ ऐसा ही AI इंटरव्यूअर बना सकते हैं - बनाना शुरू करें आज ही या अधिक जानने के लिए हमारी टीम से संपर्क करें।