ElevenLabs Agentsで顧客インタビュープロセスをスケールさせた方法

ElevenLabs Agentsを活用し、ElevenReaderアプリのユーザー230人以上にインタビューを行いました。 

この記事では、音声エージェントの構築方法、本番テストの結果、そしてこれらのツールを自社プロダクトの改善に活用する方法をご紹介します。

スケールの課題

顧客インタビューは重視していますが、規模を拡大するのは容易ではありません。一般的な15分間のライブインタビューからは優れたインサイトが得られる一方、1日に数件以上の予定を組むのは運用上の課題です。

予定が合うことはめったになく、数十の言語にまたがるグローバルなユーザーベースを少人数のチームで支援するのは、ほぼ不可能です。24時間体制で深い対話を行うには、物理的な限界があります。

アンケートは規模を拡大しやすい一方で、情報が失われがちです。フィードバックを選択肢に収めてしまい、1対1の会話にある感情やニュアンスを捉えられません。音声AIとLLMの進歩により、この隔たりを埋められるようになりました。 

実際の会話を通じてユーザーからフィードバックを集めるため、ElevenLabs AgentsでAIインタビュアーを構築しました。24時間未満で230件以上のインタビューを実施し、得られた顧客インサイトをもとに、すでにアプリの改善をリリースしています。

AIインタビュアーの構築

会話型リサーチャーを作るために、ElevenLabs Agentsプラットフォームを使用しました。目標は、ElevenReaderアプリのユーザーが以下4つの主要領域をどのように捉えているかを理解することでした。

• 機能の要望と改善点
• 主なユースケース
• 競合製品との比較
• 価格とブランド価値

親しみやすく会話的なトーンを持つ音声「Hope - The podcaster」を選びました。共感力のあるリサーチャーと向かい合って座っているような感覚を生み出します。ロジックには、低レイテンシーと高い知能のバランスを取るため、Gemini 2.5 Flashを選択しました。

プロンプトとガードレール

会話の流れを維持しながら、より深いインサイトを得るためにフォローアップの質問をするよう、エージェントに指示するシステムプロンプトを作成しました。ユーザーの回答が曖昧だったり一言だけだったりした場合、エージェントはより詳しいフィードバックを促します。ローンチ前にはElevenLabsのシミュレーションテストを用い、曖昧な回答や不適切な表現といったエッジケースにエージェントが対応できることを確認しました。

こちらで使用したシステムプロンプトをご覧いただけます。

データ収集

各通話の評価には、ElevenLabs Agentsの分析機能を使用しました。このツールは文字起こしから構造化データを抽出し、自由形式の会話を具体的なインサイトへと変換できます。たとえば、次の質問への回答を自動で追跡できました。

• 「現在、ElevenReaderを主にどのように使っていますか？」
• 「アプリを改善するなら、どの2点を改善しますか？」

エージェントはend_callツールを使い、10分後に会話を終了し、時間を割いてくれたユーザーに丁寧に感謝を伝えました。

結果

24時間以内に、合計36時間を超える会話時間を収集しました。

• 成功率： 通話の85％が成功し、話題から外れることもありませんでした。
• エンゲージメント： 通話時間の中央値は10分（許容される最長時間）でした。
• 深度： ある会話では87件のメッセージが交わされました。中央値は25件でした。 
• コスト： 10分間の通話1件あたりのコストは1.00ドル未満、完了までの1分あたりでは9セントでした。すべてElevenLabs Agents

データの分析

UXリサーチの原則に基づき、Claude Opus 4.5を使って36時間分の文字起こしを分析し、トレンドとインサイトを抽出しました。

モデルは大まかなテーマを提示しましたが、ユーザーのセグメント、ナビゲーションに関するフィードバック、地域別の価格感度といった詳細なインサイトを引き出すため、追加のプロンプトで分析を深めました。

これらの結果を社内で共有するため、Claudeでインタラクティブな成果物を作成しました。チームは特定のデータポイントをクリックして、そのトレンドの根拠となったユーザーの正確な発言を確認できます。

主な発見

ユーザーはAIとの会話に抵抗がありませんでした。回答者の約95％は、会話型エージェントだと認識することなく、インタビュアーと直接対話しました。あるユーザーは次のように語っています。

「これは、これまで体験した中で最も素晴らしいAI体験だと思います。すべてのアンケートがこうだったらいいのに、そしてすべてのカスタマーサービスのデジタルサービスがこうだったらいいのにと思います。」

得られた知見：

• セグメントごとに異なるニーズ： ElevenReaderでフィクションを読むユーザーの21％が、複数キャラクターによる対話を要望しました。これは他のユーザーセグメントを大きく上回る割合です。
• ブランド価値： ユーザーはElevenReaderに、どこにいてもどんな本でも聴ける自由と、最も自然な音声品質を結び付けています。
• 言語に関するニーズ： ユーザーは、アプリのテキスト読み上げ（TTS）モデルが言語やアクセントを混同する箇所を指摘しました。明確な改善領域です。 
• バグ報告： インタビューで特定された問題は、翌日にエンジニアリングチームが修正しました。

今後への示唆

ユーザーリサーチの未来は会話型です。AI音声エージェントなら、世界中のユーザーの都合のよい時間に話を聞き、会話できます。

このテストは、AIエージェントが大規模でもリアルかつ信頼性の高い詳細なインタビューを実施できることを示しました。LLMによるテキスト分析と組み合わせることで、これらの会話から数百件の回答に共通するパターンが明らかになりました。手作業では発見が難しかったインサイトです。

ElevenLabs Agentsなら、同様のAIインタビュアーを構築できます。今すぐ構築を始めるか、詳細についてはチームにお問い合わせください。