ElevenLabs Agents로 고객 인터뷰 프로세스 확장하기

저희는 ElevenLabs Agents를 사용해 ElevenReader 앱 사용자 230명 이상을 인터뷰했습니다.

이 글에서는 보이스 에이전트를 어떻게 구축했는지, 실제 테스트 결과, 그리고 이 도구들을 제품 개선에 어떻게 활용할 수 있는지 공유합니다.

확장의 과제

고객 인터뷰는 매우 중요하지만, 규모를 키우는 것은 쉽지 않습니다. 보통 15분 정도의 라이브 인터뷰는 좋은 인사이트를 주지만, 하루에 여러 번 일정을 잡는 것은 현실적으로 어렵습니다.

캘린더가 잘 맞지 않고, 소규모 팀이 전 세계 다양한 언어의 사용자들을 지원하는 것은 거의 불가능합니다. 하루 종일 심도 있는 대화를 나누는 것도 물리적으로 한계가 있습니다.

설문조사는 확장하기 쉽지만, 정보가 많이 손실됩니다. 피드백이 객관식으로 단순화되고, 1:1 대화에서 느낄 수 있는 감정과 뉘앙스가 사라집니다. 하지만 보이스 AI와 LLM의 발전으로 이제 그 간극을 좁힐 수 있게 되었습니다.

ElevenLabs Agents로 AI 인터뷰어를 만들어 실제 대화를 통해 사용자 피드백을 수집했습니다. 24시간도 안 되어 230건이 넘는 인터뷰를 진행했고, 이 인사이트를 바탕으로 앱 개선도 이미 반영했습니다.

AI 인터뷰어 만들기

ElevenLabs Agents 플랫폼을 활용해 대화형 리서처를 만들었습니다. 목표는 ElevenReader 앱 사용자들이 네 가지 주요 영역에서 어떻게 느끼는지 파악하는 것이었습니다:

• 기능 요청 및 개선 사항
• 주요 사용 사례
• 경쟁 서비스와의 비교
• 가격 및 브랜드 가치

저희는 목소리로 “Hope - 팟캐스터를 선택했습니다. 친근하고 대화하기 편한 톤이라 공감하는 리서처와 마주 앉아 있는 느낌을 줍니다. 논리 엔진으로는 Gemini 2.5 Flash를 선택해 낮은 지연과 높은 지능을 모두 잡았습니다.

프롬프트와 가이드라인

에이전트가 더 깊은 인사이트를 얻기 위해 후속 질문을 하고, 대화 흐름을 유지하도록 시스템 프롬프트를 설계했습니다. 사용자가 모호하거나 한 단어로만 답하면, 에이전트가 더 구체적인 피드백을 요청하도록 했습니다. 출시 전에는 ElevenLabs의 시뮬레이션 테스트로 모호한 답변이나 부적절한 언어 등 예외 상황도 잘 처리하는지 확인했습니다.

여기에서 확인 저희가 사용한 시스템 프롬프트를 볼 수 있습니다.

데이터 수집

저희는 분석 기능을 ElevenLabs Agents에서 활용해 각 통화를 평가했습니다. 이 도구는 대화 기록에서 구조화된 데이터를 추출해 자유로운 대화를 구체적인 인사이트로 바꿔줍니다. 예를 들어, 다음과 같은 질문에 대한 답변을 자동으로 추적할 수 있습니다:

• "오늘 ElevenReader를 주로 어떻게 사용하고 계신가요?"
• "앱을 개선하고 싶은 점 두 가지는 무엇인가요?"

에이전트는 10분이 지나면 end_call 도구로 대화를 마무리하고, 사용자의 시간에 감사 인사를 전했습니다.

결과

24시간 만에 총 36시간이 넘는 대화 시간을 기록했습니다.

• 성공률: 전체 통화의 85%가 성공적으로 진행되고, 주제에 맞게 대화가 이루어졌습니다.
• 참여도: 중간 통화 시간은 10분(최대 허용 시간)이었습니다.
• 깊이: 한 대화는 87개의 메시지로 이어졌고, 중간값은 25개였습니다.
• 비용: 10분 통화당 비용은 $1.00 미만, 분당 9센트로 모두 ElevenLabs Agents

를 통해 진행되었습니다.

데이터 분석

36시간 분량의 대화 기록을 Claude Opus 4.5로 분석해 UX 리서치 관점에서 트렌드와 인사이트를 도출했습니다.

모델이 큰 흐름을 제시하면, 추가 프롬프트로 사용자 세분화, 내비게이션 피드백, 지역별 가격 민감도 등 더 세밀한 인사이트도 뽑아냈습니다.

이 결과를 내부에 공유하기 위해 Claude로 인터랙티브 자료를 만들었습니다. 이제 팀원들은 특정 데이터 포인트를 클릭해 트렌드를 이끈 실제 사용자 발언을 바로 확인할 수 있습니다.

주요 인사이트

사용자들은 AI와 대화하는 데 큰 불편함이 없었습니다. 응답자의 약 95%가 에이전트가 대화형 AI임을 언급하지 않고 자연스럽게 인터뷰에 참여했습니다. 한 사용자는 이렇게 말했습니다:

“이 고객 서비스 인터뷰는 제가 경험한 AI 중 가장 인상적이에요. 모든 설문이 이렇게 진행됐으면 좋겠고, 모든 고객 서비스도 이런 방식이면 좋겠어요.”

• 저희가 배운 점:세분화된 니즈:
• ElevenReader 소설 독자의 21%가 다중 캐릭터 대화를 요청해, 다른 사용자 그룹보다 훨씬 높은 비율을 보였습니다.브랜드 가치:
• 사용자들은 ElevenReader를 언제 어디서나 원하는 책을 가장 자연스러운 음성으로 들을 수 있는 자유와 연결합니다.언어 관련 니즈:
• 사용자들은 앱의 텍스트 음성 변환(TTS) 모델이 언어와 억양을 혼동하는 부분을 지적해, 명확한 개선 포인트를 확인할 수 있었습니다.버그 리포트:

인터뷰를 통해 발견된 구체적인 문제들은 엔지니어링 팀이 다음날 바로 수정했습니다.

향후 전망

사용자 리서치의 미래는 대화형입니다. AI 음성 에이전트로 전 세계 사용자와 각자의 시간에 직접 듣고 대화할 수 있습니다.

이번 테스트를 통해 AI 에이전트가 실제로, 그리고 신뢰성 있게 대규모 심층 인터뷰를 진행할 수 있음을 확인했습니다. LLM의 텍스트 분석과 결합하면, 수백 개의 응답에서 패턴을 발견할 수 있습니다. 수작업으로는 찾기 어려운 인사이트입니다.ElevenLabs Agents로 비슷한 AI 인터뷰어를 직접 만들어보세요 - 지금 시작하기 또는 팀에 문의해 자세히 알아보세요.