Como ampliamos nosso processo de entrevistas com clientes usando o ElevenLabs Agents

Usamos o ElevenLabs Agents para entrevistar mais de 230 usuários do nosso app ElevenReader. 

Neste post, mostramos como criamos o agente de voz, os resultados desse teste em produção e como você pode usar essas ferramentas para melhorar seu próprio produto.

O desafio de ampliar a escala

Valorizamos as entrevistas com clientes, mas ampliá-las é difícil. Uma entrevista ao vivo típica de 15 minutos gera ótimos insights, mas agendar mais do que algumas por dia é um desafio logístico.

Raramente os calendários coincidem, e atender uma base global de usuários em dezenas de idiomas é quase impossível para uma equipe pequena — ter conversas aprofundadas 24 horas por dia é uma limitação física.

Embora seja mais fácil ampliar a escala das pesquisas, elas geralmente perdem informações. Elas reduzem o feedback a opções de múltipla escolha e deixam de captar a emoção e as nuances de uma conversa individual. Com os avanços em voz IA e LLMs, agora podemos diminuir essa distância. 

Criamos um Entrevistador de IA com o ElevenLabs Agents para coletar feedback dos usuários por meio de conversas reais. Realizamos mais de 230 entrevistas em menos de 24 horas e já lançamos melhorias no app com base nesses insights dos clientes.

Criando o Entrevistador de IA

Usamos a plataforma ElevenLabs Agents para criar um pesquisador conversacional. Nosso objetivo era entender a percepção dos usuários do app ElevenReader em quatro áreas principais:

• Solicitações de recursos e melhorias
• Principais casos de uso
• Comparações com concorrentes
• Preços e valor da marca

Escolhemos a voz “Hope - The podcaster” por seu tom amigável e conversacional  — é como estar sentado em frente a um pesquisador empático. Para a lógica, selecionamos o Gemini 2.5 Flash para equilibrar baixa latência e alta inteligência.

Prompts e proteções

Criamos um prompt de sistema que instruía o agente a fazer perguntas de acompanhamento para obter insights mais profundos, mantendo a conversa no rumo certo. Se um usuário respondesse de forma vaga ou com uma única palavra, o agente pediria um feedback mais detalhado. Antes do lançamento, usamos os testes simulados da ElevenLabs para garantir que o agente lidasse com casos extremos, como respostas vagas ou linguagem inadequada.

Veja aqui o prompt de sistema que usamos.

Coleta de dados

Usamos o recurso de Análise no ElevenLabs Agents para avaliar cada chamada. Essa ferramenta extrai dados estruturados das transcrições, permitindo transformar conversas abertas em insights concretos. Por exemplo, pudemos acompanhar automaticamente as respostas para:

• "Como você usa principalmente o ElevenReader hoje?"
• "De quais duas formas você melhoraria o app?"

O agente usou a ferramenta end_call para encerrar as conversas após dez minutos e agradecer educadamente ao usuário pelo tempo dedicado.

Os resultados

Em 24 horas, coletamos mais de 36 horas de conversas no total.

• Taxa de sucesso: 85% das chamadas foram bem-sucedidas e permaneceram no tema.
• Engajamento: A duração mediana das chamadas foi de 10 minutos (o máximo permitido).
• Profundidade: Uma conversa teve 87 mensagens. A mediana foi de 25 mensagens. 
• Custo: Cada chamada de 10 minutos custou pouco menos de US$ 1,00, ou 9 centavos por minuto, todas hospedadas pelo ElevenLabs Agents

Analisando os dados

Usamos o Claude Opus 4.5 para analisar as 36 horas de transcrições em busca de tendências e insights baseados em princípios de pesquisa de UX.

Embora o modelo tenha fornecido temas de alto nível, refinamos a análise com prompts adicionais para identificar insights mais granulares, como segmentação de usuários, feedback sobre navegação e sensibilidade a preços por região.

Para compartilhar esses resultados internamente, criamos um artefato interativo com o Claude. Agora, nossa equipe pode clicar em pontos de dados específicos para ver as citações exatas dos usuários que embasaram cada tendência.

Principais descobertas

Os usuários se sentiram à vontade conversando com uma IA — quase 95% dos participantes interagiram diretamente com o entrevistador sem reconhecer que se tratava de um agente conversacional. Um usuário disse:

“Bem, esta entrevista de atendimento ao cliente é a experiência com IA mais marcante que acho que já tive. Queria que todos os questionários fossem assim e que todos os serviços digitais de atendimento ao cliente fossem assim.”

Descobrimos:

• Necessidades segmentadas: 21% dos leitores de ficção do ElevenReader pediram diálogos com vários personagens, uma taxa muito maior do que a de outros segmentos de usuários.
• Valor da marca: Os usuários associam o ElevenReader à liberdade de ouvir qualquer livro, em qualquer lugar, com a voz de som mais natural.
• Necessidades relacionadas a idiomas: Os usuários identificaram pontos em que o modelo de Text to Speech (TTS) do app confunde idiomas e sotaques  — áreas claras para melhoria. 
• Relatos de bugs: As entrevistas destacaram problemas específicos que nossa equipe de engenharia corrigiu no dia seguinte.

Implicações futuras

O futuro da pesquisa com usuários é conversacional — agentes de voz IA permitem que você ouça e converse com seus usuários globalmente, no tempo deles.

Este teste mostrou como agentes de IA podem conduzir entrevistas aprofundadas em escala de forma realista e confiável. Em conjunto com a análise de texto por LLMs, essas conversas revelaram padrões em centenas de respostas — insights que seriam difíceis de descobrir manualmente.

Você pode criar um entrevistador de IA semelhante com o ElevenLabs Agents — comece a criar hoje ou fale com nossa equipe para saber mais.