Webinar-sammanfattning: Så automatiserar Cars24 över 3 miljoner minuter säljsamtal med Voice AI

Cars24 har produktionsklara röstagenter i stor skala på 13 språk. 

Det här inlägget sammanfattar Bakom agenten: Så automatiserar Cars24 över 3 miljoner minuter av säljsamtal med röst-AI med Jayesh Gupta, chef för AI och innovation på Cars24, som gick igenom exakt hur Cars24 byggde och driftsatte sitt röst-AI-system – från det första enkla användningsfallet till en arkitektur med flera agenter som hanterar miljontals minuter av kundsamtal.

Varför röst-AI i den här skalan spelar roll

Cars24 är en av Indiens största marknadsplatser för begagnade bilar, med verksamhet i Indien, Förenade Arabemiraten och Australien. De säljer 4 000–4 500 bilar i månaden, genomför över 100 000 inspektioner och möjliggör över 22 000 provkörningar.

Det är innan man räknar in finansiering, support efter leverans, bötesbetalningar och billån. Bara deras säljtratt sträcker sig över 30 till 45 dagar per kund.

75 % av deras köpare äger bil för första gången. För dessa kunder är ett bilköp inte bara en transaktion. Det är ett ekonomiskt betydelsefullt och känslomässigt laddat beslut. Det innebär att 70–80 % av Cars24:s produkt inte är appen. Det är samtalet. Mänsklig, vägledd och assisterad försäljning i varje steg av tratten.

Före AI-agenterna började systemet sakta ner. Kunder ringde fel team – säljteamet kontaktades för supportärenden, vilket ledde till längre väntetider och en ineffektiv kundupplevelse. 

Väntetiderna blev längre. Uppföljningar missades under en 30 dagar lång säljtratt. 

Att hantera allt från kvalificering av leads till lånedokumentation gjorde verksamheten dyr och svår att skala.

I dag: 

1. 25 % av alla samtal automatiseras
2. Nästan hälften av försäljningen får stöd av röst-AI
3. Kostnaderna för samtal har sjunkit med 50 %

Demo 1: Cars24:s förhandlingsagent

Scenario: En röstagent från Cars24 ringer en säljare som överväger att sälja sin bil och förhandlar på hindi för att övertyga personen om att välja Cars24 framför konkurrerande plattformar.

Det som visades:

- Agenten genomför en fullständig säljförhandling på hindi

- Den hanterar invändningar och konkurrerar med andra plattformar i realtid

- Samtalet låter naturligt, med låg latens och inga robotliknande pauser

- Agenten får säljaren att förbinda sig till Cars24 under samtalet

Varför det spelar roll: Dessa agenter bedriver aktiv försäljning, hanterar tvetydigheter, bemöter invändningar och driver fram ett konverteringsbeslut – allt på ett språk som kunden känner sig mest bekväm med. Cars24 har sett att rätt språk direkt ökar samtalstiden och förbättrar affärsresultaten.

Demo 2: Orkestrering av flera agenter för merförsäljning

Scenario: En kund missade en bokad inspektion. En kvalificeringsagent ringer för att boka om tiden, upptäcker intresse för att uppgradera och kopplar samtalet direkt till en säljagent som fortsätter samtalet utan att tappa sammanhanget.

Det som visades:

- Agent 1 (Sneha) inleder med att ta upp den missade tiden och bokar om den

- Sneha undersöker avsikten: vill säljaren uppgradera eller sälja av ekonomiska skäl?

- Kunden signalerar intresse för att uppgradera

- Sneha erbjuder sig att koppla vidare till rätt team och gör det mitt i samtalet

- Agent 2 tar över med hela sammanhanget och fortsätter samtalet mot ett köp av en begagnad bil

- När kunden ber om att bli uppringd om en timme bekräftar agenten, sammanfattar tidsbokningen och avslutar samtalet smidigt

Varför det spelar roll: Den här demon visar hur orkestrering av flera agenter fungerar i praktiken. Varje agent hanterar en uppgift och sammanhanget förs vidare mellan dem. Ingenting upprepas och inga överlämningar tappas bort. Cars24 bygger mot ett enda nummer som är öppet dygnet runt, där kunder kan hantera hela sin resa – sälja, köpa, finansiera – utan att någonsin behöva upprepa sig.

Så byggde Cars24 det: tekniska överväganden

Cars24 började med enklast möjliga användningsfall: påminnelser om missade bokningar. Korta samtal, binära utfall, låg kostnad för fel. Det lät dem lära sig vad som fungerar innan de expanderade.

När de gick över till längre och mer komplexa inkommande samtal – bilutforskande samtal som i genomsnitt varar i 7 minuter och ibland når 13 – stötte de på en tydlig gräns med arkitekturer med en enda agent. 

Mindre modeller började tappa sammanhang efter 3 till 4 minuter. 

Större modeller gav högre latens. 

Att pressa in allt i en enda prompt gjorde systemet skört: en ändring i låneflödet kunde förstöra köpflödet.

Lösningen var orkestrering av flera agenter. De delade upp samtalet i steg: 

1. En liten kvalificeringsagent med en mindre modell fångar upp den inledande avsikten
2. En större modell tar över för utforskning när kunden är engagerad och villig att vänta lite längre
3. En tredje agent med fokus på lån aktiveras endast om pris eller finansiering kommer på tal.

Varje agent hanterar en sak väl. Ändringar i en påverkar inte de andra.

Den tekniska stacken (orkestrerad med ElevenAgents-plattformen):

1. Tal-till-text: ElevenLabs Scribe v2 realtid, valt för sin träffsäkerhet i bullriga miljöer i nivå 2- och nivå 3-områden på 13 språk
2. Text-till-tal: ElevenLabs Flash 2.5, nyligen uppgraderad till V3 i expressivt läge med mätbara förbättringar i säljresultaten
3. LLM: GPT-4.1 mini för de flesta användningsfall, med GPT-4o eller motsvarande för längre utforskande samtal som kräver djupare resonemang
4. Telefoni: WebSockets med PCM på 24 kHz för ljudkvalitet; deras leverantörer omfattar Twilio, Exotel och Plivo i Indien
5. Integrationer: Anpassade API-anrop till ElevenLabs Agents-plattformen, MCP-stöd och inbyggd HubSpot-integration för den australiska marknaden
6. Vektordatabas: Qdrant, med binär kvantisering för stora dataset med över en miljon vektorer för att hålla latens och kostnader låga

Beslutet att använda ElevenLabs Agents i stället för att sätta ihop separata STT, LLM- och TTS-komponenter handlade om en sak: latens. 

Att bygga pipelinen själva, även med samma underliggande modeller, gjorde konsekvent att latensen översteg en sekund. 

ElevenLabs-plattformen – som äger både modellerna och orkestreringslagret – minskade den med 30 till 40 %. Den minskningen ledde direkt till 30 till 40 % fler konverteringar.

Bästa praxis från Cars24

1. Börja där kostnaden för att misslyckas är lägst. Cars24:s första användningsfall var påminnelser om missade bokningar – korta, enkla och med låg risk. Att bevisa modellen där skapade intern trovärdighet och gav teamet utrymme att lära sig innan de tog sig an mer värdefulla delar av tratten.

2. Kör på riktiga kunder, inte simuleringar. Intern testning kan inte återskapa kaoset i verkliga samtal. Cars24 körde sina piloter på 10 % av den aktiva trafiken, accepterade den tillfälliga nedgången och använde riktig feedback för att förbättra lösningen.

3. Sätt promptlängden som en hård begränsning. Cars24 begränsar prompts till 4 000–5 000 tokens för samtal under två minuter. Längre prompts gör modellen långsammare och förbättrar inte resultaten på ett tillförlitligt sätt. Om ett användningsfall kräver mer, bygg en ny agent.

4. Ha vanliga svar i prompten, inte i kunskapsbasen. För de vanligaste frågorna som kunder faktiskt ställer ska svaren ligga direkt i prompten. Använd verktygsanrop och RAG-hämtning för återstående 20 %. Det eliminerar de flesta latenstoppar vid kunskapsuppslag.

5. Spela in det första meddelandet i förväg. ElevenLabs Agents kan generera och cachelagra öppningsmeddelandet i förväg innan samtalet kopplas upp. Tillsammans med att göra det första meddelandet omöjligt att avbryta minskar det tidiga avhopp som orsakas av nätverksfördröjning eller förtida avbrott.

6. Bygg in utvärdering i varje samtal. Cars24 använder utvärderingar i ElevenLabs Agents för 100 % av samtalen för att följa upp om SOP:er följdes, om kunden visade frustration och om något misslyckades. Misslyckade utvärderingar utlöser en manuell granskning. Slumpmässiga urval granskas dagligen. Teamet arbetar proaktivt i stället för reaktivt.

7. Skala upp stegvis. Nya agentdriftsättningar följer en utrullning på 5 %, 10 %, 20 %, 50 % och 100 %, med två dagars paus i varje steg för att bekräfta att utvärderingsmåtten är stabila innan de skalar vidare.

8. Ring inte kunder som inte har bett om att få höra från dig. Varje utgående samtal från Cars24 går till någon som redan har kommit in i tratten. Oönskad AI-kontakt ökar antalet klagomål och skadar förtroendet. Principen är enkel: om de inte redan är engagerade ringer de inte.

9. Var ärlig när kunder frågar om de pratar med AI. Cars24:s agenter bekräftar att de är virtuella assistenter när de får frågan. Om en kund vill prata med en människa kopplas samtalet vidare direkt.

10. Se AI-utgifter som en investering, inte en kostnad. Cars24 tar nu med AI-kostnader i sina årliga verksamhetsplaner, med tydliga uppdrag kopplade till mätbara affärsresultat. Varje driftsättning förväntas påverka ett verkligt nyckeltal.

Se hela sessionen

Se hela sessionen här.