如何用 ElevenLabs Agents 扩展客户访谈流程

我们使用了 ElevenLabs 智能体 采访了 230 多位 ElevenReader 用户。

本文将分享我们如何打造语音智能体、这次生产测试的结果，以及如何用这些工具优化产品。

规模化的挑战

我们重视客户访谈，但要大规模进行并不容易。一次 15 分钟的实时访谈能带来很多洞察，但一天安排多场访谈在实际操作上很难。

日程很难协调，小团队要支持全球多语言用户几乎不可能——全天候深度交流有现实限制。

问卷虽然更易扩展，但信息损失大。反馈被简化成选择题，缺少情感和细节。随着语音 AI 和大模型的发展，这一差距正在被弥合。

我们用 ElevenLabs Agents 打造了 AI 访谈员，通过真实对话收集用户反馈。24 小时内完成了 230 多场访谈，并已根据这些洞察优化了产品。

打造 AI 访谈员

我们用 ElevenLabs Agents 平台创建了对话式调研员，目标是了解 ElevenReader 用户在四个方面的看法：

• 功能需求与改进
• 主要使用场景
• 竞品对比
• 定价与品牌价值

我们选择了音色 “Hope - 播客，因为它的语气友好、自然，像和一位有同理心的调研员面对面交流。在逻辑上，我们选用了 Gemini 2.5 Flash，兼顾低延迟和高智能。

提示词与安全策略

我们设计了系统提示词，引导智能体追问细节，确保对话聚焦主题。如果用户回答模糊或只说一个词，智能体会引导其补充反馈。上线前，我们用 ElevenLabs 的模拟测试确保智能体能处理各种边缘情况，比如模糊回复或不当用语。

点击这里 查看我们用的系统提示词。

数据收集

我们用 分析 功能评估每次通话。该工具可从转录文本中提取结构化数据，把开放式对话转化为可用洞察。例如，我们能自动追踪以下问题的回答：

• “你现在主要如何使用 ElevenReader？”
• “你会如何改进这个应用？请说两点。”

智能体用 end_call 工具在 10 分钟后结束对话，并礼貌致谢。

结果

24 小时内，我们累计收集了超过 36 小时的对话时长。

• 成功率： 85% 的通话顺利且聚焦主题。
• 互动度： 通话中位时长为 10 分钟（已达上限）。
• 深度： 最长一场对话有 87 条消息，中位数为 25 条。
• 成本： 每通 10 分钟的通话成本不到 1 美元，平均每分钟 9 美分，全部通过 ElevenLabs 智能体

数据分析

我们用 Claude Opus 4.5 分析了 36 小时的转录文本，挖掘趋势和洞察，基于用户体验研究方法。

模型给出了高层主题，我们又用补充提示词细化分析，挖掘了用户分群、导航反馈、不同地区价格敏感度等细节。

为便于内部分享，我们用 Claude 制作了交互式报告，团队成员可点击查看具体数据点和对应的用户原话。

主要发现

用户与 AI 对话很自然——近 95% 的受访者直接与访谈员交流，几乎没人提及对方是智能体。有用户表示：

“这是我遇到过最棒的 AI 客服访谈。希望所有问卷和数字客服都能这样。”

我们的收获：

• 分群需求： 21% 的 ElevenReader 小说用户希望支持多角色对话，远高于其他用户群体。
• 品牌价值： 用户认为 ElevenReader 让他们随时随地听任何书，音色自然。
• 语言需求：用户指出应用的文本转语音（TTS）模型在语言和口音上有混淆，明确了改进方向。
• Bug 反馈： 访谈中暴露的具体问题，工程团队第二天就已修复。

未来展望

用户研究的未来是对话式的——AI 语音智能体让你随时随地与全球用户交流。

这次测试展示了 AI 智能体如何高效、真实地大规模开展深度访谈。结合大模型文本分析，能从数百条反馈中发现规律——这些洞察靠人工难以获得。

你也可以用 ElevenLabs Agents 搭建类似的 AI 访谈员——立即搭建，或 联系我们 了解详情。