Como escalamos nosso processo de entrevistas com clientes usando ElevenLabs Agents

Usamos 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 escalar

Valorizamos entrevistas com clientes, mas escalá-las é difícil. Uma entrevista ao vivo de 15 minutos traz ótimos insights, mas agendar mais de algumas por dia é um desafio logístico.

As agendas raramente batem e atender uma base global de usuários em dezenas de idiomas é quase impossível para uma equipe pequena – ter conversas profundas o tempo todo é uma limitação física.

Pesquisas são mais fáceis de escalar, mas costumam perder detalhes. Elas reduzem o feedback a opções de múltipla escolha e deixam de captar a emoção e nuances de uma conversa individual. Com os avanços em voz IA e LLMs, agora conseguimos preencher essa lacuna.

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

Criando o Entrevistador IA

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

• Pedidos de recursos e melhorias
• Principais usos
• Comparação com concorrentes
• Preço e valor da marca

Escolhemos a voz “Hope - The podcaster” pelo tom amigável e natural – parece que você está conversando com um pesquisador empático. Para a lógica, selecionamos Gemini 2.5 Flash para equilibrar baixa latência com alta inteligência.

Prompt e limites

Criamos um prompt de sistema que orientava o agente a fazer perguntas de acompanhamento para obter respostas mais profundas, mantendo a conversa no foco. Se o usuário desse respostas vagas ou de uma palavra só, o agente pedia mais detalhes. Antes de lançar, usamos testes simulados da ElevenLabs para garantir que o agente lidava bem com situações como respostas vagas ou linguagem inadequada.

Veja aqui o prompt de sistema que usamos.

Coleta de dados

Usamos o recurso Análise do ElevenLabs Agents para avaliar cada chamada. Essa ferramenta extrai dados estruturados das transcrições, permitindo transformar conversas abertas em insights práticos. Por exemplo, conseguimos acompanhar automaticamente as respostas para:

• "Como você usa principalmente o ElevenReader hoje?"
• "Quais duas melhorias você faria no app?"

O agente usava a ferramenta end_call para encerrar a conversa após dez minutos e agradecer o usuário pelo tempo.

Resultados

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

• Taxa de sucesso: 85% das chamadas foram bem-sucedidas e dentro do tema.
• Engajamento: A chamada mediana durou 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 $1,00, ou 9 centavos por minuto, tudo feito pelo ElevenLabs Agents

Análise dos dados

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

Enquanto o modelo trouxe temas gerais, refinamos a análise com prompts adicionais para identificar insights mais detalhados, como segmentação de usuários, feedback sobre navegação e sensibilidade a preços por região.

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

Principais descobertas

Os usuários ficaram à vontade conversando com uma IA – quase 95% dos entrevistados interagiram diretamente com o entrevistador sem mencionar que era um agente conversacional. Um usuário comentou:

“Olha, essa entrevista de atendimento ao cliente é a experiência de IA mais impressionante que já tive. Queria que todos os questionários fossem assim e que todos os serviços digitais de atendimento fossem desse jeito.”

Aprendemos que:

• Necessidades segmentadas: 21% dos leitores de ficção do ElevenReader pediram diálogos com múltiplos personagens, uma taxa bem maior que outros segmentos.
• Valor da marca: Usuários associam o ElevenReader à liberdade de ouvir qualquer livro, em qualquer lugar, com a voz mais natural possível.
• Necessidades de idiomas: Usuários apontaram situações em que o modelo de Text to Speech (TTS) do app confunde idiomas e sotaques – pontos claros para melhorar.
• Relatos de bugs: As entrevistas destacaram problemas específicos que nossa equipe de engenharia corrigiu já no dia seguinte.

Implicações para o futuro

O futuro da pesquisa com usuários é conversacional – agentes de voz com IA permitem ouvir e conversar com seus usuários no mundo todo, no tempo deles.

Esse teste mostrou como agentes IA podem conduzir entrevistas profundas em escala, de forma realista e confiável. Combinando com análise de texto por LLMs, essas conversas revelaram padrões em centenas de respostas – insights que seriam difíceis de encontrar manualmente.

Você pode criar um entrevistador IA parecido com o ElevenLabs Agents – comece agora ou fale com nosso time para saber mais.