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

Cars24 använder röstassistenter i produktion i stor skala på 13 språk. 

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

Därför spelar röst-AI i den här skalan 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 per månad, genomför över 100 000 inspektioner och möjliggör över 22 000 provkörningar.

Och då har vi inte ens räknat in finansiering, support efter leverans, bötesbetalningar och lån med bilen som säkerhet. Bara deras säljtratt sträcker sig över 30 till 45 dagar per kund.

75 % av deras köpare är förstagångsägare av bil. För dem är ett bilköp inte bara en transaktion. Det är ett ekonomiskt betydelsefullt och känsloladdat beslut. Det innebär att 70–80 % av Cars24:s produkt inte är appen. Det är samtalet. Personlig, vägledd och stöttad försäljning i varje steg av tratten.

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

Väntetiderna blev längre. Uppföljningar missades under den 30 dagar långa säljprocessen. 

Att hantera allt från kvalificering av leads till lånedokumentation var dyrt och svårt att skala upp.

I dag: 

1. 25 % av all samtalsvolym är automatiserad
2. Nästan hälften av all försäljning 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 att välja Cars24 framför konkurrerande plattformar.

Det här 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 utan robotliknande pauser

- Agenten får säljaren att välja Cars24 under samtalet

Därför spelar det roll: De här agenterna arbetar aktivt med försäljning, hanterar tvetydigheter, bemöter invändningar och driver fram beslut om konvertering – allt på ett språk som kunden känner sig bekväm med. Cars24 har sett att rätt språk direkt ökar både samtalstiden och affärsresultaten.

Demo 2: Orkestrering med flera agenter för merförsäljning

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

Det här 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 att hen vill uppgradera

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

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

- När kunden ber om att bli uppringd om en timme bekräftar agenten, sammanfattar bokningsstatusen och avslutar samtalet på ett tydligt sätt

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

Så byggde Cars24 lösningen: tekniska överväganden

Cars24 började med enklast möjliga användningsfall: påminnelser om missade bokningar. Korta samtal, binära utfall och 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 på i genomsnitt 7 minuter, ibland upp till 13 – nådde de en tydlig gräns med arkitekturer med en enda agent. 

Minimodeller började tappa sammanhanget efter 3 till 4 minuter. 

Större modeller ökade latensen. 

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

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

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

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

Den tekniska stacken (orkestrerad med ElevenAgents-plattformen):

1. Tal-till-text: ElevenLabs Scribe v2 i realtid, valt för sin träffsäkerhet i bullriga Tier 2- och Tier 3-miljöer på 13 språk
2. Text-till-tal: ElevenLabs Flash 2.5, nyligen uppgraderad till Eleven v4 Turbo med en mätbar förbättring av 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 i 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 datamängder med över en miljon vektorer för att hålla latens och kostnader nere

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, drev konsekvent upp latensen över en sekund. 

ElevenLabs-plattformen – som har modellerna och orkestreringslagret tillsammans – sänkte den med 30 till 40 %. Den minskningen gav direkt en ökning av konverteringarna med 30 till 40 %.

Bästa praxis från Cars24

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

2. Använd den med riktiga kunder, inte simuleringar. Interna tester kan inte återskapa kaoset i riktiga samtal. Cars24 körde sina piloter på 10 % av den aktiva trafiken, accepterade den tillfälliga nedgången och använde verklig feedback för att iterera.

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

4. Ha vanliga svar i prompten, inte i kunskapsbasen. Lägg svaren direkt i prompten för de vanligaste frågorna som kunder faktiskt ställer. Spara verktygsanrop och RAG-hämtning till de återstående 20 %. Det eliminerar de flesta latenstoppar vid kunskapssökningar.

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

6. Bygg in utvärdering i varje samtal. Cars24 använder ElevenLabs Agents-utvärderingar 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 i steg. Nya agentlanseringar följer en utrullning på 5 %, 10 %, 20 %, 50 % och 100 %, med två dagars uppehåll i varje steg för att bekräfta att utvärderingsmåtten är stabila innan nästa utökning.

8. Ring inte kunder som inte har bett om att få höra från dig. Alla utgående samtal från Cars24 går till någon som redan har kommit in i tratten. Oönskad AI-kontakt ökar antalet klagomål och skadar förtroendet. Skyddsräcket är enkelt: 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 inkluderar nu AI-kostnader i sina årliga verksamhetsplaner, med specifika uppdrag kopplade till mätbara affärsresultat. Varje driftsättning förväntas påverka ett verkligt nyckeltal.

Se hela sessionen

Se hela sessionen här.