La voix passive n’est pas un temps, mais une façon d’introduire un participe passé comme on introduit un adjectif. Ne tenez donc aucun compte du participe passé final pour déterminer le temps du verbe, qui dans une tournure passive est par nature un verbe d’état, ici le verbe « être ».
— Comment cela se fait-il que nous ayons été contentes/arrêtées ?
— Comment cela se faisait-il que nous eussions été contentes/arrêtées ?
Vous avez parfaitement noté que, dans le cas où il faut utiliser un subjonctif (comment se fait-il que), le subjonctif passé exprimant l’antériorité dans le présent devient dans une phrase au passé un subjonctif plus-que-parfait exprimant l’antériorité dans le passé.
Vous avez bien analysé les modes et les temps du verbe « être » (ayons été = subjonctif passé ; eussions été = subjonctif plus-que-parfait), mais non pas du verbe « conquérir ». Le verbe « conquérir » n’est en effet pas conjugué dans votre phrase. Il n’apparaît que comme participe passé, au même titre qu’un adjectif.

Dans un second temps, vous devez noter ceci :
Certains verbes, conjugués à un temps composé à la voix passive peuvent exprimer un processus ; mais le participe passé avec un verbe d’état peut exprimer un résultat :
— Nous avions été conquises / nous étions donc conquises. Ces deux phrases expriment finalement la même chose.
— Comment cela se faisait-il que nous n’eussions pas été conquises ? / Comment cela se faisait-il que nous ne fussions pas conquises ? Ces deux phrases expriment plus ou moins la même chose.

Si votre question consiste en pratique à choisir entre « eussions été conquises » (subjonctif- plus-que-parfait suivi d’un participe passé à la voix passive) et « fussions conquises » (subjonctif imparfait suivi d’un participe passé à valeur adjectivale à la voix active), alors vous pouvez effectivement choisir entre le processus de la conquête à la voix passive, ou son résultat à la voix active.