在美国有过驾驶经历的人应该熟知电子过路费收集系统EZPass（类似国内高速上的ETC系统）。车主可以在车辆上装置一个扑克牌大小的电子标签，在经过收费的公路，桥隧时，车辆通过标有EZPass收费站通道实现自动缴费。这种自动缴费系统大大提高了机动车的通行效率、缓解了收费站的拥堵以及减少了拥堵时带来的尾气污染。
让我们把时针拨回到25年前（1992年），那时7家纽约市和新泽西州的交通机构组成了一个叫做EZPass Interagency Group(IAG)的委员会，旨在建立一个跨区域的电子过路费收集系统--EZPass。委员会很欣赏在其他州ETC系统的运营，希望能建立一个理想的电子过路费收集系统来缓解委员会所在地区的拥堵问题。委员会已经就建立这种系统达成了共识，但是还有一个问题迫在眉睫：
应该如何配置EZPass系统服务？
回答这个问题需要了解驾驶员认为这种服务的哪些属性是重要的，驾驶员会偏爱各个属性里的哪些具体配置以及驾驶员会多大程度上注册并使用这种系统。为此，IAG邀请了Paul Green的研究小组执行了一项大规模的市场调研以解决这个难题。Paul Green的研究小组欣然接受了邀请，并采用了联合分析技术以评估驾驶员对EZPass系统服务的接受度，这次调研也被这几位享誉业内的研究员们称为“最有趣的联合分析调研”。
一开始，EZPass的运营方认为有多达15个因素（属性）可能会影响到驾驶员选择EZPass服务，在和Green的研究小组进行了大量讨论和会议后，最终Green的联合分析中使用了其中7个属性。这7个属性需要回答7个关于EZPass的运营设计问题。我们列示如下：
按照这样的设计，如果用全列举法，一共需要评估2 x 6 x 5 x 2 x 4 x 4 x 3 = 5760种不同的EZPass概念产品。很显然这是不现实的，无法想象一个受访者能评估这么多的概念产品。于是，Green的团队通过实验设计技术把需要进行评估的概念产品数量减少到49个。
但是49个概念产品对于受访者来说仍然太多了，受访者一次性评估49种组合依然很难准确地做出有意义的评价。因此，研究者采用了“分样本”（split-sample）方法，将49个概念产品分成7组，每组中只包含7个概念产品。除此之外，Green教授还设置了1组对照组概念产品（为了用于后期可能的校准计算）。这样，每个受访者被随机分配到这8组中的某一组，然后只评估该组中的7个概念产品。
调研最终获得了3369份受访者的回答，以下是这7大属性水平的效用值。
这些属性水平效用值的排序高低与EZPass运营方的预期很接近。但是通过联合分析，EZPass运营方可以从数量上把握不同属性水平的消费者偏好差异。
上表是这7大属性对消费者偏好的影响重要性。很明显，这项研究显示出“收费站EZPass的通道数量及如何控制”是影响消费者选择的最重要因素。这表明尽管增加收费站中EZPass快速通道会相应减少现金支付通道，但驾驶员还是清楚地认识到了EZPass带来的巨大便利，所以他们不希望EZPass快速通道会因占用传统现金通道而有所妥协。这个发现和EZPass运营方的预期不同。EZPass运营方之前一直坚信“获取EZPass电子标签的费用”才是消费者最看重的。
下图展示了当前美国东北部公路收费站一些不同的EZPass通道控制方式（自由流通道，广场式通道）
“使用EZPass通道的价格（折扣）”也是一个影响消费者的重要因素，这是很自然的。但研究者也发现“获取EZPass电子标签的费用及服务费”重要性分数也很高。这清楚地表明车主愿意为了享受EZPass的快速通行便利而付出额外的费用。
根据车主对这些产品属性的效用偏好，Green教授的研究团队可以模拟计算消费者对不同EZPass服务的需求度以便运营方做出收费站通道设计、收费站快速通道定价、如何申请和付费等决策。他们还把联合分析模拟出的消费者对EZPass的需求比例和调研中直接询问的“EZPass使用可能性”数据进行了对比。结果发现联合分析的模拟计算显示有38-50%的消费者愿意安装和使用EZPass服务，而直接询问的“EZPass使用可能性”表明只有25-35%的用户愿意安装和使用EZPass。
这个结果让EZPass运营方大为吃惊，他们认为联合分析所预测的消费者需求度太高了，大大超出了他们的预期。在最终报告提交时，他们甚至要求Green的研究团队提交一个“最悲观”的需求度结果。
但是，短短6个月后，根据第一家开展EZPass服务的交通机构反馈，其用户的接受度高达40%，非常接近Green团队的模拟结果。
而在调研进行了7年之后，研究人员对该案例又进行了一次跟进。在纽约和新泽西的繁忙路段，高峰期时EZPass的使用效率历年来稳步提升，在1999年的年中时提升了60%。此外，1998年该地区日均使用EZPass系统的通行车辆占到了总车辆的44%。期间，约20万个账户在被开设，30万个贴标被领取。而在MTA大桥隧道，EZPass的日均使用率达到了61%。
在美国东北角的道路上取得成功后，EZPass系统还成功部署到了南至北卡罗莱州，西至伊利诺伊州的16个州，不仅为其用户提供了巨大的出行便利，更是在市场上占有了可观的份额，成为美国最重要的电子过路费收集系统之一。
对我们的启示
需要注意的是，在实际调研中如何保证受访者能耐心回答完所有题目是一个挑战。Green教授和他的团队在实际访问时采取了很多技巧来确保受访者能够专注地回答题目。例如为了让受访者能够正确理解EZPass的原理、用途和带来的便利，研究团队甚至联合运营方制作了一个11分钟的介绍视频给受访者预先观看。为了减少受访者由于回答过多问题所导致的疲劳和低效率，他们将所有概念产品进行分组展示。
这种对细节的关注往往是当下的市场研究非常欠缺的。特别是在国内的大环境下，无论是客户还是执行调研公司，更多的考虑是如何保证数据能收集上来，如何能花尽量少的预算和时间收集数据，而很少考虑受访者面对冗长及复杂问题时的感受。这样做一个必然结果就是数据下降（数据造假也不鲜见），导致后期模型分析的结果不尽如人意。尽管有时候能通过一个糖衣似的花里胡哨的报告蒙混过关，但更多的时候是受到客户对结果的质疑，进而导致客户对市场研究和数量分析方法科学性的严重怀疑。
另外一点启示是发达国家对这种公共服务设计的严谨性和科学性，能够并敢于使用成熟的数量分析技术解决现实问题。我国部署ETC也有多年，有些城市甚至建成了局域性的自由流系统（例如武汉市的收费过江桥隧）。但是在ETC的推广及收费方面却难以令人满意。ETC电子标签的普及率偏低（不到20%），高速公路的ETC通道实际使用率偏低，大量通行车辆仍然在收费站现金通道排起长龙。我国的机动车保有量的持续增长趋势在短期内不会改变，而交通和环境压力日益加大。如何通过类似EZPass这种跨区域的自动缴费系统提升通行效率和减少污染变得非常有意义，如何合理地设计自动缴费的快速通道，注册使用流程以及合理的定价等变得尤为重要。希望相关行业的从业者能从本文获得一些启发，更为科学地，更贴近消费者需求地进行相关的研究和探索。如果能有效的结合交通大数据，相信我们也能打造出更为强大，更贴近消费者需求的快速通行系统服务。
参考文献：
Vavra , T., P.E. Green, and Abba Krieger(1999), “evaluating EZ-Pass:Using Conjoint analysis to Assess Consumer Responseto a New Tollway Technology,” Marketing Research, Summer, 5-16.
Vithala R. Rao, Applied Conjoint Analysis 242-246(Springer 2014)