48. 某電商平台建置機器學習模型，用於預測用戶在瀏覽特定商品後的購買機率。 模型上線初期表現穩定，但維運團隊在定期審查中發現兩種不同情形： 情形甲：模型上線半年後恰逢消費趨勢轉變，過去高購買意願的用戶行為模式 (如長時間停留商品頁)不再是強烈的購買訊號，即便輸入特徵分布與訓練期相近，模型預測準確率仍明顯下降。
情形乙：平台新增了行動裝置端的入口，新用戶的年齡分布、裝置類型與使用 時段特徵與原訓練資料差異顯著，導致模型對這批用戶的預測偏差增大。 下列哪一項最能正確對應兩種情形所屬的模型劣化類型？
(A)甲為資料漂移(Data Drift)、乙為概念漂移(Concept Drift)；
(B)甲為概念漂移(Concept Drift)、乙為資料漂移(Data Drift)；
(C)甲為模型過擬合(Overfitting)、乙為資料漂移(Data Drift)；
(D)甲與乙均屬概念漂移(Concept Drift)，因為兩者都導致模型預測準確率下降